Plugins

Parcourez tous les messages envoyés dans la session en cours : liste complète de l'historique triée du plus récent au plus ancien, filtre textuel, copie en un clic et saut vers un message (charge automatiquement l'historique antérieur lorsque la cible n'est pas encore chargée).

Cerveau DeepSeek + transcription automatique d'images : attachez des images dans la GUI et chacune est transcrite par le modèle officiel deepseek-v4-flash-vision-exp par défaut (un cerveau V4-Pro en texte pur peut voir les images), avec n'importe quelle VLM compatible OpenAI ou Ollama local comme alternatives.

Moteur cron résidant sur l'hôte avec un tableau web des tâches et un outil timer_agent : déclenche de vraies sessions d'agent selon le planning, en continuant une session épinglée pour le contexte ou en en démarrant de nouvelles dans un espace de travail de projet choisi.

Un deuxième cerveau autonome pour DeepSeek Harness : capture automatiquement les connaissances durables du dialogue dans un coffre-fort Markdown local (dedup personnalisé, recherche CJK, compatible git), avec une base de connaissances graphique et un graphe de connaissances interactif (filtre de légende, coloration par dimension temporelle, sélection par boîte, fusion, suppression, export/import PNG).

Suite complète de plugins DSH : une installation, cinq modules pour DeepSeek Harness — automatisation du navigateur, serveur MCP, revue automatique GitHub/GitLab, panneau natif intégré.

Compression automatique du contexte pour DeepSeek Harness : compresse les sorties d'outils avant qu'elles n'atteignent le modèle et garde chaque compression avec perte réversible via des outils de récupération CCR.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Ajoute un modèle de vision configurable aux modèles principaux textuels uniquement : un outil vision_read_image, un sélecteur de modèle de vision dans la barre de composition, et une conversion automatique image-texte pour les routes textuelles uniquement.

Plugin DSH (DeepSeek Harness) : connecte le navigateur ego-lite (un Chromium destiné aux agents IA) au harness — 13 outils structurés ego_* (snapshot sémantique de texte, clic par localisation sémantique, remplissage de formulaires, captures d'écran, contrôle CDP, isolation par espace de tâche), avec un runtime ego intégré ; fonctionne dès l'installation sur Linux + Chrome, sans avoir à cloner le dépôt officiel ni à compiler manuellement.

Pack de compétences de méthodologie d'audit de sécurité plus la passerelle de chaîne d'approvisionnement plugin_vet : huit compétences d'agent (analyse de secrets, audit de dépendances, revue de chaîne d'approvisionnement, revue d'injection de prompts, orchestration d'audit, modélisation des menaces, veille de vulnérabilités, réponse aux incidents) en éditions chinoise et anglaise, avec un bundle fournisseur npm qui monte les compétences et enregistre l'analyseur automatisé de pré-installation plugin_vet.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Mode voix duplex intégral pour l'interface Web DeepSeek Harness : bascule (envoi automatique après 2 s de pause) ou dictée push-to-talk dans un brouillon modifiable avec ASR streaming zipformer2, mot de réveil optionnel ; lecture phrase par phrase via Edge TTS avec sous-titres en direct, et la parole interrompt la lecture et le tour en cours (vrai barge-in). ASR sur appareil, aucune clé API requise.

Approbation automatique basée sur des règles pour les escalades du bac à sable de DeepSeek Harness, avec un réviseur LLM optionnel et un repli humain natif.

Gestionnaire de sessions web DSH : supprimer, archiver, déplacer entre espaces de travail, préréglage de migration ; favoris, à revoir plus tard, recherche, tri, priorité, ajout d'étiquettes et de notes (manuel / semi-automatisé). Les suggestions sont bienvenues sur GitHub.

Une meilleure barre de pliage : replie automatiquement les appels d'outils et les segments Think dans des barres de pliage d'étape, et condense chaque tour terminé en un seul en-tête de tour avec des métriques en direct (durée, TTFT, tokens, tok/s, taux de cache) — seul le résumé final reste visible ; icônes de tête personnalisables avec cartes de poker animées intégrées (animation de carte en alternance des couleurs pendant l'exécution, un paquet replié, un éventail déplié), une ligne de paramètres pour le mode de pliage officiel, compatible avec les versions DSH nouvelles et anciennes. Zéro intrusion dans le code source de DSH.

Gestionnaire du pool de skills dans la barre latérale des Réglages : activation/désactivation, import par lot de dossiers avec invites de renommage en cas de conflit, vérification et correction automatique en un clic de la conformité aux specs DSH pilotée par l'état, étiquettes de portée système/projet.

Plugin de mémoire inter-session pour DeepSeek Harness (DSH) : mémoire de projet en Markdown tenue au fil des échanges par le modèle de dialogue, avec divulgation progressive des fichiers thématiques, distillation silencieuse en arrière-plan en option, isolation par projet et panneau de réglages à mise à jour à chaud. Mécanisme aligné sur Claude Code auto memory. | Mémoire Markdown inter-session maintenue par l’agent : fichiers thématiques à divulgation progressive, distillation silencieuse opt-in, isolation par projet. Aligné sur Claude Code.

Fusionne tous les comptes WorkBuddy connectés localement dans DeepSeek Harness en un seul pool de modèles à bascule automatique (rotation multi-comptes, crédits en direct et catalogue de modèles affichant les multiplicateurs de crédits par modèle et les étiquettes gratuit/réduction nocturne).

Développe automatiquement les nouvelles cartes d’appel d’outil arrivées dans l’interface Web DSH, avec un commutateur dans la barre latérale cyclant entre aucun effet / développer / réduire, et l’état est persisté dans localStorage.

Utilisation de l'ordinateur via un périphérique USB HID externe : nommez une cible en langage naturel, un modèle de vision la localise dans une capture d'écran recadrée, et un Raspberry Pi Pico 2 déplace la vraie souris et tape sur le vrai clavier. 7 outils. Windows dispose de la liste des fenêtres, du recadrage par fenêtre et du relèvement automatique des fenêtres ; macOS nécessite pyobjc et ne dispose d'aucune de ces fonctions ; Linux n'est pas pris en charge.

Outils d'utilisation d'ordinateur de bureau Windows (click, type, key, screenshot) avec vérifications d'actualisation, validation par approbation, vérification de l'identité du processus autour de chaque action et piste d'audit nettoyée.

Plugin Cordis DeepSeek Harness (DSH) exposant les outils de workflow aflare

Récupération sémantique, gestion des ressources, rappel automatique (espaces doubles utilisateur + agent) et mémoire de session pour DeepSeek Harness : memsearch/memfind/memread/membrowse/memgrep/memglob sur des URI viking://, gestion des ressources memadd/memremove, statut d'observateur memqueue, capture de session memcommit et génération de playbooks de compétences memlearn.

Plugin de mémoire à long terme et d'auto-évolution pour DSH : capture L0 → extraction de mémoire L1 → regroupement de scènes L2 → persona utilisateur L3, injection automatique de rappels, synthèse de compétences, entièrement local (SQLite FTS5 + jieba, rappel vectoriel optionnel).