Plugins

Permet aux agents MCP externes de déléguer des tâches au DSH Desktop existant, avec sessions visibles, reprise en main par l’utilisateur et transfert d’approbation facultatif.

Plugin monitor générique pour DSH Desktop : moteur de règles avec interrogation HTTP. Interroge tout endpoint selon un calendrier (étapes multiples, extraction de variables, expressions de condition JS) ; si une condition est remplie, réveille une session agent visible pour agir — sinon aucun appel au modèle. Panneau GUI latéral pour créer, modifier, suspendre, tester, lancer maintenant et voir l’historique, avec la même UX que le scheduler intégré.

Dispatch bidirectionnel pour DSH : ouvre des sessions Desktop visibles pour les tâches reçues de Grok Bot/Yobiru, ajoute /dispatch-grok et /dispatch-zcode pour envoyer des tâches et renvoie le résultat au peer expéditeur à la fin. Les peers sont configurés par l’utilisateur ; aucun envoi avant configuration.

Triage déterministe des tickets : un préfiltre par règles classe les cas évidents et renvoie le reste comme needs_review, sans deviner.

Expose une instance DeepSeek Harness active via MCP afin qu’un agent externe liste, crée et poursuive ses propres sessions, délègue un tour et récupère son résultat, réponde aux questions de l’agent DSH et définisse le traitement des futures demandes d’approbation.

Framework de travail de test DSH : crée une arborescence produit/module/version, enregistre 7 outils test_framework_* et 4 skills runtime. Avant le démarrage, une barrière de prompt signale les divisions des documents d’exigences, versions, documents associés et identifiants d’environnement non enregistrés. Nécessite le serveur Playwright MCP, sans fallback.

Preset Project Development Mode et tableau de développement dans le chat pour DeepSeek Harness : la conversation principale clarifie les exigences puis délègue à l’Agent Team ; un panneau flottant suit chaque demande de changement à travers dispatch, exécution, tests et acceptation, avec 7 outils de tableau.

Tâches planifiées exécutant un prompt à intervalle fixe, chaque lancement ouvrant une nouvelle session avec historique des exécutions.

Injecte une courte consigne (chemin absolu INDEX + version) une fois par session et version ; au changement de version, réinjection au tour suivant, y compris les tours de chat. Garde stricte facultative : lors des tours de type opération, les outils write/edit sont refusés jusqu’à lecture de l’index (chat et shell non bloqués par défaut). Fournit des checklists exemple ou un dossier personnalisé ; zéro dépendance, chemins configurables. Évite que les conventions documentées soient oubliées au début du travail.

Maintient le registre des tâches du dépôt dans une section résidente du prompt, avec onze outils natifs, un panneau latéral et une fenêtre flottante pour parcourir la file et valider les tâches de revue.

Registre de raisonnement vérifié par machine : chaque fait doit pointer vers un file:line réel et en être cité mot pour mot ; chaque hypothèse indique ce qui la réfuterait, et une conclusion ne peut reposer sur une hypothèse qui ne revient jamais en revue. Peut stocker date de revue, confiance et condition d’invalidation. Inclut le checker, les commandes /fp, une barrière facultative qui demande confirmation avant les commandes shell irréversibles et un panneau Web listant les codes d’erreur corrigés à chaque tour.

Maintient l’exécution de DeepSeek Harness : reprend les tours terminés anormalement, ceux dont l’appel d’outil a été émis comme texte brut (agent inactif) et les requêtes dont le flux s’arrête. Une attente d’approbation ou de question est consignée et signalée, jamais traitée à la place de l’utilisateur.

Coordonne les tâches PUA et Completion Guard via /task-run ou une CLI. La fin exige une acceptance figée et un certificat candidate/Goal à jour ; plafond de 8 tours et 90 minutes. Vérifié sur macOS Desktop 0.2.0-rc.2. Depuis 0.3.7, PUA 0.3.27, Completion Guard 0.9.0 et SpecWorkflow 0.1.1 sont inclus : seul Task Runner doit être installé.

Fait avancer une session DeepSeek Harness sans surveillance lorsqu’aucune réponse n’arrive à ask_user_question : présente les options et ne modifie jamais une réponse humaine. Après un délai configurable (120 s par défaut), envoie l’option marquée (Recommended)/（推荐） ou le fallback premier/dernier configuré. Les revues de plan restent humaines sauf activation explicite.

