Plugins

Registre local d’utilisation qui lit les journaux de session de cet appareil et indique les tokens par jour, modèle et espace de travail, le taux de cache, la part outils/chat et le coût estimé. Inclut un éditeur de prix par modèle dans l’application.

Ajoute au compositeur DSH une barre de réflexion à trois niveaux (normal, strict, max). Le mode loop, exclusif, propose 3, 5 ou 8 tours d’auto-révision ; une option de contre-révision peut s’ajouter à l’un ou l’autre. Le modèle lit le niveau via clarify_tier et forge_level.

Ajoute un bouton ✦ sous le compositeur DSH. Un seul appel au modèle par défaut configuré reformule le brouillon en prompt plus complet, en gardant l’intention et la langue d’origine ; il remplace le texte sur place sans l’envoyer.

Ajoute une bande lumineuse façon comète le long du bord de la fenêtre DeepSeek Harness : jusqu’à quatre en parallèle, colorées selon le modèle de chaque session. Elle inverse son sens en attendant votre réponse et revient au compositeur ou à l’espace de travail à la fin de la conversation.

Bouton Polish du compositeur qui réécrit le brouillon avec le modèle déjà utilisé par la conversation. Quatre styles, garde-fou de fidélité qui conserve chaque fait concret à l’identique, retour en un clic et aucune clé API propre.

API Hub : gère et appelle des fournisseurs API locaux (clés, modèles, soldes) et des skills depuis DeepSeek Harness.

Remplace le sélecteur de modèles du composer DSH par une version recherchable et regroupée par fournisseur.

Plugin DSH Web : affiche en temps réel les quotas et l’utilisation des fournisseurs de modèles (DeepSeek / GLM Coding Plan / OpenRouter / Kimi Coding Plan + adaptateur personnalisé).

Affiche des romans locaux EPUB, TXT et Markdown sous les régions de chat DSH natives sélectionnées, uniquement après expansion explicite. Préserve le raisonnement réel et les sorties d’outils sans envoyer le texte du roman au modèle. Nécessite DSH >=0.2.1-rc.2 <0.3.0-0.

Lit un snapshot d’un compte Genshin Impact (personnages, talents, armes, artéfacts et historique des vœux) et l’expose via six agent tools et un panneau à six onglets. Les sous-stats d’artéfacts viennent de la vitrine publique du personnage en jeu. L’évaluation propose CV et pondérations par personnage sur six niveaux ; l’analyse des vœux couvre pity, niveaux de chance et progression par bannière. Connexion QR Miyoushe requise pour lire personnages, armes et historique ; les données de vitrine sont publiques par UID.

Mascotte chibi de baleine-maid pour DeepSeek Harness : elle mange du riz blanc pendant la génération, vit dans la fenêtre DSH ou n’importe où sur le bureau macOS/Windows et plonge chercher des trésors entre les tours. Sous Windows, la surimpression bureau est compilée à l’installation et ignorée si swiftc ou le SDK .NET manque ; l’animal reste alors dans la fenêtre DSH.

Plugin de graphe Git pour DSH : arbre du dépôt et historique en couloirs SVG (courbes, losanges de fusion, badges ref, encoches de fin, export) dans un onglet de dsh-better-sidebar. Les conventions sont transmises au modèle : sept cadres intégrés ou vos propres modèles, possibilité de masquer les cadres intégrés, injection à chaque étape du modèle et vérification par rapport aux 20 derniers commits. Il partage le préfixe /git avec le plugin amont : choisissez-en un seul.

Agent Settings gère des profils de sous-agent réutilisables dans la barre latérale, chacun avec une description d’usage et sa propre route fournisseur/modèle ; l’agent peut lancer le profil correspondant comme sous-agent.

Couche décisionnelle locale non générative : phocinae_ask et phocinae_gate renvoient des verdicts typés avec confiance calibrée d’un petit modèle et escalade fail-closed. Nécessite un phocinae-server local (pip install phocinae-server) avec le modèle Phocinae-Largha-150M-v1 sur le port loopback 8155.

