Plugins

Lit NTQQ (QQ 9.9.x) local sous Windows/Linux et exporte les chats de groupe/privés en txt/csv/json/md/html/sqlite. 16 outils : qqnt_status, qqnt_doctor, qqnt_extract_key, qqnt_index, qqnt_list_groups, qqnt_list_chats, qqnt_search, qqnt_stats, qqnt_export_group, qqnt_export_chat, qqnt_export_batch, qqnt_jobs, qqnt_media, qqnt_storage, qqnt_ask, qqnt_recall (refuse l’ambiguïté ; nettoyage sur liste autorisée). UI 127.0.0.1:46728 : index SQLite incrémental, 6 vues, tâches, une colonne sur écran étroit, expéditeurs masqués, médias groupés, découpage quotidien, préréglages, ZIP AES-256 protégé par mot de passe. OCR/voix/embeddings s’installent à la demande dans le virtualenv du plugin. Requiert python3/sqlcipher3 ; Paramètres crée le virtualenv. Clé lue dans QQ ouvert et connecté.

Génération d’images à partir de texte avec Moss dans DSH : décrivez l’image dans le chat et recevez le résultat. Nécessite une API key Moss de platform.moss.cn ; la génération est facturée à votre compte.

Connecte AutoCAD, ZWCAD, GstarCAD et BricsCAD à DeepSeek Harness via MCP, fournit le serveur CAD et crée un environnement Python privé au premier démarrage. Nécessite Windows, une de ces applications installée et Python 3.10+ dans PATH ; CAD doit tourner sous le même utilisateur Windows et au même niveau de privilèges que DSH.

Console de gestion MCP pour DeepSeek Harness : liste tous les serveurs configurés dans la barre latérale gauche, teste leurs outils sur place, redémarre une seule ligne si le transport s’arrête ou ne s’est jamais synchronisé et vérifie l’accessibilité. Fork de PerryLink/dsh-mcp-panel ; ne pas installer avec l’upstream, car les deux enregistrent `/mcp`.

Exécute l’agent CLI nanobot local comme subagent DSH via `nanobot_run` : chaque appel transporte une tâche autonome et renvoie uniquement la réponse finale de l’agent, dans un processus neuf ou via un serveur OpenAI compatible persistant.

Mémoire d’agent avec courbe d’oubli : les entrées gagnent du poids lorsqu’elles sont mentionnées, diminuent lorsqu’elles sont oubliées et les éléments épinglés ne décroissent jamais. Six outils et un panneau de paramètres.

Conserve notes long terme et journaux quotidiens par workspace dans une archive hot/cold ; chaque niveau possède son index, rééquilibré une fois par jour. Lecture et écriture via sept outils `memory_*`, avec paramètres par workspace.

Mémoire long terme en blocs : un événement par bloc dans un journal local append-only, avec vue des blocs et index dérivés ; l’historique complet reste récupérable et seuls les blocs pertinents entrent dans le contexte. Le modèle enregistre via `memory_remember` et récupère quelques éléments avec `memory_recall`, avec un rappel automatique avant chaque étape. Données dans `~/.beme`, sans service externe ni API key.

Transforme les sessions archivées en mémoire durable plutôt qu’en fichiers oubliés. Résume chaque archive en skills réutilisables et fact ledger (ADD/UPDATE/NOOP, `validUntil`, `supersededBy`) pour retirer les faits périmés. Regroupe les sujets par similarité single-linkage. Traite aussi les sessions en cours avec un seq watermark en lecture seule, sans modifier un seul octet du session log. L’autocontrôle peut mesurer fusion des doublons, retrait des faits obsolètes et consolidation des skills ; il n’agit qu’avec votre accord et ne supprime jamais définitivement, il ne fait que supersede.

Distille les conversations quotidiennes en une fiche de personnage actualisable et un module émotionnel intersessions qui entraîne la persona.

