Plugins

Panneau d'analyse du contexte DSH : tableau de bord Context + commande /context + navigateur Context — gestion complète du cycle de vie du contexte avec une composition catégorisée, des détails de contenu, des tendances d'évolution, des événements de compaction/injection et des statistiques.

Gouvernance et routage DSH à l'échelle du profil, avec un centre de contrôle web pour inspecter responsabilités et preuves, plus compactage, mémoire sémantique à portée limitée, continuité de sécurité et livraison vérifiée ; compatible avec DSH 0.1.5-rc.1.

Plugin de sécurité pour rétro-ingénierie et pentest en un seul bundle : filtrage des outils au premier tour, routage par domaine et 33 outils couvrant APK, web, binaires natifs, protocoles, malwares et échantillons LLM — avec playbooks d'extraction, de contournement de licences et d'anti-analyse, moteur d'évaluation H-CoT (routage sémantique, commande /hcot), atelier web avec étagère d'outils pilotée par grand livre, flux de cas sur disque (chaîne de preuves persistée, conclusions validées numérotées E, reprise après compactage), découverte d'outils externes basée sur GitHub et 361 documents de référence à la demande.

Mémoire causale pour dsh : un pont stdio MCP à dépendance zéro qui monte les 17 outils du serveur de mémoire causale sous des noms propres (pas de préfixe mcp__) - décision → bords de résultat avec des relations typées (causées / activées / empêchées) dans un magasin SQLite local qui survit au compactage - plus une section d'invite système épinglée. Nécessite le binaire du serveur de mémoire causale sur PATH (pip install causal-memory ou une version prédéfinie).

Gestionnaire de sessions DSH : suppression avec corbeille/restauration/purge, restauration des sessions archivées, statistiques d'activité récente, continuer/pause, ouvrir le dossier de journaux, marqueurs de non-lu, forker vers un nouveau chat, regroupement et tri par espace de travail, seuil de compactage du contexte.

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.

Maintient un serveur de modèles TinyTitan local accessible depuis le harness : actualise la route llm-pi-ai à partir des modèles installés et monte un backend de compaction qui ne réfléchit pas.

Panneau de navigation des conversations : affiche la session en cours sous forme de plan replié par tours avec des badges de type à chaque étape (assistant, tool, command, compaction, error), une bulle au survol montrant la question complète de l’utilisateur, un mode minimal qui masque les numéros de tour pour une vue uniquement en badges, un filtre par mots-clés sur les questions de l’utilisateur et les réponses de l’assistant, un saut au clic avec suivi de la position de lecture, et une pagination d’historique pour charger les conversations antérieures/tout charger. Hôte >= 0.1.2-rc.1 ; les hôtes hérités installent @legacy/0.2.5.

Pipeline de coût en tokens pour DeepSeek Harness : compaction en couches sensible à la pression (projection sans perte sous 40 % de pression de contexte, résumé par LLM au-delà), liste d'outils autorisés par agent, conversion de texte long en image avec résumé par vision, et une commande /token-status suivant la pression, les paliers et les tokens économisés.

Historique de saisie façon terminal pour le compositeur web : rappel par flèches privilégiant les bords avec restauration exacte du brouillon/du curseur, historique persistant local au navigateur, recherche inversée par Ctrl+R et conscience de contexte glissant ; la version 0.5.0 ajoute une couche de saisie intelligente — extraits inter-sessions (/save, /load), modèles de prompts avec variables, informations de réutilisation et mise en évidence des résumés de compaction.

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

Routes de modèle, outils et guidage système dédiés pour la vision, la compaction, les revues, les sous-agents, les titres et la génération d'images.

Force la compression du contexte lors de l'exécution de modèles llama.cpp à faible contexte tels que Qwen3.8-27B, améliorant l'efficacité du modèle et la fluidité d'utilisation, accompagné de prompts de compaction bien affinés.

Compactage de contexte gardé pour DeepSeek Harness (dsh) : le LLM propose, les gardes deterministic disposent — réduction eager par atome (extract/summary/false sous gardes verbatim) + éviction paresseuse du reference-graph (0-LLM) + rappel au bit près depuis un log append-only.

Pipeline d'optimisation des jetons en couches pour DeepSeek Harness : échelle de sortie, chargement paresseux MCP, moteur de compaction, reporting des hits de cache. Construit sur les vraies API de plugins DSH ; ~40-60 % d'entrées économisées dans les longues sessions.

Repliement de contexte sans perte pour DeepSeek Harness : le segment le plus ancien est remplacé par un résumé, et les originaux restent dans le journal de session.

Enveloppe le travail dans des tâches nommées et, dès qu'une tâche se ferme, replie l'intégralité de sa plage de messages en un seul résumé à la limite d'étape suivante ; le contenu original peut être restauré à la demande.

Vision pour DeepSeek en mode texte seul via Doubao Web par défaut (gratuit, sans clé API — pilote votre Chrome connecté via un pont CDP Windows), avec quota Antigravity IDE (flash/pro) ou repli sur Gemini ; escalade automatique du niveau de détail, mémoire de preuves visuelles avec réhydratation après compaction, cache par hachage de contenu, et un panneau client bilingue.

Moteur de compaction sans perte* et sans LLM pour DeepSeek Harness

Importez l'historique de chat de claude-code / codex / reasonix / zcode dans des sessions dsh : liaison à l'espace de travail, appels d'outils préservés, protection contre les sessions surdimensionnées, restauration de la compaction zcode.

Rendez votre dsh prêt pour le codage sérieux. (Tools x Schemas)^REPL. `skill://`, `ctx://`, `agent://`, `dvc://`, `dsh://`, IPython REPL, contexte comme variables, compactions croisées rappelables, revival complet du contexte. `hash-edit`, `dvc://browser`, sous-agent comme fonction, workflow comme fonction.

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.

Préparez votre dsh pour du codage sérieux. (Tools x Schemas)^REPL. `skill://`, `ctx://`, `agent://`, `dvc://`, `dsh://`, IPython REPL, Context as Variables, compactions croisées rappelables, restauration complète du contexte. `hash-edit`, `dvc://browser`, sous-agent comme fonction, workflow comme fonction.

Plugin Context Assembler pour DeepSeek Harness : assemblage de contexte par blocs thématiques, découpage thématique par pression d'eau, trace/réécriture d'outils, injection de rappel de réalité et planification de passation.