Plugins

Widget baleine fixé dans un coin pour la GUI web DSH — solde, usage du jour et coût par tour avec tarification heures pleines/creuses, bulles modifiables d'alerte de solde et de budget quotidien, file de bulles personnalisées modulaire avec choix pondérés A/B et lignes ou images aléatoires, plus de 30 modèles de fournisseurs (OpenAI, OpenRouter, Kimi, SiliconFlow, Ark, Zhipu, MiniMax et d'autres) avec solde par modèle et quota d'abonnement, plus son de fin de tâche, audio importé, rôles personnalisés et un gestionnaire de ressources. Local uniquement, sans télémétrie.

Coût API par session et quotidien, budget avec pourcentage d'utilisation, solde officiel, tableau de bord historique, et synchronisation en un clic des tarifs officiels avec les prix heures pleines/creuses.

Lecture approfondie de livres et d'articles selon cinq modes (rapide, approfondi, carte des connaissances, Feynman, livre complet) avec rapports affirmation-preuve-données, cartes mentales Mermaid/XMind, comparaison par lots, vérification préalable du budget, progression transparente des tâches en arrière-plan, et exports MD/HTML à partir d'URL, de fichiers ou de texte collé.

Animal de compagnie de bureau DSH flottant avec 12 animations d'état rédigées pour les requêtes, outils, compaction, archivage et amélioration des prompts ; occupation du contexte en direct ; un Grand Livre à vie persistant entre sessions ; totaux par fournisseur/modèle, tendances horaires et vues sur 7/30 jours ; basculement de thème sombre/clair ; estimations de coût optionnelles (désactivées par défaut) avec éditeur de prix visuel et alerte budgétaire mensuelle ; importation ZIP de skins côté client ; export d'utilisation JSON/CSV ; lectures de panneau en instantané uniquement avec indexation incrémentielle en arrière-plan ; et amélioration des prompts opt-in avec aperçu modifiable et soumission au compositeur DSH.

Exécuteur de lots en heures creuses pour DeepSeek Harness : les utilisateurs définissent leurs tâches en heures chargées (prompt, stratégie, priorité, espace de travail, fichiers verrouillés) et les libèrent manuellement ; le plugin exécute ensuite le lot automatiquement dans les fenêtres creuses définies. Chaque exécution passe cinq vérifications préalables (espace de travail, git HEAD, sha256, fenêtre, budget quotidien), prend en charge quatre stratégies (unique / itérative / échantillonnage / revue) et trois niveaux d'autonomie (L1 par tâche, L2 lot, L3 entièrement automatique), et boucle avec un rapport matinal des diffs, dépenses et économies issus d'un registre aligné sur la tarification officielle.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Budgets de réflexion par requête, un backend de compactage et un onglet de réglages pour la gamme locale Qwen3.8 (llama.cpp ou NInfer).

Observabilité des tokens local-first à quatre compartiments : tableaux de bord persistants par session/fournisseur/modèle/jour, tendances, signaux de budget et d'anomalies, estimations de tarifs publics, exports agrégés sécurisés, et analyse de l'utilisation ou de la trajectoire de session avec consentement explicite.

Serveur MCP de données financières des actions A chinoises : 11 outils fin_data__* (cours/chandeliers/données financières/calendrier/données spéciales/annonces/EDB/rapprochement/fonds/indices) sur THS REST officiel gratuit (principal) + AKShare (secours) + Wind (domaines exclusifs), avec dégradation observable, compression du budget de contexte (-72,2 % mesuré côté résultats) et un lac hors ligne de 10 ans de données de marché. BYOK.

Équipe multi-agents par rôles pour DeepSeek Harness. /team réunit jusqu'à 12 sous-agents (produit, architecte, recherche, UI, backend, frontend, BD, sécurité, relecteur, QA, DevOps, docs) et exécute un pipeline à 9 phases avec jalons (clarifier, étudier, concevoir, relire la spec, approuver le plan, implémenter, relire, tester, livrer) sur des artefacts partagés. Les jalons qualité sont imposés par le code, non par les prompts : une tâche inachevée ne peut être marquée terminée, les constats arbitrés par le relecteur ou le QA, et les lacunes de couverture ou le rework apparaissent dans l'overlay et /team status. Livre un overlay (phases, effectif, DAG, artefacts, décisions), un mode équipe persistante et la comptabilité de tokens/temps. Pas de dépendance à l'exécution ni de build.

Budgets d'utilisation et plafonds de coûts par plugin sur le flux en cascade llm/stream : comptabilisation de l'utilisation par modèle, budgets par session et mensuels avec transitions avertir/bloquer, fenêtres de latence et estimation de l'empreinte carbone.

