Plugins

Un port léger de Headroom : compresse la sortie des outils, réduit jusqu'à 20 % du contexte, sans affecter le cache de contexte du modèle ni les performances de l'agent.

Profilage des performances et diagnostics du cache LLM pour DeepSeek Harness — ingénierie du contexte, profilage de latence et rapports sur le comportement du cache.

Exporte les événements de tour, modèle, outil, approbation, nouvelle tentative et erreur de DSH (métadonnées uniquement) vers Tuning Engines pour des traces gouvernées, une évaluation des politiques, une analyse des coûts et une revue des Work Sessions, avec une file de nouvelles tentatives persistée sur disque.

Localisation en chinois de DeepSeek Harness : traduit à l'exécution tous les prompts système, descriptions d'outils et contextes d'exécution en chinois via la cascade system-prompt/assemble (1788 entrées, aucune modification du code source, la désinstallation restaure l'anglais).

Pont mémoire Honcho : synchronise automatiquement chaque tour de conversation vers un service Honcho auto-hébergé, avec des outils recall/search/remember/context/status, injection de contexte au démarrage de la session et un panneau de paramètres visuel.

Fournisseur LLM NewAPI (passerelle compatible OpenAI) : enregistre une route `newapi` avec découverte de modèles limitée au chat, remplit automatiquement les paramètres du modèle (fenêtre de contexte, effort de raisonnement) depuis models.dev, et ajoute une section de paramètres web pour l'URL de base et la clé API.

Plugin de gestion de serveurs MCP pour DeepSeek Harness : page Réglages → MCP, authentification OAuth (PKCE + enregistrement dynamique de client) ou par jeton statique, outils enregistrés sous la forme mcp__<name>__*

Installateur et vérificateur de serveurs MCP pour DeepSeek Harness : l'init interactive écrit de vraies entrées de patch dans un profil, list et validate les inspectent, et un vérificateur imposé par la CI se connecte à chaque serveur curaté.

Remplace le résumeur de compactage DSH intégré par un résumé de passation en cinq sections et garde chaque message masqué lisible dans un répertoire de segments.

Tableau Kanban de tâches pour les sessions DeepSeek Harness : l'agent principal répartit des tâches de codage vers des sous-agents worker/verifier à usage unique, avec ordonnancement des dépendances, niveaux de pipeline, gestion des escalades et injection de contexte de fichiers/notes.

Amélioration des prompts pour le compositeur : le bouton « ✨ Enhance » réécrit le brouillon en une version plus claire et structurée, avec une réflexion par premiers principes fondée sur le contexte de session, la mémoire et la conversation récente ; pose des questions de clarification dans une carte lorsque des informations clés manquent, puis prévisualise le résultat avant de l’appliquer au champ de saisie.

Animal de bureau interactif style fille-baleine pour DeepSeek Harness : solde/utilisation/occupation du contexte en direct, lancer de fronde, bulles d'easter egg, mode éco. Paquet de 346 Ko, zéro processus supplémentaire.

Rail de widgets côté droit pour DeepSeek Harness Web UI : statistiques de session en direct, widgets tâche/contexte/carte de chaleur/citation, quota OpenCode Go, mises en page en grille multi-colonnes (1/2/4 colonnes) avec tuiles longues 2x4, une onde de grossissement continue et dimensionnement par instance ; les widgets sont installables, réorganisables et redimensionnables depuis Paramètres > Composants.

Hooks de cycle de vie pilotés par configuration, y compris l'injection de contexte : déclarez event, handler et outcome en YAML, où le handler est un outil in-harness (MCP inclus), une commande shell ou un endpoint HTTP, et l'outcome est model-visible context, un denied tool call, ou fire-and-forget.

Compteur d’usage et de coût local-first pour l’interface web DSH : bouton composer avec coût de session et solde en direct ; panneau avec un graphique empilé quotidien/sur 7 jours par modèle, facturé selon les intervalles de prix catalogue effectifs (la page tarifaire officielle est synchronisée chaque jour), paliers d’usage mensuels avec une carte de partage canvas, alertes de pression de contexte à 30/50/85 % avec /compact en un clic, alertes de budget, et vérification de mise à jour npm dans le panneau avec mise à jour en un clic.

Plugin de mémoire wiki LLM ultra-simplifié : un document d'index (auto-chargé) + un fichier markdown par sujet (lu seulement si nécessaire) — pas de tout déverser dans le contexte et brûler des tokens. Simple et léger, installation/désinstallation indolore, et librement éditable comme vous le souhaitez.

Outils natifs pour un coffre wiki Obsidian : wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive et wiki_lint couvrent la recherche BM25 avec contexte de graphe de liens, les écritures comptables avec suivi des sources par sha256, les renommages à l'échelle du coffre, les scaffolds de modes, l'archivage des sources et les vérifications d'intégrité — avec des verrous inter-processus et un git auto-commit optionnel.

Adaptateur de chat natif Ollama Cloud : traduction NDJSON directe du format de transfert /api/chat d'Ollama, découverte des modèles avec fenêtres de contexte et capacités, et fournisseurs de recherche/récupération web sous l'id ollama-cloud, plus une carte de paramètres Web.

Recherche web compatible Grok avec pagination des sources conservée, consultation de documentation Context7 et Exa, extraction de pages bornée, cartographie de site, planification de recherche hors ligne et diagnostics en lecture seule.

TypeSafe Jev comme service Cordis de premier ordre et trois outils visibles par le modèle pour DeepSeek Harness — hors ligne par défaut, sortie réseau divulguée, jamais activé par défaut.

Contexte de réseau de connaissances métier pour DeepSeek Harness : liez une session à un réseau de connaissances OpenBKN, interrogez ses objets et ses métriques via des outils MCP gérés, et ouvrez une provenance adossée aux traces (faits d'exécution et graphe métier) pour chaque réponse. Fourni avec l'OpenBKN Runtime ; les vues de provenance exigent une licence entreprise OpenBKN.

Affiche quel index graft sert une session dsh et s'il correspond toujours au code, et expose au modèle graft_ask, graft_grep, graft_callers, graft_skeleton et graft_map comme outils natifs.

Supervise un processus local de la passerelle workbuddy2api et expose ses modèles comme fournisseur LLM, en lisant les fenêtres de contexte et les niveaux d'effort de raisonnement depuis le propre endpoint de modèles de la passerelle.

Couche d'adaptation DSH de dsh-ecolink : lecture directe du bassin de mémoire local, injection en pre-step (scoring + budget + déduplication par session), filtrage par #nom_de_mémoire, pour relier l'écosystème de mémoire côté web