Plugins

Fournisseur de recherche DuckDuckGo à zéro token pour la fonction web DeepSeek Harness : navigateur local sans interface, sans clé API ni facturation du modèle.

Préréglages où seule la clé est saisie : un plugin écrit en un clic dans DSH les routes officielles llm-pi-ai et identifiants de 50 canaux ; il configure aussi Tencent WorkBuddy, OpenCode (clé dans son auth.json) et cc-switch via CLI. Le cœur est en JavaScript pur, réutilisable par d’autres applications.

Plugin DeepSeek Harness de configuration intelligente des modèles et d’adaptation des capacités, porté depuis ZCode.

Comparaison côte à côte dans l’interface web DeepSeek Harness : envoie un prompt à 2–4 modèles dans des sessions sœurs dérivées de l’actuelle et affiche les réponses en colonnes (onglets sur téléphone), avec latence, time to first token, tokens et coût.

Permet au modèle de lancer la compaction à un moment sûr via compact_now (même au milieu d’un tour). context_status indique l’utilisation réelle des tokens par rapport à la fenêtre de contexte effective de la session.

Protège les journaux de session contre les appels mal formés du modèle (id/name vides ou arguments non textuels), afin qu’un appel incorrect ne rende pas la session impossible à charger.

Convertit des plans techniques 2D (PDF/PNG/JPG) en scripts noBS CAD et fichiers STEP. Comprend une skill de modélisation, des outils CAD via le moteur MCP noBS CAD, une sonde native de plan intégrée et un panneau 2D→3D dans l’interface web.

Ajoute un bouton de diagramme sous chaque réponse terminée de l’interface web DSH. Le modèle configuré produit une page HTML autonome avec SVG intégré, affichée dans une iframe isolée de la barre latérale droite. Vues diagramme/source/texte d’origine, historique par session depuis le cache disque sans nouvel appel au modèle, redessin et enregistrement .html.

Préférences réglables pour le moteur officiel de compaction dsh (seuil, rétention, modèle/raisonnement de résumé, compaction en fin de tour), import de modèles llama.cpp dans Models et aides d’onglets/notifications (favicon indicateur d’état).

Réduit les coûts LLM : un classificateur Jev (System One) évalue chaque tour selon une politique déclarative et recommande le modèle du sous-agent. Les tâches courantes utilisent les tarifs flash, les cas difficiles restent au modèle principal. Comprend /route explicite, contrôle runtime de la capacité de délégation, masquage des identifiants et relecture hors ligne depuis le journal des verdicts.

Vue de session Live2D avec voix en temps réel : entrée vocale continue, TTS en streaming, traduction des sous-titres, catalogue multi-modèle et accès autonome.

Branche latérale en lecture seule : citez un texte et posez des questions sans polluer le contexte modèle de la session principale. Chaque suivi reconstruit la branche depuis les derniers tours stabilisés ; les écritures sont refusées au niveau d’exécution des outils pour garder le préfixe du prompt en cache.

Accès distant à DSH sans hébergement personnel : le DM Feishu utilise la connexion longue sortante du bot comme interface, avec cartes workspace, session (changer/renommer), modèle, reasoning effort, preset d’autorisation et solde. Approbations d’outils et questions d’agent traitées dans le même chat.

Skill de workflow pour modélisation géologique 3D et traitement sismique 3D : parsing de volumes SEG-Y, uniformisation des coordonnées CGCS2000, export shapefile de ligne représentative de faille et limite d’exploration, construction d’une plateforme géologique 3D multi-mines.

Déclare le protocole wire et l’endpoint des routes OpenCode Go et Command Code pour éviter la saisie de l’adresse API. Ajoute les modèles DeepSeek V4.1 en tête de la route OpenCode Go, complète la liste Command Code depuis son catalogue public et ajoute un header `x-opencode-session` par conversation aux requêtes OpenCode (corrige 400 MissingSessionID).

Portage du sélecteur de modèles T3 Code dans le composeur : rail de providers, résultats regroupés par provider, favoris conservés dans le navigateur, badges des providers indisponibles et raccourcis Cmd/Ctrl+1..9 vers les neuf premières lignes visibles.

Table de Texas Hold’em pour DeepSeek Harness : outils de poker appelables par le modèle, six adversaires heuristiques, coach facultatif et interface navigateur dont les boutons n’envoient aucun message de chat.

Moniteur NVIDIA GPU en direct dans la barre latérale droite web de DeepSeek Harness (dsh). Sous Linux, NVML est prioritaire avec repli sur nvidia-smi. NVIDIA uniquement, pas AMD/Intel/macOS. Affiche l’utilisation, la VRAM, la puissance et la température de plusieurs GPU, les processus et des sparklines. Installable en dsh.bundle.

Remplace les adaptateurs intégrés llm-pi-ai et llm-deepseek, le sélecteur de modèles et la page Models par des versions maintenues par le projet. Suit @earendil-works/pi-ai en amont via un téléchargement en zone sûre et un bouton d’activation en un clic ; ajoute les consultations de quotas et de soldes ainsi qu’une page de gestion des fournisseurs.

Réduit presque de moitié le coût de l’agent sans perdre en précision. Plugin DeepSeek Harness qui utilise Jev pour révéler progressivement outils et skills : le modèle principal commence par planifier sans outils, puis Jev ajoute les capacités nécessaires au fil de la tâche.

v0.8.6 corrige le crash au démarrage : runtime Host peer optionnel, pas une dépendance installée. TypeSafe Jev/System One fournit 7 outils : `jev_decision` (1–25 verdicts typés parallèles, sans prose), `jev_choose` (classe 2–10 options), `jev_batch` (1–20 textes, 1–5 jugements, un appel réel/texte à concurrence bornée ; erreurs brutes, sans supposition), `jev_usage`, `jev_overview`, `jev_guard_status`, `jev_verify` (26/27 au benchmark fixe de 27 questions, concurrence 6). Ledger persistant par défaut : `$DSH_HOME/jev-usage.json`. Remaining=`quota.declaredBalanceUsd` moins dépenses locales depuis `quota.balanceSince` ; aucun endpoint de solde, rien d’inventé. API key absente : erreur explicite ; échecs isolés par surface. Client après refresh ; serveur après redémarrage Host.

Mascotte animée pour DSH Web avec rythme de sortie adapté au modèle, réactions à l’état des outils, packs de personnages remplaçables et skill incluse pour créer ou étendre ses animations.

Lit les rapports de l’agent avec la voix choisie et résume les longs avant lecture. Un extrait de référence de 3 à 10 s suffit pour cloner une voix ; les modèles entraînés par la communauté fonctionnent aussi. Pas d’installation GPT-SoVITS de 6,4 Go : le plugin installe son runtime et sa voix. Un GPT-SoVITS existant peut être utilisé, avec le même modèle vocal.

Mémoire d’expérience intersessions pour DSH. Les leçons sont notées selon les preuves et injectées pour un sujet identique ; elles n’apparaissent juste avant l’action que si l’appel concerné est déclaré. Une règle générale (« toujours répondre en chinois ») peut être standing et s’appliquer à chaque tour. Sur 24 tours isolés avec un vrai modèle : respect 6/6 contre 0/18 pour les contrôles. Une supposition ne peut être permanente : standing exige aussi une preuve vérifiée. Les leçons jamais consultées sont retirées de façon réversible. Cinq outils, sept commandes slash, aucune dépendance runtime.