Plugins

Archivage de résultats d’outils piloté par le modèle. Au-delà d’une taille réglable, les résultats reçoivent un identifiant court (#a1b2c3d4) ; le modèle archive ceux devenus inutiles dans archives/ de la session et le contexte garde un stub récupérable avec chemin. Les originaux restent dans le journal append-only. Settings fournit statistiques de récupération par taille, seuils actifs sans redémarrage et rappel conditionnel. Le panneau statistique nécessite dsh-better-sidebar.

Outils Genspark pour DeepSeek Harness via @genspark/cli : recherche/crawl Web, génération image/vidéo/audio, analyse média, recherche X/Instagram/Reddit et liste des modèles. 17 outils typés, 18 commandes /genspark-*. Installer et connecter @genspark/cli (gsk login), ou définir GSK_API_KEY.

Recherche sémantique du workspace : trois outils (zg_search, zg_index, zg_status) pilotent la CLI zg pour une recherche hybride BM25 + vecteurs + RRF. Une garde search-first exige une recherche réussie préalable dans un workspace indexé avant grep/rg.

Le bouton étoile du Composer demande au modèle actuel de reformuler le brouillon plus clairement ; retour à l’original en un clic et modèle modifiable.

Boîte à outils de recherche IA pour DSH : radar de versions, benchmark et rapport communautaire par modèle à partir de 13 classements structurés et discussions chinoises/anglaises, plus radar de nouvelles sur 46 flux et 22 comptes X officiels. Inscrit quatre outils et trois skills ; rapports Markdown avec table des matières.

Ajoute des répertoires de travail au workspace via le bouton ou /add-dir, /remove-dir et /dirs, chacun en lecture-écriture ou lecture seule. Le modèle les voit dans son contexte runtime ; write/edit dans un dossier lecture-écriture évite par défaut la confirmation d’escalade sandbox, mais les commandes shell la demandent toujours.

Traduit les prompts utilisateur avant envoi, puis le raisonnement et les réponses du modèle vers la langue de l’utilisateur via des API de traduction ou des modèles DSH configurés. Options indépendantes par contenu et menu Composer.

Un interrupteur retire ou réinsère à chaud, sans redémarrage, les schémas d’outils et le bloc d’instructions d’un serveur MCP du contexte de tous les agents. Conçu pour les 207 schémas inscrits par REA même hors rétro-ingénierie. Pastille du dock, /rea on|off|status|toggle et GET/POST /rea-toggle/state ; état mémorisé au redémarrage, subagents inclus avant leur premier pas.

Transforme des livres audio MP3 anglais et documents en leçons d’écoute. Transcrit localement chaque phrase avec le modèle déjà téléchargé par la saisie vocale DSH (~241 Mo ; téléchargé au premier usage s’il manque ; ffmpeg requis), puis le modèle DSH corrige et explique. Exercices d’écoute à l’aveugle/intensive et répétition espacée ; export de doublage chinois. Voix Kokoro hors ligne, panneau latéral, quatre outils IA.

Gate de release qualité des réponses IA. Deux voies : rejouer une archive VeriScope via le gate Python d’origine, ou appliquer avec Node seul un seuil à un export Ragas par ligne, sans VeriScope, Python ni pandas. Renvoie PASS/FAIL/REVIEW avec preuves et reçu revérifiable ; seuils par ligne et comparaison décimale exacte. Aucune réévaluation ni appel modèle ; REVIEW ne devient jamais PASS.

Rappel BM25 local, garde d’écriture fail-closed, doctor statique et panneau pour un magasin Markdown Engramory. Aucun réseau, daemon ou appel modèle sans opt-in ; qualité mesurée par un benchmark reproductible du dépôt.

Mémoire locale pour DeepSeek Harness : classe les écrits par sujet et relie les entrées associées ; le rappel classe par similarité d’embeddings, avec correspondance de mots si aucun modèle n’est installé. Données dans SQLite local.

