Plugins

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

Boîte à outils de développement de firmware embarqué C/C++ : agents et compétences couvrant FreeRTOS, les interruptions, le stockage NVM, Keil MDK, ARMCLANG, le triage des HardFault, les machines à états, l'architecture et les motifs LVGL.

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.

Analyse de vidéos Bilibili : métadonnées, transcription (repli ASR via Bijian/sherpa-onnx/whisper.cpp), commentaires, danmaku, et images clés nettes avec descriptions de vision locales optionnelles.

Entrée vocale pour la Web UI : dictée segmentée par pauses et messages vocaux, chacun avec sa propre chaîne de repli de fournisseurs (Deepgram, Groq, HuggingFace, whisper.cpp local ou point de terminaison compatible OpenAI).

Plugin d’assistant vocal mains libres et privilégiant le local pour DeepSeek Harness (DSH), avec reconnaissance et synthèse vocales, commandes vocales et moteurs locaux.

Plugin de modèle local pour DeepSeek Harness : gérez les modèles GGUF dans les paramètres, lancez automatiquement llama.cpp au premier message, et déchargez automatiquement après 5 minutes d'inactivité pour libérer la VRAM.

Plugin de configuration C/C++ LSP pour le harnais DeepSeek utilisant clangd.

Place trois outils routeur (list_capabilities, describe_tool, call_tool) devant les serveurs MCP stdio : les schémas se chargent à la demande, pas à chaque requête. Chaque résultat suit une échelle déterministe et l'original est archivé d'abord (retrieve_spill le relit). Permet de chiffrer en tokens les groupes d'outils et de masquer les groupes intégrés par agent. Relie un routeur Python à bibliothèque standard ; Python 3.9+ est requis.

DeepSeek Harness (DSH) plugin for llama.cpp docker panel "llamapad" / llamapad 面板的 DeepSeek Harness 插件

Personal dsh preferences: a tunable companion to the official compaction engine (threshold, retention, summarization model/reasoning, turn-end compaction), llama.cpp model import for the Models page, and tab/notification helpers (status-light favicon, bro

OpenAI-compatible client for llama.cpp / Unsloth Desktop (default :8080).

Local-first voice conversations for DSH, with local speech recognition and synthesis and optional external providers.

Per-provider concurrency gate on the llm/stream waterfall: holds surplus model requests in a FIFO queue inside DSH so main agent, subagents and compaction take turns on a single-slot local server (llama.cpp --parallel 1) instead of timing out; maxConcurrent / maxQueued / queueTimeoutMs.

Host-side long-task detection for small-context local models: long outputs are scaffolded into a parts skeleton (one part per reply, then assemble), and multi-step work into a PLAN.md ledger with notes/ (plan first, one step per reply). Detection is heuristic and host-side, so it does not depend on the model judging its own limits.

C++ audit skill: detects the target project's actual C++ standard before making any recommendation, then reports findings across RAII and ownership, move semantics, exception safety, performance and memory, containers and algorithms, concurrency, templates and compile-time, standard boundary, and type safety, ABI and interface design, each with a checkpoint, a reason, a bad-to-good example and the minimum standard.

C++ runtime info probe for Windows via CDB: cpp_trace prints variables at multiple breakpoints in one session (replaces hand-written print), cpp_probe dumps the call stack at a conditional breakpoint. Install: dsh plugin --profile web add dsh-cpp-probe.

Re-encodes WebP attachment images to PNG so alpha-channel images load on LLM backends that cannot decode WebP (e.g. llama.cpp).

DeepSeek Harness (dsh) plugin: live local LLM endpoint health in the web rightbar. llama.cpp slots (busy/TTFT/wedged, /metrics) + Ollama MODELS (loaded vs empty). Engine fingerprinted by response shape. Installable dsh.bundle.

DSH plugin: inject per-model sampling parameters (top_p, top_k, min_p, repeat_penalty, presence_penalty, frequency_penalty) into every chat-completions request sent to a local llama.cpp / llama-server gateway.

Keeps every model request inside a per-provider allow-list, enforced at the agent/request waterfall: disallowed models are redirected to a fallback or refused; subagents stop inheriting stale creation-time routes; warns when consecutive requests would make a --models-max 1 llama.cpp router reload models. A one-entry list is a global single-model mode.

Control panel for local LLM inference servers in the DSH web view: service registry with health checks and stop controls, named parameter profiles for llama.cpp, SGLang and vLLM with pre-save KV/VRAM validation, GPU detection, and tok/s benchmarks.

Dictate prompts into the DeepSeek Harness Web Client — a microphone in the composer, with swappable transcription: hosted Whisper API, self-hosted server, or a fully offline whisper.cpp binary.