Plugins

Transforme le menu d’effort de raisonnement en curseur et remplace le sélecteur standard modèle/niveau. Suit le pointeur ; au relâchement, se cale au niveau le plus proche et envoie une mise à jour de session par glissement. La piste affiche remplissage, graduations et bouton blanc ; seuls xhigh, max et ultra ont le dégradé animé de marque. Les extrémités affichent les noms des niveaux minimal/maximal ; la même carte ouvre la liste officielle des modèles. Flèches : 1 niveau ; PageUp/PageDown : 2 ; Home/End : extrémités. Chaque déplacement est envoyé. Le compteur de génération de l’objet répertoire ignore les réponses tardives ; la réduction des animations les désactive. Données de modelDirectories standard ; aucune capacité ajoutée.

Affiche le fournisseur du modèle courant dans un badge compact, à gauche du sélecteur dans la ligne d’outils du composer DSH Web.

Affiche la route modèle réellement utilisée par chaque sous-agent : badge dans chaque ligne du catalogue parent et indication dans l’en-tête de la session enfant.

Dans DSH Web, un bouton apparaît au bout du texte sélectionné pour le traduire sur place. Utilise le service llm de l’hôte et le modèle de la session, sans clé API distincte ; endpoint compatible OpenAI aussi configurable. Résultat dans un popover à l’écran, copie en un clic et boutons de langue pour retraduire. Par défaut : chinois→anglais, autres→chinois. Réglages côté hôte ; la clé API n’est jamais envoyée au navigateur.

Remplace le sélecteur par une liste repliable groupée par fournisseur (max. 640x720), affichant noms et ID du modèle et du fournisseur, plus l’ID exact du modèle. Liste des modèles rares manuelle, favoris séparés. Classement uniquement par l’utilisateur : aucun suivi d’usage ni tri automatique. Recherche par noms/ID du modèle et fournisseur, notes de compte.

Sélectionnez un passage d’une conversation DSH pour afficher une explication simple dans un panneau flottant, avec le message voisin comme contexte. Trois niveaux (plain/general/pro), réexpliqués au changement. Recherche Web/fichiers locaux facultative ; le modèle décide par défaut ou un bouton force une recherche qui ne rapporte que les nouveautés. Questions de suivi et transfert de l’échange entier à une nouvelle session en attente, sans réveiller le modèle ni consommer de tokens. Réglages dans settings.json côté hôte, écrits seulement après validation. Le dépôt inclut aussi un endpoint compatible OpenAI et une extension navigateur (source).

Indique dans le menu des modèles DSH ceux utilisés par d’autres sessions en cours et restaure, pour chaque modèle, le niveau de raisonnement mémorisé et l’état replié du groupe.

Affiche des résumés chinois sur les cartes de skills de dsh-skill-mcp-panel : chaque carte ouverte présente un bref aperçu, une catégorie et quelques puces, tandis que la description anglaise est repliée derrière « 原文 ». L’hôte traduit à la demande les skills absentes de la table avec le modèle par défaut actuel et met le résultat en cache sur disque, indexé par le hash du texte source ; aucune saisie manuelle requise. Ignore les descriptions déjà en chinois.

Suggère les prochaines étapes dans le composer DSH : après chaque tour terminé, un appel auxiliaire au modèle courant de la session produit trois suggestions cliquables au-dessus du champ de saisie ; en choisir une remplit le brouillon.

Ajoute deux pages visuelles à DSH Settings. Le JSON est la source de vérité des serveurs MCP et réécrit le bloc géré de profile patch, avec validation YAML et sauvegardes horodatées ; l’import d’un mcpServers JSON collé affiche d’abord les ajouts et remplacements. Thinking unlock interroge chaque passerelle compatible OpenAI sur les niveaux de raisonnement qu’elle déclare réellement et enregistre la configuration par niveau sans toucher aux autres plages d’octets du YAML écrit à la main. Un bouton distinct synchronise les modèles : aperçu des ajouts/retraits, puis écriture atomique des niveaux et modèles ; exécution également planifiable depuis la page.

Relie TypeSafe/Jev, Cloudflare/Clef, Nace/Drex, Laya auto-hébergé et des fournisseurs de décision personnalisés via une interface unique. Classe, filtre et évalue agents et plugins, et localise les objets dans les images avec des résultats structurés.

Supprime sandbox_permissions/justification lorsque ces arguments ne peuvent élargir le mode sandbox courant, évitant les échecs. tools/pre-execute compare le mode demandé à celui résolu par la politique de session et retire les champs si identique ou plus restreint (y compris justification seule). Traite null, vide et use_default du shell Codex comme absence de demande ; en danger-full-access, retire toute valeur, même require_escalated. Laisse au cœur DSH les véritables élargissements, modes inconnus et outils sans schéma d’escalade DSH. N’élargit jamais les permissions. Liste configurable, défaut bash/pwsh/write/edit/run_code. Sans dépendance.

Discutez avec DeepSeek Harness via Feishu/Lark : chaque chat correspond à une session DSH, les messages deviennent des tours et les réponses reviennent en cartes. Questions, permissions et changements de modèle/conversation sont interactifs. Fichiers/images reçus téléchargés dans l’espace de travail.

Relie les sessions DSH à Feishu/Lark, Telegram et DingTalk. Chaque chat est associé à une session reprenable ; réponses en cartes diffusées en continu. La carte finale indique modèle, tokens, étapes et durée. Questions et approbations de permission se traitent dans le chat ; identifiants par canal dans les réglages Web.

/review transmet les changements actuels à un sous-agent réviseur fixé au modèle choisi, avec une session continue par chat.

Vue unifiée pour gérer les Agent Skills locaux et chercher, prévisualiser et installer depuis ClawHub, ModelScope et QwenPaw, avec filtres source/catégorie. L’agent peut aussi installer via skill_hub.

Compétence et outil pour consulter les soldes de comptes sur DeepSeek, Doubao/Volcengine, Qwen/Alibaba Cloud, Hunyuan/Tencent Cloud et endpoints HTTP personnalisés. Lecture seule, cache 60 s.

Le haut-parleur près du sélecteur de modèle va au début de la dernière question, place un curseur clignotant et lit jusqu’à la dernière réponse (dsh-tts, voix navigateur en secours). Maintenez puis cliquez pour choisir le départ ; faites glisser vers le haut pour ouvrir le mixeur vertical du volume média de page et sortie système.

Vision via NVIDIA NIM : expose le MCP stdio fourni sous mcp__opencode_eyes_nvidia__describe_image, utilise l’un des sept modèles hébergés (MiniMax-M3 par défaut) et alterne plusieurs clés API.

Vision pour modèles textuels : expose le serveur MCP stdio fourni sous mcp__opencode_eyes__describe_image, envoie l’image à StepFun step-3.7-flash et renvoie une description détaillée.

Surveille les échecs consécutifs identiques d’un outil et peut suspendre le flux avant l’étape suivante du modèle. Préserve les résultats d’origine et les répétitions réussies, avec un rapport dans le chat de DSH Web.

Exécute les réponses /single-turn et /multi-turn dans des sous-agents isolés : les résultats restent dans le chat actuel et n’entrent jamais dans le contexte du modèle principal.

Remplace le sélecteur de modèle du composer par un sélecteur axé sur la recherche et ajoute une page de gestion : création et modification de canaux llm-pi-ai, choix des modèles exposés par un endpoint et déclaration des niveaux de raisonnement et capacités par modèle.

Windows uniquement : réutilise le proxy local de modèles de l’application de bureau XiaoyiWork connectée afin de les afficher dans DeepSeek Harness, sans clé API distincte.