Boîte de mémoire à long terme pour les réglages DeepSeek Harness : saisie unique, transmise à chaque nouvelle session. La version 0.3.0 peut transformer une note sommaire en cahier des exigences en cinq sections : exigences de l’utilisateur conservées mot pour mot, ajouts inventés par le modèle marqués 推断 et supprimables, dimensions laissées ouvertes listées sans décision à sa place.

Ajoute un panneau de test sous Paramètres → Modèles : lit le catalogue du déploiement et envoie à chaque modèle configuré un unique aller-retour minimal (court « ping », petit plafond de sortie) via le service Host LLM pour vérifier la connexion par une vraie requête. Chaque ligne indique succès/échec, code d’erreur harness (NO_ADAPTER, MISSING_CREDENTIAL, AUTH, RATE_LIMIT, TIMEOUT, etc.) et latences premier jeton/totale. Test individuel ou test général (3 en parallèle). Les identifiants sont résolus dans Host et n’atteignent jamais le navigateur ; les tests par modèle sont indépendants, via une route limitée à la même origine et à la taille du corps. JS pur, sans étape de build, MIT.

Ajoute l’abonnement Meta Muse Code comme fournisseur de modèles DSH. Déclare la route Meta incluse dans Paramètres > Modèles, synchronise le catalogue de chat du compte (Muse Wonder compris) dans le sélecteur, et ajoute une carte de connexion ainsi que `/muse-login` pour lancer le flux intégré Meta par code appareil, renouveler la clé obtenue et afficher son état par un point rouge ou vert. Abonnement Muse Code actif requis ; aucun Meta CLI nécessaire.

Sélecteur de modèles axé recherche, avec favoris, récents, groupes fournisseurs repliables et navigation clavier.

Avec Jev, ajuste le raisonnement du chat principal sans changer de modèle, choisit/applique séparément capacité et effort des sous-agents et inspecte les décisions via le retour d’allocation par réponse.

Enregistre les modèles d’un workbuddy2api-hub local dans DSH comme fournisseur compatible OpenAI par clé API ; chaque clé conserve son modèle. Badge latéral : crédit de la clé principale, tokens/crédits/coût équivalent API du jour et de la semaine. Gateway local requis.

Grand livre des coûts par tour et étape pour DeepSeek Harness. Onglet Turns à côté de Chat et Trajectory avec tokens, coût estimé, économies de cache et inspecteur des arguments d’outils, résultats bruts et source. Côté client uniquement ; prix estimés depuis l’usage enregistré du modèle.

Détail du temps par réponse : modèle, outils, autre, premier token, décodage et totaux par outil ; journal JSONL local. Nécessite Node 24+ dans le runtime DSH.

Analyse forensique des décisions de routage passées. Rejoue chaque session et classe de manière déterministe, sans LLM, la complexité de chaque tour d’après la forme de la demande. Repère deux gaspillages : modèle coûteux pour tâche facile (écart mesurable) ; modèle bon marché qui échoue sur une tâche difficile, chaque reprise renvoyant tout le contexte et coûtant plus cher qu’une montée en gamme. Distingue les reprises dues à la capacité fournisseur (RATE_LIMIT/TIMEOUT/TRANSPORT) des échecs du modèle pour éviter les fausses alertes. Déduit des règles à partir des preuves et chiffre via une table intégrée par million de tokens.

Interface de compositeur DeepSeek Harness. L’effort de raisonnement du menu modèle devient un curseur continu sur la ligne ; les niveaux sont lus en direct depuis l’adaptateur, quelle que soit leur longueur. Chaque niveau dessine sa propre flamme sur un canvas derrière le curseur. De plus, le déclencheur de permissions prend la couleur d’erreur du thème quand l’accès complet est actif, y compris sa ligne dans le menu.