Plugins

Ajoute des artefacts de spécification, des skills, des commandes, une implémentation adossée à des objectifs, et un contexte de progression des tâches.

Plan de travail aligné sur grille et déplaçable composé de 28 mini-cartes dans les marges de la conversation (solde API, utilisation des jetons, coût, pression du contexte, tâches, objectif, carte thermique d'utilisation, dépôt GitHub, relais d'images), avec des niveaux de taille S/M/L/XL.

Optimiseur de prompt structuré par agent pour DeepSeek Harness : réécrit les brouillons du composeur en role/task/context/constraint/format avec les modes normal, slim et expand, une modale de confirmation avec score, continue-optimize, et des moteurs local, hybride, DSH ou API cloud.

Chat latéral natif côte à côte avec la conversation principale : une session DSH indépendante et archivée avec l'interface native complète, la récupération du contexte parent à la demande, la citation de sélections et un cycle de vie conserver-ou-supprimer.

Changement de modèle et contrôle de l'effort de raisonnement pour DeepSeek Harness : les outils d'agent set_model et list_models permettent à l'agent de changer seul de fournisseur, de modèle ou de profondeur de réflexion en cours de tâche, avec motif obligatoire, liste blanche de fournisseurs et garde-fou sur la pression de tokens de la fenêtre de contexte ; le modèle actif est injecté dans le contexte d'exécution, et la transition automatique du Plan Mode bascule vers un modèle de planification configuré à l'entrée en mode plan puis restaure le modèle d'exécution précédent à la sortie.

Ensemble de renouvellement de la fenêtre de contexte piloté par le modèle pour DeepSeek Harness : contexte de travail neuf, notes durables gérées par le modèle, une petite queue récente mot pour mot et une récupération ciblée de l'historique — sans résumé.

Ajoute /btw pour des questions latérales ponctuelles et contextuelles sans exécution d'outils, avec des bulles de réponse indépendantes qui peuvent être copiées, réduites ou fermées sans ajouter les réponses à la conversation principale.

Approbation et revue automatiques des appels d'outils nécessitant une approbation : des groupes de mots-clés font correspondre les lignes rouges sans contexte, puis un modèle juge classe ce qui a été demandé et l'envoie vers autoriser, rejeter ou un humain selon la ligne correspondante et le niveau de risque ; un jugement qui n'a jamais été exécuté va toujours à un humain, et les rejets expliquent au modèle pourquoi.

Ajoute un éditeur de niveau de raisonnement avec préréglages des protocoles OpenAI et Anthropic (llm-pi-ai), des bascules de modalité d'entrée et un préréglage de contexte 1M/128K et de sortie maximale aux lignes de modèles dans les Paramètres.

Remplit automatiquement les champs d'effort de raisonnement, de fenêtre de contexte, de limites de sortie et de modalité d'image pour les modèles de fournisseurs non officiels (personnalisés), avec les données de models.dev, et apporte des améliorations d'expérience comme le renforcement de la compatibilité et la mémorisation de l'effort de raisonnement.

Reprise automatique des sessions d'agent interrompues : une table de règles ordonnée route selon le type d'échec (limite de débit, quota, authentification, dépassement de contexte, orphelin planté) vers une nouvelle tentative avec repli automatique, un changement de modèle, une reprise après compaction du contexte ou une notification d'arrêt de perte, avec un éditeur de règles visuel et un journal d'activité complet.

Optimiseur de prompt dans la barre de saisie : réécrit les brouillons avec 6 stratégies × 3 langues plus des instructions personnalisées, avec objectif/todo/résumé de compactation/résultat d'outil et contexte de chat optionnels, une boîte de dialogue de confirmation, un historique des 5 derniers et une persistance des réglages à trois niveaux.

Correctif de compaction pour les passerelles qwen3.8-27b hébergées par NInfer : désactive la réflexion sur les appels de compaction de contexte et de titre de session de dsh, afin que le raisonnement xhigh cesse de consommer tout le budget de sortie ; la même idée s'applique à d'autres méthodes de lancement, mais ce paquet ne cible que NInfer.

Compression de dialogue en place par courbe d'oubli pour DeepSeek Harness : les tours récents restent textuels, les tours moyens sont structurellement déshydratés (sans LLM), les tours anciens se replient dans une paire de résumés bornée — conversations illimitées sur un budget mémoire borné.

Recherche en texte intégral au niveau des messages dans les sessions DSH via un index trigramme FTS5 (user / assistant / steering / tool avec filtres par type), résultats dédupliqués entre sessions dérivées ou poursuivies, aperçu de contexte en lecture seule avec défilement automatique jusqu'au message ciblé, saut à la session réelle en un clic, et reconstruction incrémentale ou complète de l'index avec contrôle de santé ; l'i18n zh/en suit le service de locale du Host.

Menu contextuel d’espace de travail/chat pour la page d’accueil de DSH : épingler, renommer, ouvrir dans l’explorateur de fichiers, archiver, forker, copier et ouvrir dans une nouvelle fenêtre.

Transfert de session et gestion du contexte : documents de transfert structurés (export/resume/status) pour permettre à une nouvelle session de continuer sans interruption, ainsi qu’élagage actif du contexte (outils acp_* via l’API officielle de compaction avec résumés rédigés par le modèle).

Recherche web compatible Grok avec pagination des sources conservée, recherche de documentation Context7 et Exa, extraction de pages délimitée, cartographie de sites, planification de recherche hors ligne et diagnostics en lecture seule.

Mignon animal de compagnie d'utilisation de jetons dans l'en-tête de session : occupation du contexte en direct, utilisation et répartition par session, ainsi que date/jour de la semaine, météo, prévisions sur 3 jours et alertes météo sévères, le tout conscient du thème.

agentmemory pour DeepSeek Harness (dsh) : ensemble complet d'outils memory_*, hooks de capture et injection de contexte via le serveur REST local

Compagnon d'apprentissage par fils de citations durable pour les conversations DeepSeek Harness

Ajoute des contrats d'exécution persistants, des graphes de travail récursifs, des clarifications critiques et des portes de vérification par preuves pour les tâches Harness longues ou insuffisamment spécifiées.

Donnez aux agents l'accès aux fichiers sur la machine où le navigateur s'exécute : l'utilisateur autorise un répertoire local via File System Access, les appels d'outils sont relayés via le WebSocket propre du plugin ; mode de compatibilité en lecture seule pour les contextes mobiles/non sécurisés.

Pont client MCP sans dépendance qui connecte les serveurs MCP stdio et HTTP et enregistre leurs outils en tant que mcp_<server>_<tool> pour l'agent.