Plugins

Intégration Feishu (Lark) pour DeepSeek Harness : 25 outils pour les messages de chat et l'historique, les documents cloud (y compris les pages de base de connaissances, les graphiques et images générés), les enregistrements bitable, les plages de feuilles de calcul et les permissions Drive, en utilisant votre propre application Feishu d'entreprise auto-construite.

Plugin local de base de connaissances personnelle SAG pour DeepSeek Harness

Agent au niveau du projet auto-évolutif pour DeepSeek Harness : 16 compétences de workflow SDD (clarification, PRD, ticket, codage, localisation, acceptation, revue) ainsi qu'une mémoire et des connaissances de projet qui s'accumulent avec le temps.

Apporte à DSH la base de connaissances de code de langchain-ai/openwiki : création/lecture/mise à jour en un clic du Wiki, cartes Grounded Claims avec sources traçables et base de projet issue de fichiers locaux importés. Réutilise le modèle déjà configuré dans DSH, sans seconde clé API.

Gestionnaire de base de connaissances locale pour agents DSH : importation multi-format, segmentation tenant compte du CJK, recherche hybride vectorielle sqlite-vec + BM25 avec rerank bge-reranker-base, instantanés, export/import kbpack et recherche inter-KB — 22 outils d'agent et un panneau Web.

Automatisation du bureau Windows pour DeepSeek Harness : boucle observe/act privilégiant l'accessibilité avec 30 outils standard (cibles élément/coordonnée, routage de stratégie auto/a11y/event), sémantique de sécurité d'observations remplacées et sans relecture, commutateur d'arrêt persistant, protection contre l'obsolescence RuntimeId/rect-drift, cartes de discussion et panneau flottant (opérations en direct, mur de cadres, paramètres d'auto-détection de l'environnement), description de vision en mosaïque pour les modèles basse résolution, piste d'audit JSONL et liste d'autorisation de pid. Nécessite Windows 10+ et Python 3.9+ avec uiautomation et pillow (installables depuis la page des paramètres).

Serveur MCP qui recherche dans le Roblox DevForum et la documentation officielle pour créateurs, afin que les agents de codage IA puissent déboguer des jeux Roblox à partir de connaissances réelles de la communauté et du moteur.

Base de connaissances intégrée pour DSH, de style Obsidian : les agents distillent conversations, documents et sources web en graphe .wiki structuré, avec recherche, export du graphe, édition de notes, builds incrémentaux et gestion de plusieurs vaults.

Gestion des sessions archivées, notifications d’arrêt de tâche, vérificateur de mises à jour, routage de modèle (règles par mot-clé + model_route protégé par allowlist (liste blanche)), déclencheurs planifiés multi-tâches (heartbeats et tâches à heure fixe), et navigation de défilement des messages de type DeepSeek pour l’interface Web dsh.

Contrôle de l’ordinateur sous Windows pour DSH : capture d’écran, analyse par modèle de vision et simulation de la souris/clavier avec base de connaissances évolutive. Offre des outils de plugin en mode double et un repli pwsh limité à la skill.

Plugin DeepSeek Harness (dsh) intégrant la boucle d'agent fin-trace — raisonnement relationnel multi-sauts sur un graphe de connaissances financières, exposé comme outils asynchrones (start/status/cancel).

Garde de sécurité statique et à l'exécution pour dsh : analyses par règles du code malveillant, de l'injection de prompt et du gaspillage de tokens, interception à l'exécution des appels d'outils dangereux, commande /scan, outil plugin_scan, panneau web et liste d'autorisation.

Donne à un agent sa propre boîte e-mail via AgentMail — onze outils pour envoyer, lire et étiqueter le courrier, plus le courrier entrant livré dans une session de harness par fil de discussion, avec une porte d'approbation et une liste d'autorisation des destinataires sur tout envoi sortant.

Interactive physics lab in the DSH sidebar — 24 parameter-driven animations (mechanics, electromagnetism, optics, thermodynamics) grouped by grade, each with a knowledge-point lesson whose steps follow the animation, a quiz with answer checking, and a draggable 3D view for four field models. Pure client side: analytic solutions computed locally, no LLM calls, no network, no telemetry.

Turn rough ideas into precise prompts for 19 image/video generation, writing, code and text models, with multi-model enhancement, prompt scoring, image-to-prompt and a periodic self-updating knowledge base.

Local task checkpoints and bounded recovery for DSH, with optional L0–L3 hierarchical memory, dependency-aware retrieval, prerequisite-aware context, and six opt-in memory tools.

Compiles a repository into a source-grounded code map: structured pages where every claim carries a verifiable path:line citation, an interactive dependency graph, knowledge cards, four model tools and the /codemap command. Deterministic, no model calls, zero dependencies.

Publishes and reads QQ Zone posts through SnowLuma's OneBot qzone_* actions (SnowLuma 2.2+ signed in to QQ), and lets the agent understand images with a local vision model (OpenAI-compatible gateway) or Windows OCR.

Passerelle en lecture seule sur vault Markdown local, quatre outils. `wiki_recall` renvoie la section complète, les citations par page, l’état du vault et une trame de réponse. `wiki_context` fournit extraits, verdict d’appui et lacunes explicites ; `wiki_verify` contrôle un brouillon et signale les affirmations non étayées, chiffres compris ; `wiki_observe` compte les corrections. Réglages et panneau latéral utilisent la même requête que le modèle, donc la recherche manuelle correspond à son contexte. Les trois outils (`wiki_context`, `wiki_verify`, `wiki_observe`) nécessitent un pont local Python 3 : `bridge.python` et `bridge.toolsRoot` avec `wiki_bridge.py`, sinon `E_PYTHON_UNAVAILABLE`.

Lingshu (灵枢) est un système de mémoire persistante, persona et évolution inspiré du cerveau pour agents de programmation IA. Bibliothèque standard Python uniquement, sans dépendance, local-first ; Python 3.9+ requis. Mémoire hippocampe/cortex à couches, courbes d’oubli, consolidation des rêves, rappel associatif flou, système émotionnel, protection contre la dérive de persona, base de connaissances, skills rédigés par l’agent et panneau web local. Fourni comme skill intégré à DSH. Le plugin cordis d’injection au démarrage, installable séparément, n’injecte automatiquement les sessions que si (Lingshu est sous ~/.dsh/skills/lingshu ou brainPy est configuré) et si Python 3 est disponible. La vérification facultative des mises à jour contacte GitHub/Gitee.

Portage DSH de TokenEconomizer : connaissances de projet partagées entre sessions, élagage d’outils facultatif, redirection des boucles d’échec et historique d’usage des tokens.

Plugin de mémoire hiérarchisée et base de connaissances à recherche hybride pour DeepSeek Harness : mémorise les personnes et retrouve des informations fiables, avec attribution des sources, solution de repli selon la confiance et gestion des profils.

Preset d’agent study-mode : base de connaissances par thème et réponses privilégiant la recherche ; cite les sources trouvées et signale comme non vérifié si rien n’est trouvé. Panneau de connaissances dans la barre latérale.

Fork de PC2005-cloud/dsh-pet avec familiers fille-baleine sur le thème Claude, 122 animations transparentes, séquences d’activité aléatoires, transitions vers le travail sur ordinateur portable et salut de confirmation des tâches. Remplace le plugin d’origine : ne pas installer les deux.