Plugins

Tableau de tâches SQLite local sous forme de page de superposition native : projets, tâches, commentaires, relations, pièces jointes et automatisation de flux de travail, avec les statuts backlog → todo → in_progress → in_review → done ; les outils Agent `taskboard_*` ne peuvent soumettre du travail qu'à in_review, plus une CLI JSON headless et une skill packagée.

Transforme une exigence d’une ligne en livraison vérifiée. TeamFlow enchaîne triage, PRD, conception, plan technique, développement parallèle, QA avec reprise des défauts et validation. Il fournit 12 outils `teamflow_*` et un atelier avec graphe de pipeline en direct et kanban de backlog. Chaque exigence dispose d’un dossier contenant PRD, conception, plan technique, rapport QA et fiche de validation.

Tableau kanban piloté par agent : un tableau par espace de travail, sessions d'agent par tâche, et flux de travail humain/agent gardé (Backlog → À faire → En cours → Revue → Terminé).

Tableau latéral Raindrop.io en lecture seule : répartition des collections/tags, principaux domaines sources, types de contenu, tendance sur 12 mois et éléments à nettoyer ; deux outils agent en lecture seule analysent les favoris enregistrés. Jeton API Raindrop.io requis (créez une app et collez le jeton).

Durable workspace Plan/Backlog todos for DeepSeek Harness, with a sidebar board, agent tools, and /todo commands.

File-based task pool and dispatcher for DeepSeek Harness: keeps a P0-P3 backlog as Markdown, hands one task at a time to a background subagent, gates delivery by rerunning the project test command, and accepts the result against a git commit or a file snapshot; git and non-git directories both work.

Agent-team task workbench for DeepSeek Harness: a sidebar board and requirement view track tasks across backlog, execution, review and done, dispatch work to coding agents, and run multi-role team orchestration on a local SQLite store.

Plugin DSH de diagnostic déterministe hors ligne des rapports de production Python/Django : cause racine des tracebacks, synthèses pytest, migrations non appliquées, SQL N+1, `manage.py check --deploy` et file Celery. N’exécute pas Python et ne lance pas de sous-processus.

Transforme les chiffres bruts d’un dépôt GitHub en analyse argumentée : concentration des contributeurs et bus factor, y compris les fichiers d’un auteur unique ; temps de fusion présenté en médiane et moyenne pour révéler les valeurs atypiques ; backlog d’issues sans pull requests ni brouillons. Lit l’API REST publique sans SDK et ne prétend jamais qu’une page tronquée est exhaustive.