Plugins

Routage automatique d'effort de raisonnement pour dsh : un classifieur 7 questions finement réglé localement (ModernBERT, 842 Mo, <1 s CPU) choisit low/high/max pour les messages sans intention ; des tentatives intra-session escaladent le tier (low vers high vers max) sous contraintes d'exclusion ; le service de juge échoue en sécurité vers low s'il est injoignable. Une puce de tier dans la barre de saisie affiche le tier courant et les 20 derniers jugements. Toute inférence est locale — le texte de la tâche ne quitte jamais la machine.

RAG de base de connaissances bibliographiques locale : 10 outils (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), recherche hybride BM25+vecteurs+reranker, questions-réponses avec citations et liens DOI cliquables, embeddings bge entièrement locaux sur un index SQLite en un seul fichier. Nécessite Python 3.9+ avec pymupdf, faiss-cpu et sentence-transformers ; l'installateur `npx dsh-kb-rag-install` les met en place et pré-télécharge le modèle.

Shell de style eDEX-UI par-dessus la GUI web de DSH : barre gauche de télémétrie système avec sparklines CPU par cœur, barre droite avec carte du monde encom-globe et graphique de trafic montant/descendant, navigateur de fichiers avec aperçu, et un compositeur au style terminal qui suit le workspace actif.

Tableau de bord de cartes serveur pour DSH : état par hôte, CPU, mémoire, disque et latence, avec terminaux SSH xterm.js en un clic ; importe ~/.ssh/config et se monte comme un onglet better-sidebar ou un tiroir droit autonome.

Plugin de mémoire inter-sessions pour DSH (v0.6.1, npm @asherliner/dsh-memory-connect) : extraction automatique, indexation SQLite FTS5, rappel sémantique RRF injecté dans le prompt système à chaque tour, maintenance planifiée, consolidation LLM via ctx.llm, prévention de l'explosion du contexte, identité Soul globale via ~/.dsh/soul.md. v0.5.0 : graphe de contexte temporel, modèle de confiance, résumé en fin de tour. v0.6.0 : embeddings sémantiques locaux (BAAI/bge-small-zh-v1.5), aucun appel au cloud. v0.6.1 : correction de l'expansion de ~ dans la config des chemins. Installation sans configuration.

Fallback OCR local pour les routes en texte seul : lorsque le modèle de session déclare qu'il ne peut pas accepter d'images, l'image jointe est mise en cache localement et son chemin est injecté pour que le modèle puisse appeler ocr_image — PP-OCRv5 + ONNX Runtime sur CPU, sans clé API, les images ne quittent jamais la machine. Silencieux lorsque le modèle peut voir les images.

Affiche en temps réel dans le navigateur les fonds d'écran de scènes de Wallpaper Engine (lecteur three.js plus une simulation de particules CPU en Rust/WASM) et lit les fonds vidéo et web, avec repli sur l'image d'aperçu, sans nécessiter le runtime de Wallpaper Engine. Analyse la bibliothèque locale du Steam workshop (431960) par détection automatique ou chemin manuel, et propose un panneau de réglages pour la sélection des fonds, les répertoires de bibliothèque et de moteur, la lueur, la pause et la qualité.

Reconnaissance d'images volumineuses pour les modèles vision-exp : reconnaissance par tuiles 800×800 sans perte (smart/pipeline/full), OCR local avec prétraitement et routage d'écriture manuscrite, GPU multi-fournisseur en option (DirectML/CUDA/OpenVINO) avec repli CPU automatique.

Outils DSH pour reproduire et valider le benchmark CPU du protocole v1 de ml-quant-trading, puis rédiger un rapport prêt à ouvrir en issue. Nécessite un clone local de initial-d/ml-quant-trading (défini comme workspace ou repoPath) ainsi que Python et PyTorch ; ce plugin ne récupère pas le dépôt et n’installe pas ses dépendances.

Convertit les documents Office et PDF (y compris numérisés) en Markdown formaté structurellement via un pipeline OCR à routage privilégiant le CPU (RapidOCR/SLANet/FormulaNet).

Plugin DeepSeek Harness pour SCNet HPC : configuration SSH, jobs Slurm CPU/DCU, sondage du cluster, diagnostic des nœuds de calcul et conseils Hygon DCU/DTK.

Animal de bureau violet-blanc qui s'ancre au bord de l'écran et affiche en temps réel les températures du processeur, de la RAM, du GPU et du NVMe avec des informations sur le matériel.

Affiche l'utilisation en temps réel du processeur et de la mémoire de la machine exécutant le serveur web DSH.

Widget flottant d'état du système : utilisation CPU/mémoire/disque en direct dans le coin inférieur droit de l'interface web DSH, avec avertissements colorés selon les seuils.

DSH 插件：用于局域网内设备监控，在右侧边栏（结合 dsh-better-sidebar）登记最多 10 台设备， 通过 SSH 定时采集运行指标、画波形图，并对 CPU / 内存 / 磁盘 / 温度做阈值告警。

DSH 侧栏实时硬件监控：CPU / GPU / 内存 / 磁盘一页看完，每秒刷新，每个读数都能下钻到是哪个应用。支持容量与内存耗尽预测、阈值告警与 NDJSON 导出。纯 Node，零运行时依赖，完整功能仅 Windows。

Windows host performance from WSL: CPU, memory, disk and top processes.

Service control panel in DSH Web settings: live host info (PID, versions, uptime, memory/CPU trends, active sessions), npm update banner, and a confirm-guarded graceful stop that warns when tasks are running and can wait for them to finish.

Moniteur système de barre latérale pour l'interface web DSH : aperçu de l'hôte en direct (CPU/mémoire/réseau/disque), liste des processus et état des conteneurs Docker, le tout en lecture seule.

Outils d'informations d'appareil Windows en lecture seule : un outil agent par catégorie d'appareil Win32 (heure, système, cpu, mémoire, disque, gpu, réseau, batterie, processus, usb, audio, imprimantes) via WMI/CIM et des collecteurs Node os.

蛋白质结构预测与设计插件：序列设计（ProteinMPNN/SolubleMPNN/LigandMPNN）、结构预测（ESMFold）、复合物界面筛选、序列理化打分与多样性聚类——零手动自举（本地 CPU/GPU 自适应），供 dsh-bio-genie 消费 | Protein structure prediction & design toolkit for dsh (sequence design, folding, interface screening)

Real-time host performance monitor for the DeepSeek Harness right Sidebar: CPU / memory / swap gauges, a GPU clock and VRAM line, CPU / GPU / motherboard / drive temperatures, a sortable process table, and a keep-awake toggle for remote sessions — on Linu

Live btop-style CPU/memory/temperature/GPU monitor tab for the DeepSeek Harness web GUI.

Large-image recognition for vision-exp models: lossless 800×800 tile recognition (smart/pipeline/full), local OCR with preprocessing & handwriting routing, optional multi-vendor GPU (DirectML/CUDA/OpenVINO) with auto CPU fallback.