Plugins

Outils Computer Use Windows natifs pour DeepSeek Harness.

Animal de bureau animé baleine bleue DeepSeek flottant sur la page Web DSH : déplaçable avec des bulles et des poses d'humeur, un outil pet_say pour que le modèle le fasse parler, et des états de réflexion et de célébration de début/fin.

Une mascotte déplaçable vous invite à jouer au Xiangqi (échecs chinois) pendant que l'IA réfléchit, avec moteur intégré, export du record de coups et commentaire multi-modèles optionnel.

Mini-jeu d'attente grille de Schulte dynamique : cliquez 1..N dans l'ordre sur une grille statique ou une roulette tournante pendant que le modèle réfléchit.

Jeu d'idle AI-lab façon terminal où vous thésaurisez du compute, entraînez et améliorez des modèles, publiez des articles et prestigezz des réseaux de neurones jusqu'à l'ASI.

Caviardage automatique des secrets dans les résultats d'outils : masque les clés d'API, jetons, JWT, clés privées et secrets configurés avant que le modèle ne les voie.

Profileur d'exécution axé sur les métadonnées pour les agents DSH : traces de tours/étapes, chronologies en temps réel des modèles et outils, usage par fournisseur, tentatives, erreurs et sessions en direct ou historiques.

Clinique de santé en lecture seule pour l'ensemble des plugins DSH installés : santé du loader, intégrité des dépendances, compatibilité des versions, risque des scripts d'installation, doublons et intégrité des patches, livrée comme outil de modèle, tableau de bord de réglages et rapports JSON.

Diagnostic automatique de types : après que le modèle a modifié ou créé des fichiers TS, exécute `tsc --noEmit` en arrière-plan (avec debounce par projet) et signale les erreurs via l'outil `code_check` — regroupées par fichier avec ligne/colonne, sévérité et codes d'erreur TS, refermant la boucle « modifier → vérifier → corriger ».

Bundle DSH portant les 25 skills d'agent d'ingénierie et de productivité promues de Matt Pocock (questionnement, TDD, revue de code, modélisation de domaine, etc.).

Outil `describe_image` : un pont de vision qui envoie les images à mimo-v2.5 via l'API opencode Zen (identifiant `OPENCODE_GO_API_KEY`, route gratuite d'abord avec repli payant) et renvoie des descriptions texte aux modèles texte seul, avec passe-plat natif et transcodage ImageMagick des formats SVG/TIFF/HEIC.

Outil image_describe (识图) côté modèle sur l'API compatible OpenAI de DashScope (qwen3.7-flash), plus un pont de collage : sur les sessions texte uniquement, les images collées se convertissent automatiquement en chemins de fichiers à l'envoi et se réaffichent dans la transcription, sans jamais déclencher l'admission d'images. Apportez votre propre DASHSCOPE_API_KEY ; endpoint/modèle/budgets configurables, client HTTP anti-redirection, fonctionne dans tous les agent presets.

Pont de vision à découverte automatique pour les agents DeepSeek Harness texte seul : trouve automatiquement un modèle capable de traiter les images parmi vos fournisseurs configurés et renvoie les descriptions en texte brut via un outil de vision.

Adaptateur DeepSeek augmenté par la vision : un modèle capable de vision décrit l'image en entrée, puis un modèle DeepSeek texte seul raisonne sur cette description.

Vision à la demande pour les modèles DeepSeek texte seul : envoyez des images et le modèle appelle un outil view_image adossé à n'importe quel endpoint de vision compatible OpenAI (Qwen/DashScope par défaut).

Vision en plugin pour les modèles texte seul sur DSH, avec interaction native pour la compréhension et la génération d'images, l'automatisation d'interface, une mémoire de preuves en couches et un cache.

Encodeur de synesthésie pour DSH : un modèle de vision traduit les images en un texte spatial structuré et compact (canevas/éléments/coordonnées en pourcentage), offrant aux LLM texte seul une compréhension d'image au niveau du pixel via l'outil `mm_vision`.

Route les images du chat vers un modèle de vision fixe compatible OpenAI, renvoie des observations factuelles au modèle principal sélectionné et réutilise les observations par session à travers les rejeux, la compaction et les redémarrages.

Intégration du suivi de tickets Jira Cloud exposant huit outils de modèle pour la recherche de tickets, la recherche de projets et de transitions, la création, les mises à jour, les commentaires et les transitions ; les écritures sont facultatives et prennent en charge le mode simulation.

Portage allégé 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.

Découvre automatiquement les listes de modèles, les prix et les capacités auprès des hôtes d'API compatibles OpenAI, les normalise et émet des configurations de modèles prêtes à l'emploi pour dsh.

Outils de gouvernance par jalons : gate_open / gate_check / gate_list / gate_close appelables par le modèle pour des contrôles d'acceptation en mémoire, par session, avec conclusions PASS/BLOCK.

Complète automatiquement la recherche sémantique QMD quand le model fait grep/glob dans un répertoire de base de connaissances. Plugin DSH sans dépendance, injection asynchrone via next-step, sans invocation manuelle.

Apportez votre historique Claude / ChatGPT existant dans DSH : import instantané sans tokens du memories.json d'une exportation Claude, transcriptions locales Claude Code sans export nécessaire, et conversations distillées via le modèle déjà configuré dans DSH. Chaque mémoire porte des preuves verbatim vérifiées contre la source par du code — une paraphrase est écartée et comptée, et une preuve trouvée uniquement dans les tours de l'assistant est toujours orientée vers la revue plutôt que stockée.