Plugins

Mémoire persistante supervisée par LLM pour les agents IA — rappel basé sur un graphe, connaissances inter-sessions, binaire unique. Fonctionne avec DeepSeek Harness, Claude Code, OpenClaw et tout runtime d'agent.

Exploration de l'architecture AGI en boîte blanche : métacognition (boucle d'auto-cognition), apprentissage continu (volant d'inertie des connaissances), modèle du monde (espace de conditions, graphe de mémoire spatio-temporelle), auto-amélioration (discipline bootstrap), pipeline en boîte blanche zéro-LLM et garde-fous de confiance auditables.

Faites évoluer compétences, agents, prompts, code et plugins depuis DeepSeek Harness, avec AgentDescent.

Notifications par webhook de messagerie et notifications locales à la fin d'un tour, en cas d'erreur ou d'approbation (Feishu/WeCom/DingTalk/Slack/Discord/personnalisé).

Tableau de tâches multi-agents partagé (créer/réclamer/transitionner/interroger) via une clé de service Cordis.

Boutique de plugins intégrée pour la Web UI DSH : navigation, recherche, installation en un clic, badges de compatibilité.

Exportez le journal de session en ajout seul (append-only) en Markdown ou HTML lisible, regroupé par source de trajectoire.

Boutique d'applications de plugins pour la Web UI DSH : navigation dans le catalogue, recherche, installation en un clic, badges de compatibilité, liste des plugins installés.

Panneau d'anatomie pour les organes d'Agent-Body : sert un tableau de bord de signes vitaux en direct à /anatomy au sein même du harness — organes, battement, registre de guérison, compteurs d'auto-entraînement et le flux de pouls réel — lu directement dans les fichiers d'exécution plutôt que ressaisi. Hôte uniquement, sans bundle client ni étape de build.

Moteur de contexte Zero-residence : les gros payloads d'outils sont évincés du contexte actif vers un stockage interrogeable et seuls des pointeurs déterministes subsistent, de sorte que les tokens de prompt par tour cessent de croître avec la transcription. Tout contenu masqué est reconstruit mot pour mot à la demande depuis le journal de session, par id d'appel d'outil ou seq de session.

Noyau d'organes d'Agent-Body : plugins organisés comme un seul corps. Chaque commande devient un influx nerveux qui innerve de façon déterministe l'organe compétent et nomme la capacité à utiliser ; un battement à intervalle variable diffuse directives de l'opérateur, proprioception et alertes d'homéostasie ; les réflexes se déclenchent sans appel de modèle ; les échecs suivent une attribution déterministe (outil, arguments, permission, délai, réseau), une prescription et une boucle de revérification, les erreurs d'arguments n'étant jamais réessayées. Un organe manquant est compensé par celui dont les capacités recouvrent le plus, et les schémas d'outils sont filtrés selon l'intention (réduction mesurée de 84,7 %, reproductible dans le dépôt). Paquet des plugins noyau d'agent-body.

L'organe de mémoire d'Agent-Body : après 2 minutes de silence il passe en sommeil léger et après 5 minutes en sommeil profond, où des règles déterministes distillent l'expérience réelle en cartes de mémoire (pièges, playbooks, points chauds, problèmes non résolus, faits). Les commandes entrantes rappellent les cartes liées par mot-clé et les injectent dans le contexte ; les cartes inutilisées décroissent selon une demi-vie et sont archivées plutôt que supprimées. Il débruite aussi les avertissements d'homéostasie du corps entier : les répétitions dans une fenêtre sont comptées au lieu d'être réimprimées, et un avertissement qui revient sans jamais guérir converge vers un décalage d'état stable connu et se tait. La consolidation et le rappel ne font aucun appel de modèle.

Couche de coordination de plugins : les plugins déclarent leurs capacités, les commandes sont routées vers le plugin propriétaire sans appel au modèle, les schémas d'outils se chargent à la demande pour réduire les tokens du prompt, l'historique d'exécution se consolide en mémoire long terme au repos, et les échecs sont classés avant toute nouvelle tentative.

AI Company Framework : transforme une phrase en une entreprise multi-agents — 15 Skills à plat (boss/pipeline/role-template/11 rôles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + panneau d'activité, sidebar employés avec isolation par session, pont bot Feishu (bots boss et par employé, routage de groupe, push autonome, porte de décision humaine, guide contact externe), mémoire SQLite par client avec mémoire à trois couches (fusion inter-groupes), commutateur de mode /company ; pas de RAG.

Math Agent Framework pour DeepSeek Harness : moteur de dérivation symbolique (CES / formes quadratiques / ODE / PDE), vérification SymPy, preuves formelles vérifiées par le compilateur Lean 4 et vérification adverse multi-agents de style QED, exposés comme outils DSH natifs via un shell TS faisant pont vers un moteur Python. Nécessite le clonage du dépôt math-agent-framework et `pip install -r requirements.txt`, avec MATH_AGENT_HOME pointant vers la racine du dépôt. Chaque résultat comporte une traçabilité (versions des moteurs, graine, tolérances) et est marqué comme données non fiables.

Épingle chaque requête au palier natif d'effort maximal et ajoute un panneau de profondeur de raisonnement par modèle/mode avec un curseur de capacité de 0 à 20, des profils Velocity/Apex isolés et des boîtes à outils de raisonnement hors ligne. Distribué en build obfusqué ; usage commercial autorisé, rétro-ingénierie fermée.

un plugin de démonstration pour un préréglage doté d'un moteur d'édition/aperçu musescore wasm intégré pour la composition par agent

Ajoute une mémoire chronologique à DeepSeek Harness : un journal de faits à largeur fixe et en ajout seul + une pyramide de résumés entretenue par l'agent lui-même, avec un budget de lecture fixe et un coût de rappel (recall) qui n'augmente pas avec le volume de mémoire.

Microsoft Agent Framework (MAF) plugin for DeepSeek Harness: validate, run, and scaffold declarative agents and workflows (YAML).