Suit les installations réussies de plugins DSH par appareil, fusionne le registre entre appareils via un compte Baidu Netdisk autorisé par l’utilisateur et permet les réinstallations groupées pré-vérifiées.

Windows uniquement : ajoute dans Settings → General un interrupteur d’extinction après la fin d’une conversation terminée (délai par défaut de 60 s, réglable de 5 à 86400 s). Une boîte de compte à rebours native permet d’annuler l’arrêt en attente d’un clic (shutdown /a).

Panneau orchd en lecture seule dans la barre latérale droite de DSH : tableaux des tâches et idées, graphe de dépendances, chronologie de revue et entrée d’installation du projet de la session actuelle.

Surveille un dossier et, quand l’arborescence devient inactive, transmet un diff groupé et dédupliqué en excluant les écritures de la session elle-même. Chaque watch peut réveiller un nouveau tour ou mettre le résultat en file pour l’étape suivante.

Affiche le coût en contexte modèle de chaque skill et permet de la masquer du catalogue sans la supprimer. Liste toutes les skills sur disque avec la ligne exacte reçue par le modèle (description normalisée et tronquée à la limite), taille du contenu et estimation de tokens. Prévisualise octet par octet le message catalogue reçu par l’agent, le compare à la copie publiée dans la session actuelle et signale les skills absentes du catalogue (frontmatter invalide ou masquées par une racine prioritaire). Le masquage ajoute disable-model-invocation au frontmatter sans supprimer le fichier ; `/name` reste donc utilisable. Importe aussi depuis ClawHub, Skills.sh et des URL GitHub et désinstalle les skills appartenant à l’utilisateur.

Page de gestion des skills dsh : définit chaque skill sur on, manual only, model only ou off par mode d’agent ; compte les chargements par mode dans l’historique des sessions ; recherche sur skills.sh et installe depuis GitHub ; importe de Codex, Claude Code ou d’un dossier ; crée, modifie et versionne des skills, avec corbeille pour les supprimer. Les modes restent actifs après désinstallation.

Bundle de recherche en investissement : 10 outils (recherche, récupération de pages, audit des sources, vérification d’affirmations, rigueur numérique, santé des canaux, workflow loader, chart engine, PDF renderer et PDF gate) et 23 skills adaptées d’ai-berkshire. Un workflow en six phases fait rechercher une entreprise par quatre agents parallèles (Duan Yongping, Buffett, Munger, Li Lu), confronte leurs analyses et produit un PDF riche en graphiques avec couverture, tableaux, légendes et pagination. Nécessite Python 3.10+ ; les outils graphiques/PDF nécessitent aussi python-docx et matplotlib.

Console de création de skills pour Web UI : récupère les skills officielles de création et transmet les exigences au créateur Huawei Cloud, générique ou via API REST. Évalue la skill produite sur 10 et renvoie les déductions détaillées jusqu’à atteindre 8,5/10.

Vérifie la géométrie avant publication : pixels, ratio, dpi, taille/format, largeur imprimée, mode couleur. Pas de contrôle du contenu (QR, ratio texte/image, droits, interdits). Python standard seul, sans tiers, entrées inchangées ; Python 3.8+. 10 plateformes/20 emplacements, niveau de confiance par plateforme : WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, revues, impression, livraison client. Résout par ID/nom chinois/alias (fuzzy). Sur demande ou automatiquement après écriture d’un fichier si la cible est indiquée ; une ligne si réussite, détails seulement si erreur. Revues/impression : calcule la largeur réelle (pixels/dpi) et repère un tirage trop petit malgré un metadata dpi conforme. Plusieurs images : vérifie la cohérence et désigne l’anomalie.

Skill de réutilisation fondée sur les preuves pour DeepSeek Harness : avant implémentation, portage, choix de dépendances ou dépannage, cherche par couches des solutions existantes dans le projet et la machine locaux. Décide sur preuves vérifiables, refuse si des exigences essentielles ou risques ne sont pas satisfaits et signale ce qui n’a pas pu être vérifié. Bundle DSH qui enregistre la skill sur ctx.skills.