Plugins

Compression de contexte pour petits modèles : configurez visuellement le budget compressé, avec 8k de handoff et 16k de contexte récent par défaut. L’historique complet reste consultable.

Repli de secours pour compaction-basic : si le résumé LLM échoue, est vide ou ne tient pas dans la fenêtre, le span est compilé de façon déterministe avec un pointeur seq sur chaque ligne (compilateur dsh-compaction-instant intégré). Ajoute outils recall/search, commandes /recall et /context, déclencheur inactif à 45 % de la fenêtre et archive span sur disque. Le moteur s’insère comme une ligne du preset agent (docs/dsh-integration.md).

Condense le travail de session en observations et réflexions d'arrière-plan pour conserver le contexte après compactage.

Mémoire projet DSH : crée automatiquement PROJECT.md, DECISIONS.md et SESSIONS.md au premier pas de chaque session du workspace ; relit depuis le disque et ne réinjecte qu’après modification ou perte par compaction. memory_checkpoint classe les données ; rappel limité si travail non consigné. memory_read lit journal et archive ; memory_search les interroge via BM25 sans dépendance. 200 entrées max : surplus dans SESSIONS-archive.md, jamais injecté, mais consultable, recherchable et restaurable entrée par entrée. Réglages : filtre workspace/chemin, onglets lecture seule, rechargement, JSON import/export par workspace, effacement en deux étapes, modifier/supprimer le bloc AGENTS.md, rappel PROJECT.md obsolète. Sync ; création au clic. Sans dépendances, vecteurs, embeddings ni appels modèle.

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Boîte à outils de développement de plugins pour DeepSeek Harness avec scaffolding, vérifications de contrat, audit de plugins, analyse d'impact et suivi de compatibilité amont.

Espace de travail en écran partagé pour l’interface Web de DeepSeek Harness : plusieurs agents dans des panneaux au comportement de la conversation standard. Inclut séparation par glisser-déposer, sessions actives avec messages en attente et cartes ask_user/approbation, onglets Chat/Trajectory/plugin, saisie TUI compacte via Alt+T et raccourcis de panneau. Requiert DSH 0.1.5+.

Mémoire long terme de projet et globale pour l'interface web dsh : points de terminaison POST /items séparés, contexte des appels d'outils fusionné dans les éléments de mémoire sous forme de résumés compacts, avec déduplication et persistance limitée à la session.

Mémoire des décisions et objectifs avec lignage : des commandes explicites et un outil de modèle enregistrent les décisions de façon déterministe, une carte d'état les réancre à travers la compaction, un flux d'événements sans perte avec recherche BM25+jieba l'étaye, et une suite de régression de fidélité au niveau des scénarios contrôle les releases.

Panneau de gestion de l'attention des jetons pour DeepSeek Harness : suivi de l'usage et du coût des jetons par tâche/jour/semaine/mois (entrée cache touché/manqué, sortie, raisonnement), tarification heures pleines/creuses DeepSeek, reconnaissance du type de tâche et conseils sur le moment de changer de session, rédiger une passation ou comprimer le contexte.

Adaptation mobile pour l'interface utilisateur Web DSH : typographie compacte, compositeur pleine largeur avec correction du curseur, barre latérale de tiroir avec superposition-fermeture, flux de paramètres sur deux pages, tableaux et statistiques réactifs, cibles tactiles sécurisées.

Boîte à outils de vision pour DeepSeek texte seul : outil `vision` appelable par le modèle, adaptateurs wrappers pour deepseek/opencode-go (v4 flash/pro), quota Antigravity IDE (default, flash/pro) / tout VLM compatible OpenAI / Gemini / canaux Ollama locaux, mémoire de preuves avec réhydratation par compactage, cache de hachage de contenu et panneau client bilingue.

Backend de compression du contexte DSH avec DAG de parties de go : nœud = position, arête = coup tenté et résultat. Inclut un fold incrémental (chaque segment résumé une fois), une mémoire des échecs conservée après compaction et la détection de transpositions façon moteur d’échecs.

Deux mascottes de bureau chibi Genshin Impact (Columbina et Nahida), chacune avec 22 animations transparentes, déplacement sur le bureau, physique de glisser/lancer, réactions au clic, bavardage inactif et chat via les modèles DSH. Fan pack dérivé de PC2005-cloud/dsh-pet (MIT) : réutilise /dsh-pet-7340 et ~/.dsh/dsh-pet ; installez-le à la place de dsh-pet. L’art des personnages n’est pas sous licence MIT.

Mémoire des longues conversations DeepSeek Harness (DSH) : conserve décisions établies, corrections utilisateur et chiffres exacts avec leurs conditions et sources, même après compaction ou redémarrage, pour des sessions de 100 à plus de 1 000 tours. Chaque étape du modèle reçoit un seul petit bloc de preuves à budget limité ; les règles de skills activées y sont réappliquées.

Mascotte Columbina pour DeepSeek Harness : pet 2D sur le bureau et dans le panneau Web, quatre sprite sets, 76 voix officielles en chinois/japonais/anglais, météo, stickers et murmures inactifs. Menu clic droit pour intervalle, set, langue et échelle ; heures calmes, volume/muet en un clic, sélection recherchable des actions idle et économie d’énergie. Fork 2D de PC2005-cloud/dsh-pet (MIT) sans changement de skin 3D ; son plugin id distinct permet l’installation côte à côte.

Remplace le compacteur de contexte par résumé par une note handoff rédigée par le modèle et une nouvelle fenêtre qui ne garde que le system prompt, la note et le tour actuel.

Commande du compositeur pour le seuil de compactage automatique du contexte. Un curseur de 20 à 80 % réécrit à chaque étape la configuration active de BasicCompactionEngine, affiche l’utilisation, la fenêtre de contexte et le seuil effectif, et compacte immédiatement si le seuil passe sous l’utilisation alors que l’agent est inactif.

Ajoute les skills handoff, context-decision et context-diagnose, ainsi que les outils autonomes context_pressure/context_history (pic de tokens, statistiques de compaction). Inclut realWindows par route avec preuve windowSource, routeKey, ligne de transfert forcé handoffAt et commandes slash.

Compression du contexte évaluée par Jev pour DeepSeek Harness : conserver les messages importants et compresser les autres.

Lit un snapshot d’un compte Genshin Impact (personnages, talents, armes, artéfacts et historique des vœux) et l’expose via six agent tools et un panneau à six onglets. Les sous-stats d’artéfacts viennent de la vitrine publique du personnage en jeu. L’évaluation propose CV et pondérations par personnage sur six niveaux ; l’analyse des vœux couvre pity, niveaux de chance et progression par bannière. Connexion QR Miyoushe requise pour lire personnages, armes et historique ; les données de vitrine sont publiques par UID.

Avertit la session d’enregistrer l’essentiel avant le début de la compaction du contexte et regroupe un registre à long terme dans une archive figée, avec le titre et jusqu’à trois lignes par section déplacée. Le regroupement reste désactivé tant que home n’est pas défini.

Interface compacte avec messages sans bordure, file légère, commandes du compositeur et coins réglables. DSH 0.2.1-rc.2 uniquement ; remplace le module de barre latérale d’origine tant qu’activée et le restaure à sa suppression.

Hooks de commande définis par fichier aux étapes session, prompt, tool, permission, Stop et PostCompact, avec une GUI réservée à l’approbation : aucune commande non approuvée ne s’exécute. L’approbation lie la définition exacte, le répertoire de travail canonique et les watchFiles épinglés. Les commandes s’exécutent sous l’utilisateur système de DSH, sans sandbox de hooks ; le registre de confiance est explicite.