Mémoire locale à long terme pour DeepSeek Harness avec stockage SQLite, extraction automatique, rappel sémantique, corrections, oubli fiable et dialogue de synthèse dans l’application.

Outils de réduction des longues conversations : `trim_context` / `estimate_context_tokens` conservent la persona système et le dernier message, retirent les paires user/assistant les plus anciennes selon un budget de tours ou de tokens et indiquent les estimations avant/après. Aucun découpage sans appel des outils.

Mémoire à long terme intersessions pour DeepSeek Harness : injecte les règles épinglées à chaque tour et rappelle le reste selon des mots-clés pondérés par IDF. Déduplication par fact-key, stockage JSON simple et édition/suppression des entrées dans les paramètres.

Mémoire Markdown partagée entre toutes les sessions DSH : persona, exigences, corrections, leçons, méthodes, demandes, sessions, bibliothèque de méthodes et documents importés ; miroir sur un second disque avec snapshots de version et verrou d’écriture interprocessus. Les entrées passent du fichier principal à une archive consultable selon leur fréquence d’accès et leur emphase répétée ; la recherche combine cooccurrence de mots-clés et BM25. Inclut des playbooks SKILL.md avec exécution facultative et protégée de `run.mjs`, et une bibliothèque où l’utilisateur importe ses images ; le plugin les classe par humeur et envoie automatiquement un sticker approprié au bon moment.

Plugin mémoire à six niveaux qui capture chaque tour, injecte un bloc stable sous forme de user snapshot et compacte l’historique du host dans un seul placeholder sans appel au modèle.

Context rollover : enregistre automatiquement un handoff avant saturation de la fenêtre de contexte et le réinjecte une seule fois dans le segment de session suivant. Deux outils et un panneau de paramètres.

Pause pendant une tâche : laisse d’abord terminer l’étape actuelle, puis suspend l’exécution. Reprendre n’envoie aucune nouvelle requête et ne consomme aucun token ; le minuteur s’arrête. Session actuelle uniquement.

Envoi différé depuis le composer : le host livre le message à l’heure choisie. Dans une conversation existante, les tâches la rejoignent ; depuis l’écran de nouvelle session, chaque tâche reçoit sa propre session précréée.

Gestionnaire de workspace dans la barre latérale : arbre workspace→session avec recherche par nom/chemin, tri des colonnes, compte des sessions non archivées, archivage groupé et renommage des sessions/workspaces. La suppression d’un workspace conserve fichiers et logs. Les dossiers source supplémentaires sont transmis à l’agent comme contexte sans lui accorder d’accès aux fichiers. Même opérations via `workspace_manager`.

Règle le pourcentage de fenêtre de contexte auquel DSH déclenche sa compaction automatique native. Un curseur dans le gestionnaire de plugins va de 1 à 100 % (80 % par défaut, flèches par pas de 1 %). Des seuils plus bas réduisent le budget d’historique conservé pour maintenir l’effet d’une compaction précoce ; le moteur natif reste responsable de son exécution.

Pack tout-en-un pour DeepSeek Harness : le plugin frontend workspace lui-même, plus un pack/installer pour la liste de tâches, le fallback d’encodage, LSP/audit et la vision. Root reste un plugin installable normalement depuis le marketplace.

Enregistre des agents Claw nommés, les isole de la barre latérale workspace officielle et fournit les paramètres et un modèle global de nouvel agent. Dépendances obligatoires (sans elles, l’installation seule échoue) : `dsh-claw-policy`, `dsh-claw-observability`, `dsh-claw-permissions`.

Injecte SOUL, IDENTITY, AGENTS et TOOLS dans les prompts de session Claw. Dépendance obligatoire (l’installation seule échoue sans elle) : `dsh-claw-permissions`.

Ouvre une conversation latérale native issue de la conversation active, avec son contexte parent en direct, rappel en chaîne Inline & Spill, relais vers la conversation principale et statistiques d’utilisation.