Plugins

Contrôle par tour du niveau de réflexion (reasoning_effort) pour DeepSeek Harness : Auto planifie low/high/max selon l'historique récent des tool calls, ou permet de fixer un wire level (off/on/minimal/low/medium/high/xhigh/max), avec mappage wire personnalisé, garde de capacités par modèle et préréglages de fenêtre de contexte (64K–1M) ; sa capability card s'associe à [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installable depuis dsh-market) pour tester le raisonnement avec des passerelles compatibles OpenAI (vLLM / LM Studio / auto-hébergées). La carte écrit les capacités llm-pi-ai, l'adaptateur pilote le wire (compat.thinkingFormat) et le plugin maintient la liste de takeover.

Éditeur Markdown façon Typora dans la barre latérale droite de DSH : rendu direct des maths et Mermaid, clic à droite d’une image pour continuer à la ligne suivante et sauvegardes Ctrl/Cmd+S protégées par version, même hors du workspace de session. Insère les sélections dans le chat avec leur chemin absolu.

Preuves de médias locaux (vidéo/audio/image) : chronologie, transcription, zones. Repli par média dans meta.attempts, non silencieux : multimodal hôte→OpenAI compatible/rotation clés→ffmpeg/ASR locale→métadonnées. Cooldown auth/quota seulement ; candidat gardé en fin de chaîne, non supprimé. Masque avant troncature ; magic bytes, pas extension. vision-bridge facultatif ; enregistrement multimodal/AV inline (video_url/input_audio) dépend des peers optionnels dsh-thinking-levels et dsh-llm-openai-completions ; sinon dégradation sans erreur. Défaut distant ; strictLocalOnly garde local. ffmpeg/ffprobe et CLI ASR locale non fournis, uniquement pour le repli local ; sans eux, repli vers les métadonnées. Hosts 0.1.7/0.2.0/0.2.1 (6 rc, enum engines.dsh) ; npm dsh-media-lens.

OpenAI-completions-compatible adapter for custom gateways (vLLM / LM Studio / self-hosted proxies): always role:"system", thinking driven by the model config, Qwen-style response split, and vision-model image input (single / multiple).

Manual model probe for DeepSeek Harness: a session-view tab where you pick provider, API type, model and route, then send one real raw HTTP request over openai-completions, openai-responses or anthropic-messages — streaming or not — and read latency, TTFT, HTTP status, token usage and a three-layer diagnosis chain (API request / model response / strict check) on one screen, with errors in plain language.