Plugins

Enregistre des sections system prompt pour raisonner en chinois simplifié/traditionnel, avec modes strict/prefer et politique facultative de langue de réponse. /thinking-zh bascule par session. Sans dépendance runtime.

Sync profil DSH via WebDAV. 5 parts : models (cordis.patch.yml:llm-pi-ai), defaults (agent-default-model), patch (reste loader), plugins (deps package.json/dsh.profile.bundles), dirs (chemins absolus choisis, même chemin, add-only ; max 5 dirs, chacun ≤2000 fichiers/8 Mio). Chiffrement local par passphrase AES-256-GCM/PBKDF2-SHA256 600000 ; seul ciphertext vers <address>/dsh-webdav/dsh-profile.prop. Merge 3 voies vs baseline : conflit garde le récent, archive l’autre sync/ (5/tag), scelle avant overwrite. Suppressions sauf plugins/1re sync/dirs ; retirer dir stoppe sync sans supprimer fichiers. ETag If-Match/If-None-Match refuse overwrite concurrent. Manuel/3/15/30/60 min. sync.json dans <profileDir>/.dsh-webdav-sync/ (0600) garde password WebDAV/passphrase.

Inspecte I/O, shapes, opset, opérateurs et taille ONNX ; benchmark avec ONNX Runtime local ou via SSH. Rapporte latence moyenne/P50/P95/P99, FPS et provider réel, avec gates PASS/FAIL FPS/P95/taille. Requiert Python 3.10+, numpy, onnx, onnxruntime, psutil ; distant : python3/numpy/onnxruntime.

Modélise et vérifie les affirmations de design/plan/document : rend et révise UML ; contrôle machines à états, protocoles, données et couverture/symétrie rollback des migrations ; route la concurrence vers un checker décisif, audite dépendances et compare rapports.

Ajoute une troisième ligne Context window au sélecteur de modèle du compositeur : capacités prédéfinies (64K–2M), saisie personnalisée, synchronisation pour tout le fournisseur et garde de compaction adaptative.

Plugin monitor générique pour DSH Desktop : moteur de règles avec interrogation HTTP. Interroge tout endpoint selon un calendrier (étapes multiples, extraction de variables, expressions de condition JS) ; si une condition est remplie, réveille une session agent visible pour agir — sinon aucun appel au modèle. Panneau GUI latéral pour créer, modifier, suspendre, tester, lancer maintenant et voir l’historique, avec la même UX que le scheduler intégré.

Expose une instance DeepSeek Harness active via MCP afin qu’un agent externe liste, crée et poursuive ses propres sessions, délègue un tour et récupère son résultat, réponde aux questions de l’agent DSH et définisse le traitement des futures demandes d’approbation.

Affiche le coût en contexte modèle de chaque skill et permet de la masquer du catalogue sans la supprimer. Liste toutes les skills sur disque avec la ligne exacte reçue par le modèle (description normalisée et tronquée à la limite), taille du contenu et estimation de tokens. Prévisualise octet par octet le message catalogue reçu par l’agent, le compare à la copie publiée dans la session actuelle et signale les skills absentes du catalogue (frontmatter invalide ou masquées par une racine prioritaire). Le masquage ajoute disable-model-invocation au frontmatter sans supprimer le fichier ; `/name` reste donc utilisable. Importe aussi depuis ClawHub, Skills.sh et des URL GitHub et désinstalle les skills appartenant à l’utilisateur.

Page de gestion des skills dsh : définit chaque skill sur on, manual only, model only ou off par mode d’agent ; compte les chargements par mode dans l’historique des sessions ; recherche sur skills.sh et installe depuis GitHub ; importe de Codex, Claude Code ou d’un dossier ; crée, modifie et versionne des skills, avec corbeille pour les supprimer. Les modes restent actifs après désinstallation.

OCR des PDF scannés constitués uniquement d’images vers Markdown. Comme un livre prend environ une heure, chaque page est marquée par checkpoint pour reprendre après interruption ; un journal affiche la progression et le rapport qualité signale les pages vides et lignes peu fiables. Nécessite Python 3.10+ et `pip install -r requirements` ; le premier lancement télécharge le modèle OCR.

Classe toutes les skills chargées dans des workspaces appartenant à l’utilisateur, via un onglet de la barre latérale droite. Chaque workspace possède sa liste de catégories et l’emplacement de chaque skill ; catégories créables, renommables, réordonnables et supprimables sur place, skills déplaçables par glisser ou sélection. Au premier lancement, le modèle de profil peut créer la classification initiale ou répartir les skills dans les catégories préalablement créées par l’utilisateur. Un clic copie `/skill-name` ; au survol, la description fournie avec la skill se déplie.

Filtrage des skills par tags : attribuez des tags puis transmettez à chaque workspace ou conversation uniquement le sous-ensemble choisi par une expression booléenne (ex. `pdf + docx` ou `aegis * plugin`). Les skills exclues sont masquées du catalogue modèle par deny-shadow, pas seulement dans les réglages ; celles hors expression restent ajoutables manuellement ou peuvent être forcées à l’arrêt. `tagging-skills`, fourni, apprend à l’agent à déduire des tags selon la machine utilisée.

