Plugins

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.

Exporte le flux d’événements de session vers OpenTelemetry OTLP et Langfuse sous forme de traces et de métriques nettoyées et tamponnées, désactivé par défaut.

Préréglage d'agent ancré unifié pour DeepSeek V4 Pro/Flash sur l'API officielle et opencode-go : amorçage de première requête avec deux outils minimaux et exacts, chemins Pro/Flash sensibles au modèle, et gestion de catalogue sensible aux époques pour la stabilité des sessions longues.

Meilleure animation de texte en streaming pour DeepSeek Harness.

Plugin d'explorateur de fichiers pour DeepSeek Harness : arborescence de fichiers, aperçu, markdown, coloration syntaxique, édition dans le panneau, intégration VS Code — explorateur de fichiers global pour DeepSeek Harness.

Passerelle ShiGuang Memory Engine (SGME) : mémoire à long terme partagée multi-agents via HTTP — distillation L0/L1/L1.5/L2, injection par scénario, recherche unifiée et signaux d'attention proactifs (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installable comme `dsh-sgme`.

Couche de coordination de plugins : les plugins déclarent leurs capacités, les commandes sont routées vers le plugin propriétaire sans appel au modèle, les schémas d'outils se chargent à la demande pour réduire les tokens du prompt, l'historique d'exécution se consolide en mémoire long terme au repos, et les échecs sont classés avant toute nouvelle tentative.

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.

Couche d'intégration native DSH pour le moteur de mémoire Minta : compose la ligne officielle dsh-mcp-client, enregistre la skill minta-memory-governance ainsi qu'un préchauffage de mémoire en début de session, et fournit un preset d'agent Minta ; nécessite le moteur Minta déployé séparément (Python/Docker) pour fournir les 19 outils MCP — inutilisable sans celui-ci.

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.

Adaptateur DeepSeek Harness pour Koma Miko Agent Specs.

Skill de flux de travail de recherche AI-for-Science pour DeepSeek Harness, destiné aux chercheurs et étudiants de troisième cycle utilisant l'IA agentique : revue de littérature multi-angle avec fichiers par angle, conception d'expériences avec liste de réserves, lecture de figures et d'articles ; chaque tâche renvoie des fichiers plus un brief de vérification croisée pour un second modèle. Zéro dépendance, MIT.

Réducteur de résultats d'outils sensible au contenu : 13 réducteurs taillent les sorties excessives par signification dans tools/post-execute (les tests échoués sont conservés, le contexte de diff est supprimé, JSON et CSV sont échantillonnés, les problèmes de lint sont groupés par règle, les frames de pile de dépendances sont repliées et les répertoires encombrés sont comptabilisés), les originaux complets étant déversés sur disque derrière un localisateur.

Approbation automatique assistée par LLM avec repli sur compte à rebours pour le préréglage de permission Auto : règles statiques, niveaux de risque, disjoncteur et audit de fichiers.

Couche de correction des sorties d’outils pour DeepSeek Harness — application stricte du schéma JSON, mappage des paramètres et réparation JSON pour les appels d’outils.

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

Niveaux d'utilisation et cartes de statistiques partageables : 🐟→🐳 classements par consommation mensuelle de tokens avec percentile estimé calculé localement, tarification précise pour 46 modèles chez 6 fournisseurs (y compris tarification chinoise par niveau de taille), remplissage rétroactif des sessions pré-installation, et comparaison ancien/nouveau suite au changement de tarifs du 2026-08-17. Local uniquement, sans télémétrie.

Équipe multi-agents par rôles pour DeepSeek Harness. /team réunit jusqu'à 12 sous-agents (produit, architecte, recherche, UI, backend, frontend, BD, sécurité, relecteur, QA, DevOps, docs) et exécute un pipeline à 9 phases avec jalons (clarifier, étudier, concevoir, relire la spec, approuver le plan, implémenter, relire, tester, livrer) sur des artefacts partagés. Les jalons qualité sont imposés par le code, non par les prompts : une tâche inachevée ne peut être marquée terminée, les constats arbitrés par le relecteur ou le QA, et les lacunes de couverture ou le rework apparaissent dans l'overlay et /team status. Livre un overlay (phases, effectif, DAG, artefacts, décisions), un mode équipe persistante et la comptabilité de tokens/temps. Pas de dépendance à l'exécution ni de build.

Trois outils Zhihu pour DSH — recherche sur le site, index web global de Zhihu avec filtres de domaine et de date, et réponses Zhida — avec une carte de réglages native et des résultats avec sources citées.

Souris et clavier réels pour un agent DeepSeek Harness : décrivez en mots ce qu'il faut cliquer, un modèle de vision le trouve, un périphérique USB HID clique dessus.

Budgets d'utilisation et plafonds de coûts par plugin sur le flux en cascade llm/stream : comptabilisation de l'utilisation par modèle, budgets par session et mensuels avec transitions avertir/bloquer, fenêtres de latence et estimation de l'empreinte carbone.

Intelligence documentaire locale pour PDF, Office, images et OCR pour DeepSeek Harness.

Adaptateur LLM GitHub Copilot : connexion par flux de périphérique OAuth, découverte de modèles en direct depuis l'API Copilot, prise en charge de la vision pour les modèles compatibles image (gpt-4.1, gpt-4o), et deux protocoles de communication (Chat Completions et Responses API) avec routage automatique des endpoints par modèle.

Ajoute un panneau de réglages multi-utilisateur au client web DSH : sélection du mode d'utilisation, gestion des membres avec statut en ligne et liaison d'appareils, et bascule ou partage des bases de mémoire et de connaissances par membre.