Outil de compréhension vidéo à faible coût : un outil video_understand transforme un lien Bilibili / BV / une vidéo locale en couche d’informations AVIS (ASR + structure de scène + suivi d’objets + étiquettes YOLO) et renvoie un résumé + Q&R. Routage dynamique inter-couches guidé par les questions (L0 ASR / L1 suivi d’objets / L2 VLM sur image clé), réutilisation de la couche sémantique pour les questions répétées, plafond de budget par question. Moteur Python : la couche principale nécessite faster-whisper / opencv / yt-dlp (~200-300MB) ; la couche sémantique optionnelle ajoute ~2GB de torch / transformers / ultralytics. Un doctor --fix inclus configure le venv et installe les deux.

Serveur MCP de données financières A-share chinoises pour le harness : 11 outils fin_data__* (quotes/K-lines/financials/calendar/special-data/announcements/EDB/reconcile/funds/indices) sur THS REST officiel gratuit (primaire) + AKShare (fallback) + Wind (domaines exclusifs), avec dégradation observable, compression de budget de contexte (-72.2% côté résultat mesuré), et un lac de données de marché hors ligne 10 ans ; BYOK.

Lit les fichiers que AGENTS.md référence via les imports @path et injecte leur contenu dans le contexte du modèle au démarrage de la session, avec des budgets en octets, un réamorçage après compaction et une carte de paramètres en six langues.

Recherche approfondie comme mode agent : une unique boucle révisée qui planifie, recherche dans des rondes parallèles adaptatives pilotées par les lacunes que les chercheurs eux-mêmes déclarent, synthétise un rapport cité puis le relit de manière contradictoire, au lieu d'un script que le modèle réécrit à chaque appel. Les questions que le budget de rondes n'a jamais atteintes sont nommées dans le rapport plutôt qu'écartées.

Compteur d’usage et de coût local-first pour l’interface web DSH : bouton composer avec coût de session et solde en direct ; panneau avec un graphique empilé quotidien/sur 7 jours par modèle, facturé selon les intervalles de prix catalogue effectifs (la page tarifaire officielle est synchronisée chaque jour), paliers d’usage mensuels avec une carte de partage canvas, alertes de pression de contexte à 30/50/85 % avec /compact en un clic, alertes de budget, et vérification de mise à jour npm dans le panneau avec mise à jour en un clic.

Suivi des coûts tarifés depuis un catalogue en ligne (models.dev + OpenRouter, plus de 8000 modèles, chaque appel facturé à son tarif instantané) : ligne de coût par tour, onglet Coût attribuant la dépense à sortie d'outil / sortie de modèle / prompt système / commandes, budget, prévision mensuelle, ~166 devises au taux en direct, et outil d'agent bill_stats.

Mémoire à long terme gouvernée pour DeepSeek Harness : registre de preuves en ajout uniquement avec protections d’écriture, affirmations à 7 niveaux d’autorité, chaînes de remplacement et injection avant chaque étape, budgétée avec des quotas par domaine.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Compagnon de session en quatre modules : export intelligent de conversation (Markdown/PDF/JSON/image longue PNG avec rédaction de confidentialité et ZIP par lot), résumés de passation de contexte avec sauvegarde/import de modèles, optimisation des coûts API (tarification officielle en direct, planification heures pleines/creuses, budgets journaliers/mensuels, routage de modèle), et recherche globale de conversation avec recherche dans le chat (Ctrl+F, CSS Custom Highlight API).

Un HUD en coin pour DeepSeek Harness qui affiche d'un coup d'œil la pression en tokens de votre session, le coût par modèle et l'utilisation quotidienne/mensuelle, avec un budget modifiable et un solde qui suit vos dépenses pour vous.

Vue de l'usage et des coûts pour DeepSeek Harness : agrège l'usage réel des jetons à partir des journaux de session existants, fige chaque coût au tarif de l'horodatage de son événement, et affiche les dépenses du mois et du jour par rapport à un budget depuis une carte de la barre latérale ou une pastille de la barre de saisie.

Des revues d'advisor qui convergent au fil des tours, un mode ingénierie dont les écritures exigent un jeton de conception, l'escalade d'une tâche vers un modèle plus fort et une consultation parallèle multi-modèles ; une page de réglages édite les routes de modèle, les délais et les budgets.

Correctif de compaction pour les passerelles qwen3.8-27b hébergées par NInfer : désactive la réflexion sur les appels de compaction de contexte et de titre de session de dsh, afin que le raisonnement xhigh cesse de consommer tout le budget de sortie ; la même idée s'applique à d'autres méthodes de lancement, mais ce paquet ne cible que NInfer.