Plugins

Agrégation de modèles gratuits pour DeepSeek Harness (dsh). Enregistre le provider freeroute sur un pool de quotas upstream gratuits (OpenCode Zen / B.AI / OpenRouter / SenseNova intégrés, plus catalogues distants et gateways personnalisées) avec failover transparent.

Plugin DSH autonome regroupant 21 outils de gouvernance du cycle de vie en lecture seule : classification des tâches ; validation de l’état, du plan et des preuves ; précontrôle et agrégation des portes ; audits de mise en production et d’installation ; analyse du contexte et de l’avancement ; chemin critique ; rapprochement à la reprise ; aperçu des modifications qui refuse toujours l’exécution. S’installe depuis npm sous `@240xu/dsh-tech-lead`.

Barre de statistiques Composer pour DSH Web UI : tarifs officiels en CNY avec périodes de pointe/hors pointe synchronisées, comptabilité par modèle, minuteurs actifs, fusion de l’arborescence des sous-agents, solde DeepSeek, alertes budgétaires et estimation du coût en streaming.

Découverte, évaluation, hiérarchisation adaptatives des modèles et routage des sous-agents pour DeepSeek Harness.

Routage de modèles gratuits pour DeepSeek Harness (dsh) — découvre les modèles gratuits OpenRouter, applique le meilleur modèle gratuit comme défaut d'agent, rotation auto sur limites de débit ; configuration payante intacte sauf demande.

Compétence de recherche produit : analyse le marché, la technologie et la chaîne d’approvisionnement, puis produit des propositions de spécifications produit à trois niveaux.

Suivi du solde du compte DeepSeek et des coûts des modèles avec les tarifs officiels heures pleines/heures creuses, facturation des jetons à trois niveaux (absence de cache, accès au cache, sortie), ventilations par modèle et par session, barre récapitulative dans la zone de saisie avec détails au survol, export CSV et panneau de paramètres.

Routage de modèles par niveaux pour DeepSeek Harness : niveaux think/build, délégation à la vision (le modèle de vision ne fait que décrire les images ; le modèle de travail agit), génération d'images et garde à fort impact.

Garde de permissions à auto-approbation : un niveau intermédiaire entre workspace-write et danger-full-access — autorise automatiquement les opérations sûres dans les répertoires de confiance et demande toujours une confirmation humaine pour les destructives, avec 11 commutateurs par catégorie et une piste d'audit.

Porte d'écriture par engagements : des règles rédigées par l'opérateur appliquées avant l'exécution d'un appel d'outil — un niveau de garde déterministe et un niveau de juge LLM, fail-closed par défaut, chaque blocage étant consigné dans un journal de contradictions.

Mentionnez un serveur avec @ dans une session DeepSeek Harness et exécutez des commandes dessus via SSH, derrière une porte d'approbation à deux niveaux qui échoue en mode fermé (fail closed).

Une liste de plugins enrichie pour les Paramètres Web DeepSeek Harness — tiers de confiance, groupes repliables et détail complet par plugin

Protocole de collaboration multi-agents indépendant du projet pour DeepSeek Harness : gardes de boucle qui arrêtent les boucles d'agents emballées, format de passation à six champs, routage des revues par niveau de risque et séquence fixe verify→commit→push→review→close. Une seule skill au lieu des mêmes règles copiées dans les instructions de chaque agent.

Regroupe les signaux d'arXiv, de laboratoires de première main, d'artefacts officiels, de fabricants de matériel et de X avec consentement en bundles de preuves versionnés, puis conditionne la reproduction au niveau de l'affirmation à des commandes, artefacts, métriques et vérificateurs.

Routeur de modèles à deux niveaux pour DeepSeek Harness — routage par LLM-Judge, chaînes de repli multi-modèles, bascule avec backoff exponentiel, et orchestration au niveau tâche (adaptation DSH de pi-shift-router).

Un palier de permission intermédiaire pour DeepSeek Harness entre workspace-write et danger-full-access : approuve automatiquement les commandes et opérations inoffensives ciblant des zones de confiance configurées, au-delà de l'espace de travail courant.

Scheduled daily toast popups summarizing yesterday's conversations and managing two-tier pending TODOs.

Keep conclusions alive across context compaction: the model writes a task checkpoint and the plugin re-injects it into the system prompt's first node — the span compaction never touches, so it survives any number of compactions. Four-tier injection (0/95/175/≤12000 chars) scales with session relatedness; checkpoints live in the plugin's own folder, never in your workspace.

Drives the OpenCode client already installed on your machine through its loopback opencode serve API, so its free-tier models work in DSH — the child process starts on first use, and OpenCode executes no tools of its own: a call it proposes is handed to the DSH tool of the same name and run there, or refused when there is no equivalent. No API key is needed.

An Auto toggle next to the model selector that schedules reasoning_effort per request: complexity is scored by a MiniMax/OpenAI-compatible model with a zero-dependency heuristic fallback (fallbacks not cached), effort ladders adapt to each model real effort list (low/high/max, low/high/highx/max/ultra, ...), heavy tool calls upgrade the tier within the same session, the lit button and reply badges show the effort actually used, and every decision plus observed token usage lands in a JSONL ledger. A standalone-button fork of imkingjh999/dsh-adaptive-effort; do not install it and the original in the same profile.

Switch OpenAI models between Codex-style Responses WebSocket transport and SSE from the composer, inheriting DSH provider settings with an optional priority-tier toggle.

Five-tier reasoning protocol injected into the system prompt — off / light / standard / deep / multi-agent, 0 / 3 / 9 / 17 / 19 rules — with the tokens each tier adds per request shown beside it. Alongside it: a claim ledger that marks a load-bearing claim with no evidence or check as unsupported, read-only analyst briefs, JSON-declared custom tools that work in the same turn, one persistent PowerShell session, and re-injection of host context after a configurable message gap. Tier 0 injects nothing and mounts no tools. A derivative of husongan/dsh-deepseek-2027 (MIT); do not install both — each injects its own reasoning-protocol section into the system prompt.

Runs an approved OpenSpec change to completion while the model stays a mechanical forwarder: a bundled Python CLI computes the ticket DAG frontier, claims tasks atomically, prepares one git worktree per assignment, and returns exact actions. The session delegates each action with the DSH subagent tool and reconciles the completion notice against a hash-bound receipt produced by re-running verification commands on a clean, advanced HEAD, so free-text "done" never counts. Runtime scope changes are plain tasks.md edits. Requires Python 3.10+ on PATH and a git project that uses OpenSpec.

Measures one university department's research output: matches author affiliation strings against a college's known name variants (detecting same-named departments at other universities), backfills papers that only name the university by faculty author IDs, classifies each paper by journal tier (CAS partition with Top flag, JCR quartile, CCF, Chinese core via a CNKI export merger), splits staff from student first authors, and writes a workbook with a dashboard sheet, a filterable paper list, a teacher-by-direction matrix and per-teacher statistics. Student authorship is inferred from affiliation and staff lists, not verified against enrolment records. Requires Python 3.9+ with pandas and openpyxl (pip install -r requirements.txt); papers come from the OpenAlex API, whose free per-IP quota is limited, and Chinese-journal coverage needs a manual CNKI export.