Compression de contexte par notes : remplace le compactage résumé par LLM par un carnet persistant rédigé par le modèle et un historique brut récupérable ; zéro appel modèle à la frontière de bascule.

Relie DeepSeek Harness au service mémoire Hindsight selon les conventions omp : banque partagée, balises de projet automatiques, rappel projet et global, outils pour modèles mentaux, doublons et relance des opérations de fond échouées. Serveur Hindsight requis (http://127.0.0.1:8888 par défaut).

Mémoire locale à long terme pour DSH : parcourir, rechercher (BM25 + synonymes) et modifier les entrées dans un panneau ; dossiers, archives et corbeille. Choix des éléments injectés par session. Les mémoires rédigées par le modèle nécessitent votre approbation. Import/export et synchronisation facultative entre appareils via votre Git ou WebDAV.

Exécute dans DeepSeek Harness via MCP le toolkit upstream Headroom (headroom-ai, Apache-2.0). Expose headroom_compress, headroom_retrieve et headroom_stats sous mcp__headroom__*, servis par le serveur upstream installé à la demande avec uvx. Compression avec perte mais réversible : originaux récupérés par hash depuis un magasin CCR local. Inclut aussi le registre MCP de Headroom et un sanitizer d’en-têtes modèle pour le proxy upstream.

Transforme les refus de garde, échecs de gate et votes négatifs humains en leçons de projet ; seules les règles activées par une personne sont injectées aux nouvelles sessions du projet. Aucun outil modèle ; revue via la carte Settings.

État de session SQLite persistant, mémoire/rappel narratifs, dépôts et outils d’enregistrement destinés au modèle pour plugins de roleplay DSH.

Base locale d’abord pour DeepSeek Harness : importe Word/PPT/Excel/PDF (texte ou scan), EPUB, MOBI/AZW3 ; produit du Markdown ancré, qualité/confiance OCR et ordre PDF par colonnes. Wiki gérée par LLM (règles schema.md, index.md automatique, log.md en ajout seul, notes typées avec sources/backlinks), confiance high/medium/low pour le classement et alertes low ; recherche classée/inter-KB, lecture/édition précise, export md/jsonl/zip. MOBI/AZW3 nécessite Calibre ; anciens .doc/.ppt, Word/PowerPoint sous Windows ou LibreOffice sous Linux. Les modèles OCR se téléchargent au premier usage des PDF scannés.

Compactage par blocs : agit seulement si le contexte dépasse 85 % de la fenêtre modèle ou si la requête excède 4 Mo. Résume l’historique par blocs de 1,5 Mo puis les fusionne ; les petites sessions gardent le mécanisme intégré.

Goal Map affiche en lecture seule le parcours objectif-plan, la carte mentale et les étapes selon l’avancement rapporté ; aucune tâche ni aucun appel modèle ne démarre. Beta.2 prend en charge DSH Web 0.2.0-rc.2 ou 0.2.1-rc.2 et Node.js >=24.

Récupération légère après crash pour dsh. Au redémarrage, détecte les sessions dont le dernier tour a été interrompu et réinjecte un prompt exigeant la vérification de l’état réel avant action, pour éviter de répéter aveuglément des opérations à effets secondaires. Réagit uniquement au marqueur authentique (turn/end reason interrupted, synthétisé par session repair à la lecture à froid), pas aux annulations, limites de débit ou erreurs modèle ; aucun classement d’erreurs, backoff ni UI requis. Détecte aussi le subagent interrompu alors que le parent en attente s’est terminé normalement et réveille ce parent. Un fichier hôte, zéro dépendance externe, sept constantes.

Jauge en direct de pression du contexte dans le dock du compositeur. À l’approche de la limite, demande au modèle actuel un brief de handoff, le démarre dans une nouvelle session et bascule vers celle-ci pour poursuivre les longs travaux sans atteindre la limite.

Ajoute un onglet Insight à côté des onglets conversation et trajectory dans DSH : appelle un modèle pour interpréter les appels d’outils tour par tour et accepte un prompt personnalisé.