Plugins

Plugin bundle d'humanisation de texte chinois : un workflow de réécriture profonde obligatoire (audit narratif à dix dimensions + chemin fonctionnel + distribution sur 15 couches) + un garde-fou de fidélité au contenu. C'est une aide à l'édition, pas un détecteur d'IA.

Changement de style de sortie à l'exécution, équivalent à outputStyles de Claude Code, pour DeepSeek Harness.

Plugin web DeepSeek Harness (dsh) : widget de barre latérale pour le solde API + la dépense du jour, route /api/dsh-usage, comptabilité des appels de vision externes (journal d'usage JSONL), plus un tableau de bord complet d'usage par session (journal des appels, stats par modèle, taux de cache, export CSV).

Common Word Box (boîte de mots courants, 常用词盒子) — plugin client web pour DeepSeek Harness : un panneau de mots/phrases persistant, coulissant, à côté du champ de saisie du composer, avec des groupes globaux/projet en cours et une insertion en un clic. Fonctionne dans tous les espaces de travail.

Plugin DeepSeek Harness (DSH) : coût de conversation en direct et solde du compte DeepSeek dans la ligne de statistiques du composer — en RMB dans l'UI chinoise, en USD dans l'UI anglaise.

Suivi des coûts en tokens pour DeepSeek Harness — suivez l'utilisation, calculez les coûts, recevez des alertes de budget

11 skills de workflow partageables (handoff, triage, to-spec, to-tickets, wayfinder, teach, wait-what, dsh-mode-routing, ask-matt, overnight-execution, full-throttle) en pack de skills installable.

Carte flottante déplaçable affichant le solde/quota de vos fournisseurs récemment utilisés (DeepSeek/Moonshot/Kimi For Coding) : découverte automatique, niveaux à code couleur, actualisation en direct.

Un plugin minimal d'outil de salutation pour DeepSeek Harness.

Lecteur de musique flottant, déplaçable et repliable/dépliable, avec import de playlists NetEase Cloud Music et recherche de morceaux/artistes — discutez et écoutez de la musique en même temps.

Recherche de mèmes, en s'amusant : décrivez l'ambiance, et l'agent trouve et envoie un vrai mème qui correspond vraiment.

Auto chess : humain contre IA, ou IA contre IA.

Suivi du coût des tokens par modèle avec tarification configurable pour cache-hit/miss, sortie et fenêtre de pointe, une barre de coût de session en direct, et des signalements de modèles non configurés.

Le sélecteur de modèle de DSH : pointez-le vers n'importe quel endpoint compatible OpenAI, avec des préréglages de fournisseurs DeepSeek gratuits/économiques sélectionnés et un repli automatique quand un palier gratuit vous limite en débit.

Prise en charge du backend sandbox nono.

Prise en charge du backend microsandbox.

Masque les motifs de secrets pris en charge dans la copie d'export `session-telemetry/record`, avant que les backends de télémétrie configurés ne la reçoivent.

Génération automatisée de tests unitaires : une commande /testgen et un outil generate_tests qui échafaudent, exécutent et corrigent les tests jusqu'à ce qu'ils passent (générateurs LLM + modèles hors ligne ; vitest/jest/mocha/node:test).

DSH rencontre Kimi WebBridge.

Relais de messages multi-agents axé loopback : un courtier authentifié par HMAC plus un plugin dsh (relay_send/recv/peers/history), des clients CLI et Python sans dépendance, protocole de fil v1.0.

Disjoncteur de modèle à deux niveaux avec bascule de secours : déclenche l'arrêt d'un modèle ou de tout un fournisseur après des échecs de requête répétés, et route la requête suivante vers un repli configuré.

Kit opérationnel axé sur les preuves : six outils en lecture seule (catalogue de capacités, plans de workflow par étapes, lecteur de skills empaquetés, recherche bornée dans la mémoire locale, audit des releases du dépôt, checklist de release) et cinq skills empaquetés — planifie et audite, sans jamais écrire à distance.

SHOPLINE AI Toolkit : relie le serveur MCP officiel SHOPLINE Developer et fournit sept skills d'agent SHOPLINE (Admin REST, GraphQL, OAuth, webhooks, Sline) — l'équivalent SHOPLINE du Shopify AI Toolkit.

RAG à double graphe de connaissances pour notes Markdown : graphes de prérequis + de similarité (parcours P/S-Agent), découpage par paragraphe, recherche hybride n-gramme/embedding et boucle explicite de retour de pondération — via MCP.