Plugins

Skill Forge pour DeepSeek Harness : transforme une conversation ou un contexte collé en `SKILL.md` réutilisable, afin qu’une question similaire utilise ensuite le skill au lieu de redériver la réponse. Inclut quatre outils modèle et un panneau Web GUI.

Bundle DSH qui monte le serveur MCP wensu (文溯) via stdio.

Analyse de l’usage des tokens pour DeepSeek Harness : parcourt les session logs du host et indique la consommation par fournisseur/modèle, les taux de cache hit, les tendances quotidiennes et un classement des capacités de chaque modèle actuellement appelable.

Continuité entre modèles pour DeepSeek Harness : mémoire, skills et règles résident dans des fichiers locaux afin que le jugement survive aux changements de session et de modèle. Il ne s’agit pas de stocker davantage, mais de bien utiliser la mémoire après le changement.

dsh-TokenLens (词元透镜) : capacité du forfait par fournisseur et statistiques locales de tokens (aujourd’hui/7 j/30 j/tout l’historique), par harness/fournisseur/modèle/workspace.

Connecte les modèles d’abonnement Huawei Cloud CodeArts à DeepSeek Harness.

StartLux Decision : couche de jugement économique pour DeepSeek Harness ; implémente les neuf points de décision : autorisation d’outils, routage de modèles, délégation, compaction, continuation de tour, retrieval, choix de skill, titre de session et traduction COT.

Anti Blind Approval, garde d’approbation pour DeepSeek Harness : fait examiner par le modèle de session les demandes d’élévation workspace-write, puis conditionne le bouton Allow à un verdict JSON strict.

Petit jeu de perles dans la barre latérale droite de DSH Web pendant l’attente de la réponse : 12 modèles avec perles-guide, dessin libre sur grilles 12/16/24 en 16 couleurs, motif créé par le modèle à partir d’une phrase, conversion image-motif sur l’appareil (les images ne sont jamais téléversées). Transférez les créations terminées sur un mur de 60 œuvres maximum et exportez en PNG.

Panneau d’exercices d’espagnol pour DeepSeek Harness : six types d’exercices notés localement (conjugaison sur 11 temps, genre des noms, pluriels, reconnaissance du vocabulaire, phrases à trous, points de grammaire ser/estar et subjonctif), un onglet de rédaction de scénarios noté par le modèle, répétition espacée à 8 niveaux et quatre outils agent. Calcul et correction des réponses se font dans le plugin ; le modèle sert uniquement à l’enseignement et aux explications.

Garde locale qui évalue chaque appel d’outil DeepSeek Harness avec un modèle de décision Ollama avant exécution. Les appels risqués demandent une approbation et un modèle inaccessible bloque tous les appels. Nécessite DSH 0.2.x et Ollama local 0.35.1+ avec le modèle par défaut clef-flash (~6 Go) déjà téléchargé ; sinon tous les appels sont refusés.

Fait examiner les commandes shell destructrices par un modèle avant exécution, demande confirmation ou les bloque, et interrompt une commande en cours après suppression d’un trop grand nombre de fichiers.

Studio de workflow Git pour DeepSeek Harness : choix d’un modèle de branches, application de Conventional Commits, revue des PR selon la densité de défauts, réécriture sûre de l’historique, récupération de commits via reflog et versionnement des releases selon le changement réel de comportement.

Précontrôle des permissions graph-first pour DSH. Le modèle déclare un graphe de calcul dont les nœuds décrivent l’opération (quoi télécharger et où, quoi écrire ou supprimer). L’utilisateur approuve les nœuds un par un dans un panneau latéral ; une approbation couvre une exécution réussie. Chaque nœud conserve une trace d’audit de l’exécution réelle. Les opérations non couvertes redemandent l’accord via la carte native ; un nœud bloqué par une autorisation sans réponse est suspendu, tandis que les tâches indépendantes continuent.

Gère les sous-agents et coéquipiers Agent Teams de DeepSeek Harness : arrête les instances actives, puis les retire réellement en archivant les entrées catalogue/roster avec des tombstones de journal préservant les séquences et en déplaçant les dossiers de session vers une corbeille récupérable. Outils de modèle, panneau d’en-tête et CLI hors ligne.

Inclut une bibliothèque de lecture approfondie d’articles et le skill paper-deepread-html : panneau latéral pour consulter des rapports interactifs, importer des PDF dans une bibliothèque gérée, les analyser avec un agent ou un worker de lecture automatique du site (facultatif), gérer ou reconstruire la bibliothèque. Outils model : paper_deepread, paper_deepread_uploads, paper_deepread_reports. Python 3 requis pour lecture/ingestion/rapports ; le skill prépare un environnement PyMuPDF au premier usage, et la reconstruction de l’index utilise plain python3 en repli.

Ajoute une voix à l’agent : synthèse expressive (ChatTTS si disponible, sinon edge-tts), mode chant, sortie mp3 et lecture locale avec ffplay. Nécessite Python 3.10+, edge-tts installé et ffmpeg/ffplay. ChatTTS et son cache de modèles sont facultatifs. Indique vos installations dans pythonPath/ffmpegPath/ffplayPath de cordis.patch.yml.

Si le modèle sélectionné ne peut pas voir les images, les fait lire par un modèle de vision du même provider et transmet la description au modèle texte.

Lit les vidéos avec un modèle texte uniquement : avec ffmpeg, échantillonne les images toutes les 0,1 à 10 secondes dans des planches-contact portant le timecode réel de chaque image ; extrait la piste audio et l’envoie à iTingnao pour une transcription horodatée (clé ITINGNAO_API_KEY requise), puis décrit chaque planche avec un modèle du host capable de traiter les images. Fonctionne sans autre plugin de vision. Un slider du composer règle l’intervalle ; les fichiers audio seuls sont transcrits sans échantillonnage d’images.

Ajoute un outil qui capture le bureau Windows en PNG et transmet le chemin au modèle, ainsi qu’un bouton caméra dans le composer pour prévisualiser, télécharger ou copier la capture.

Masque des catalogues destinés au modèle les skills et serveurs MCP tiers activés par opt-in, puis les sert via un unique capability tool : rechercher par intention, lire le schema ou les instructions de la skill, puis appeler. Un journal local ne conserve que les métadonnées, jamais le texte des requêtes ni les arguments.

Authentification de ChatGPT Codex dans le processus, découverte des modèles et affichage des quotas pour DeepSeek Harness.

Outils Linear pour DeepSeek Harness : 26 outils destinés au modèle via l’API GraphQL de Linear (issues, comments, relations, teams, states, labels, projects, cycles, users), plus un accès libre linear_graphql. Nécessite un token API personnel Linear.

Bibliothèque locale de documents pour DSH Desktop (Windows uniquement, installée avec le script PowerShell fourni). Importez les fichiers une fois ; chaque conversation peut ensuite les rechercher et les lire via quatre outils : library_list / library_search / library_read / library_save. Importation, téléchargement et téléchargement par lot se font dans Settings. Les fichiers restent sur l’ordinateur sauf activation du modèle de vision facultatif, qui envoie les images à l’endpoint configuré.