Base DocChain : recherche par nom de fichier, contenu et metadata ; trouver par doc_id/nom et lire ; lister les thèmes ; import groupé ; conversion Markdown ; images similaires et descriptions par document dans sidecar Markdown ; recherche approfondie. Chaque script est aussi un outil DSH natif in-process : doc search/content search/filename search/topic info/metadata search/upload/image search/image describe/doc2markdown. Réglages de plusieurs environnements (adresse et identifiant par environnement), bascule en un clic et thèmes présélectionnés. URL du service docchain et API key nécessaires sauf doc2markdown. Les descriptions exigent aussi un endpoint multimodal compatible OpenAI (modèle gateway interne configurable par défaut).

Traducteur Windows x64 avec entrée dédiée dans la barre latérale et interfaces Workbench/Chat : traduction côte à côte de textes et documents, traduction d’une zone d’écran, historique récent, choix du modèle host, saisie vocale et aperçu. L’OCR des documents utilise CUDA avec fallback CPU ; celui de l’écran utilise le CPU. N’activez pas les packages CPU et CUDA en même temps.

Traducteur Windows x64 avec entrée dédiée dans la barre latérale et interfaces Workbench/Chat : traduction côte à côte de textes et documents, traduction d’une zone d’écran, historique récent, choix du modèle host, saisie vocale et aperçu. OCR CPU sans dépendance NVIDIA. Ne pas activer simultanément les packages CPU et CUDA.

Voix bidirectionnelle pour l’app web DSH : dictée via le compositeur unifié, écoute des réponses avec boutons de haut-parleur ou lecture automatique, sur tout appareil. Nécessite DSH 0.1.7+, Node 22+, Python 3 avec numpy et requests, un modèle TTS et un microphone.

Notes de réunion pour dsh : une réunion par conversation, transcrite et séparée par locuteur sur l’appareil, avec points clés, tâches, notes manuscrites, revues et scores mensuels dans le même panneau. Exporte SRT/Markdown/Word et crée un zip portable importable par un autre dsh. Les tâches confirmées sont envoyées en un clic à DingTalk/WeCom selon vos réglages robot. Modèles de reconnaissance interchangeables, modèle local plus puissant importable depuis un fichier ; reconnaissance cloud désactivée par défaut, aucune requête avant consentement. Word requiert Python et python-docx ; le premier lancement télécharge un modèle de 28 ou 77 Mo.

Recherchez des œuvres du domaine public sur Project Gutenberg, Wikisource, Internet Archive et Standard Ebooks par titre, auteur, personnage ou intrigue vaguement mémorisée, ou importez EPUB/PDF/TXT/DOCX/Markdown pour écouter dans la barre latérale. Voix neuronales Microsoft Edge, Kokoro hors ligne ou voix de l’appareil ; position conservée, notes vocales liées au passage écouté et discussion du livre avec le modèle DSH.

Reconnaissance d’image structurée : mesures locales avec sharp et modèle vision cloud renvoient en un appel description, OCR avec coordonnées, positions des objets et attributs détaillés. Un cache par empreinte rend les images répétées en quelques millisecondes sans consommer le quota modèle.

Outils multimédias Cloudflare Workers AI pour dsh : text-to-image, text-to-speech et speech-to-text. Badges de prix par modèle, carte de réglages native, réutilisation d’un compte Cloudflare existant et fichiers de sortie nommés d’après le modèle utilisé.

Permet au modèle de voir réellement une vidéo : ffmpeg local échantillonne des images horodatées et faster-whisper transcrit la piste audio, afin que l’agent lise les pixels réels image par image, sans résumé textuel. Traitement entièrement local, aucun téléversement ; signale explicitement l’absence de parole. Windows uniquement ; Python 3.10+ et ffmpeg requis. Le premier video_eyes_setup télécharge environ 700 Mo (faster-whisper et son modèle).

Fournisseur Tencent Yuanbao Search pour le point d’extension ctx.web : un appel direct à Search API par requête renvoie titre, URL, extrait et date ISO-8601 réutilisables. Les identifiants sont résolus à chaque recherche, sans tour de modèle auxiliaire. Nécessite une API key Tencent Cloud WSA.

Runtime décisionnel System One pour dsh. Outils rapides non génératifs (choice, score, screen, gate) sur gateway locale ou hébergée ; sans que le modèle ait à appeler quoi que ce soit, élagage automatique segment par segment des sorties trop longues, refus des appels identiques répétés après stagnation confirmée par System One, vérification des déclarations d’achèvement par preuves d’outils et correction des nouveaux essais en échec. npm : dsh-harness-reflex (plugin), harness-reflex (core et serveur MCP stdio).

Gate par workspace qui masque au modèle les schémas d’outils et sections de prompt système de plugins choisis dans les répertoires où ils sont inutiles.