Plugins

Récupération sémantique, gestion des ressources, rappel automatique (espaces doubles utilisateur + agent) et mémoire de session pour DeepSeek Harness : memsearch/memfind/memread/membrowse/memgrep/memglob sur des URI viking://, gestion des ressources memadd/memremove, statut d'observateur memqueue, capture de session memcommit et génération de playbooks de compétences memlearn.

Ajoute un préréglage de permission `auto` entre workspace-write et danger-full-access : un classificateur accorde une fois les escalades de sandbox routinières, tandis que les demandes dangereuses ou incertaines sont toujours transmises à un humain.

Pont vers les appareils HarmonyOS : boucle d'automatisation hdc pour captures d'écran/installation/logs/crashs/UI avec read_image, une base de connaissances API versionnée priorisant les sources officielles (SDK .d.ts + documentation embarquée hors ligne), et une chaîne de build/signature/lint via le CLI DevEco.

Automatisation de navigateur (Playwright) avec vue en direct, un serveur MCP exposant les agents DSH à tout client MCP, et des outils de revue d'issues/PR/webhooks GitHub.

Le compactage automatique commence par une note de passation : à l’approche du seuil de tokens, demande au modèle d’enregistrer un checkpoint du projet dans le workspace puis, en option, démarre une nouvelle session avec une consigne de continuation et met l’ancienne de côté. La note doit être écrite pendant le cycle de compactage en cours et sa section conclusions doit réellement changer, afin qu’un fichier obsolète ou simplement retouché ne passe pas.

Compagnon IA persistant pour DSH : explore Bilibili, interagit avec les contrôles de permissions et évolue grâce à des souvenirs de vie étayés, des centres d’intérêt changeants, des émotions simulées, des relations sociales et des tâches autonomes.

Intégration mcp-unity instantanée pour DeepSeek Harness : serveur MCP intégré sans configuration manuelle permettant à l'agent de piloter l'éditeur Unity via 34 outils - scènes, game objects, transforms, matériaux, prefabs, éléments de menu, play mode, tests et logs de console - avec reconnexion automatique.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Un deuxième cerveau autonome pour DeepSeek Harness : capture automatiquement les connaissances durables du dialogue dans un coffre-fort Markdown local (dedup personnalisé, recherche CJK, compatible git), avec une base de connaissances graphique et un graphe de connaissances interactif (filtre de légende, coloration par dimension temporelle, sélection par boîte, fusion, suppression, export/import PNG).

Suite d'agents de recherche : contrôle d'objectifs à long horizon avec des chaînes de preuves auditables, planification cron, équipes d'experts multi-agents, mémoire de recherche auto-évolutive (rappel FTS5 + RRF), espaces de travail par projet, et une UI d'espace de travail personnalisée.

Panneau d'anatomie pour les organes d'Agent-Body : sert un tableau de bord de signes vitaux en direct à /anatomy au sein même du harness — organes, battement, registre de guérison, compteurs d'auto-entraînement et le flux de pouls réel — lu directement dans les fichiers d'exécution plutôt que ressaisi. Hôte uniquement, sans bundle client ni étape de build.

Moteur de contexte Zero-residence : les gros payloads d'outils sont évincés du contexte actif vers un stockage interrogeable et seuls des pointeurs déterministes subsistent, de sorte que les tokens de prompt par tour cessent de croître avec la transcription. Tout contenu masqué est reconstruit mot pour mot à la demande depuis le journal de session, par id d'appel d'outil ou seq de session.

Noyau d'organes d'Agent-Body : plugins organisés comme un seul corps. Chaque commande devient un influx nerveux qui innerve de façon déterministe l'organe compétent et nomme la capacité à utiliser ; un battement à intervalle variable diffuse directives de l'opérateur, proprioception et alertes d'homéostasie ; les réflexes se déclenchent sans appel de modèle ; les échecs suivent une attribution déterministe (outil, arguments, permission, délai, réseau), une prescription et une boucle de revérification, les erreurs d'arguments n'étant jamais réessayées. Un organe manquant est compensé par celui dont les capacités recouvrent le plus, et les schémas d'outils sont filtrés selon l'intention (réduction mesurée de 84,7 %, reproductible dans le dépôt). Paquet des plugins noyau d'agent-body.

L'organe de mémoire d'Agent-Body : après 2 minutes de silence il passe en sommeil léger et après 5 minutes en sommeil profond, où des règles déterministes distillent l'expérience réelle en cartes de mémoire (pièges, playbooks, points chauds, problèmes non résolus, faits). Les commandes entrantes rappellent les cartes liées par mot-clé et les injectent dans le contexte ; les cartes inutilisées décroissent selon une demi-vie et sont archivées plutôt que supprimées. Il débruite aussi les avertissements d'homéostasie du corps entier : les répétitions dans une fenêtre sont comptées au lieu d'être réimprimées, et un avertissement qui revient sans jamais guérir converge vers un décalage d'état stable connu et se tait. La consolidation et le rappel ne font aucun appel de modèle.

Gouvernance des plugins : les plugins nouveaux/mis à jour sont d'abord mis en attente dans une zone de candidats, puis montés à chaud après le démarrage — le succès promeut, l'échec désactive automatiquement, les échecs répétés gèlent, mode sûr en un clic, panneau de diagnostic dans la barre latérale (npm : dsh-my-guardian).

Fiabilité des tâches : nouvelle tentative automatique en cas de timeout/échec du modèle, reprise automatique des tâches inachevées, vérification d'achèvement, interruption des boucles de réflexion, reprise après veille ou redémarrage, mode pilote automatique et point de déclenchement distant (npm : `dsh-task-reliability`).

Facturation du cache par appel dans la fenêtre contextuelle du compteur de contexte : totaux de l’étape, du tour et de la session actuels avec tokens et montants de hits / misses / sortie, tarification automatique des heures de pointe et creuses à Pékin, tarifs par modèle et facturation des relais tiers également.

Crawler intelligent natif IA et plateforme de rétro-ingénierie JavaScript, basé sur DSH, Patchright/CDP et un environnement d'exécution sémantique indépendant, qui restaure la logique de génération de paramètres à partir des preuves du navigateur et fournit un solveur vérifiable.

Compression automatique du contexte pour DeepSeek Harness : compresse les sorties d'outils avant qu'elles n'atteignent le modèle et garde chaque compression avec perte réversible via des outils de récupération CCR.

Assistant de saisie DSH pour prédire le message suivant, compléter les brouillons et améliorer/réécrire les prompts. Suggestions limitées à la session ; Tab les insère dans le brouillon sans envoyer. Nécessite un modèle configuré ; les appels peuvent être facturés. Source disponible ; toute modification exige une autorisation écrite préalable.

Expose la CLI GitHub locale (`gh`) comme outils d’agent pour pull requests, issues, exécutions Actions, recherche de dépôts et appels API bruts. Ajoute les commandes slash `/gh status` et `/gh help`, ainsi que deux panneaux Web : cockpit global des dépôts et panneau d’espace de travail par session.

Boucle d'auto-raffinement continu : mémoire persistante, revue-et-raffinement périodique, connaissance partagée entre sessions, et rollback automatique via un outil harness_refine appelable par modèle.

Cerveau DeepSeek + transcription automatique d'images : attachez des images dans la GUI et chacune est transcrite par le modèle officiel deepseek-v4-flash-vision-exp par défaut (un cerveau V4-Pro en texte pur peut voir les images), avec n'importe quelle VLM compatible OpenAI ou Ollama local comme alternatives.