Plugins

Ajoute un canevas de conversation modifiable à DeepSeek Harness, où les connexions graphiques sélectionnent le contexte pour les requêtes de canevas, avec des importations de branches, de fusions et de sessions d'agent locales.

ThoughtDAG pour DeepSeek Harness : transforme la session DSH actuelle en un graphe de pensée modifiable sur une toile infinie.

Mémoire PLUR pour DeepSeek Harness — les engrammes sont injectés directement dans le prompt, sans appel d'outil requis

Mémoire automatique à la Claude Code, nativement : fichiers de mémoire typés (user/feedback/project/reference) avec un index MEMORY.md injecté automatiquement dans le prompt système (aucune empreinte quand il est vide) ; memory_write/read/list/delete suivent les règles d'écriture de Claude Code (déduplication et mise à jour, dates absolues, liens croisés) ; couches à l'échelle du workspace et de l'utilisateur, verrouillage de fichiers entre processus avec récupération des verrous orphelins, Markdown simple sur disque, aucun service externe, aucun embedding.

Agent Context Editor est un plugin inter-agents permettant d'exclure, d'éditer et de compresser sélectivement le contexte de conversation IA manuellement. Il prend aussi en charge la recherche, le filtrage, la sélection, le masquage, la restauration et l'annulation des modifications de conversation tout en préservant la session d'origine.

Mémoire à long terme pour DSH : les conversations sont automatiquement distillées en faits atomiques, résumés de scènes et un profil de persona, avec injection des souvenirs pertinents avant chaque étape du modèle. Zéro configuration, prêt à l'emploi — récupération hybride BM25 + vectorielle, plongements locaux hors ligne optionnels, séparation des familles chat/travail.

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.

Graphe de connaissances de code local-first pour agents de codage : 10 outils MCP pour la compression contextuelle en couches, la planification DAG, l'indexation incrémentale d'AST, un flywheel de compétences inter-sessions, des diagnostics et l'import/export d'artefacts de graphe.

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.

Réducteur de résultats d'outils sensible au contenu : 13 réducteurs taillent les sorties excessives par signification dans tools/post-execute (les tests échoués sont conservés, le contexte de diff est supprimé, JSON et CSV sont échantillonnés, les problèmes de lint sont groupés par règle, les frames de pile de dépendances sont repliées et les répertoires encombrés sont comptabilisés), les originaux complets étant déversés sur disque derrière un localisateur.

Passerelle MCP à divulgation progressive qui recherche de grands catalogues distants via `mcp_search`, puis invoque les schémas exacts via `mcp_call`, avec connexions différées et caches bornés.

Plugin de mémoire à long terme NeatMem pour DeepSeek Harness — client REST léger vers un serveur neatmem

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.

Discipline d'exécution modulaire à la pointe pour DSH : routage fondé sur les preuves à travers 26 compétences, planification de fichiers de style Manus, portes de vérification, récupération après séries d'échecs et tableau de bord web interactif.

Profilage des performances et diagnostics du cache LLM pour DeepSeek Harness — ingénierie du contexte, profilage de latence et rapports sur le comportement du cache.

Affiche quel index graft sert une session dsh et s'il correspond toujours au code, et expose au modèle graft_ask, graft_grep, graft_callers, graft_skeleton et graft_map comme outils natifs.

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.

CLI self de Superself en tant qu'outils face au modèle (contexte de projet, unités de travail, rapports, décisions) plus une commande /self — état de projet inter-sessions et inter-projets conservé hors du dépôt de code.

Ajoute des contrats d'exécution persistants, des graphes de travail récursifs, des clarifications critiques et des portes de vérification par preuves pour les tâches Harness longues ou insuffisamment spécifiées.

Fusionne le contexte d'autres sessions dans le tour en cours : résolution de conflits pondérée par les preuves, rétractation des affirmations dont les prémisses ont été rétractées, étiquetage de confiance qui résiste à l'injection de prompts entre sessions, et compactage limité par un budget. Livre un benchmark.

Plugin DeepSeek Harness : le CLI `self` de Superself comme outils destinés au modèle plus une commande /self — état du projet inter-sessions et inter-projets pour les agents.