Plugins

Intègre TypeSafe Jev à DeepSeek Harness pour sélectionner skills et fichiers, superviser les tâches, corriger les constats partagés, filtrer les sorties d’outils, faciliter les approbations et parcourir les étapes enregistrées. Toutes les fonctions sont désactivées par défaut.

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).

Conseil multi-modèles pour DeepSeek Harness : réponses indépendantes, revues croisées anonymes et décision finale inspectable.

Panneau latéral droit transformant la collection de compétences Matt Pocock en tableau de quêtes DSH : cartes de décision wayfinder, actions triage/correction/discussion/exécution par ticket, sonde de 9 compétences clés + radar de 20 compétences, vérifications d’environnement et transfert en un clic entre sessions.

Classe les appels d'outils en attente avec Jev (modèle de décision non génératif de TypeSafe AI) sur tools/pre-execute — les appels à haut risque jugés sûrs sont refusés, les ambigus escaladés vers une approbation — et approuve automatiquement les appels réversibles clairement autorisés sur approval/request derrière un filtrage par preuves d'arguments. Sous-classe aussi le résolveur de références de session pour que les instantanés conservent les messages notés par Jev au lieu de supprimer les plus anciens en premier. Revient au comportement d'origine en cas d'échec du fournisseur ; mode fantôme avec une commande /jev-stats ; points de terminaison TypeSafe ou OpenRouter ; 64 tests.

Moteur de décision Jev DSH｜Plugin de décision structurée orienté Agent Harness. Prise en charge native de DeepSeek Harness, prise en charge d'OpenCode et de Codex Harness via iPolloWork.

Plugin de couche de décision propulsé par Jev pour DeepSeek Harness

StrataGate offre à DeepSeek Harness une mémoire évolutive, local-first et à long terme pour les préférences utilisateur, les décisions de projet, les conversations et les résultats d'outils à travers les sessions ; elle superpose l'historique avec une décroissance temporelle réglable par l'utilisateur, renforce les souvenirs via leur utilisation dans de vraies réponses, affiche des compteurs d'usage conscients de l'espace de travail et maintient les preuves rappelées traçables jusqu'à leurs messages d'origine.

Une saisie de pilotage en cours d’exécution pour DeepSeek Harness Web : pendant que l’agent travaille, une barre de saisie apparaît au-dessus du compositeur pour injecter des demandes de modification dans la prochaine décision via agent.steer(), sans arrêter la conversation. Les brouillons persistent par session, les messages injectés non lus peuvent être rappelés depuis la bulle, et un préfixe d’orientation optionnel est pris en charge.

Mémoire inter-sessions pour DeepSeek Harness : les agents enregistrent, recherchent et mettent à jour les préférences utilisateur, les faits et les décisions de projet ; les entrées importantes sont injectées dans les sessions suivantes, et une section Réglages permet de les lister, les modifier, les archiver ou les supprimer.

AI Company Framework : transforme une phrase en une entreprise multi-agents — 15 Skills à plat (boss/pipeline/role-template/11 rôles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + panneau d'activité, sidebar employés avec isolation par session, pont bot Feishu (bots boss et par employé, routage de groupe, push autonome, porte de décision humaine, guide contact externe), mémoire SQLite par client avec mémoire à trois couches (fusion inter-groupes), commutateur de mode /company ; pas de RAG.

Garde-fou de dérive des exigences en cours d'exécution qui maintient les agents DSH de longue durée alignés sur l'objectif, les contraintes et les décisions approuvés par l'utilisateur.

Décisions typées Laya (`noul` oui/non, `choice`, `score`) comme service Cordis de premier ordre (`ctx.laya`) plus les outils `laya_ask` et `laya_plan` visibles par le modèle. Le plugin lui-même n'installe et ne télécharge rien : c'est un client d'un sidecar `laya-mcp serve` que vous démarrez vous-même, et il signale que le sidecar n'est pas en cours d'exécution au lieu d'échouer obscurément au premier appel d'outil.

model router par étape : des préréglages nommés avec des règles ordonnées de groupes d'images/mots-clés acheminent chaque étape d'agent à travers chaque fournisseur et modèle monté, ajoutant des flux de collaboration pour la transcription d'images, une protection d'image, un panneau de quotas multi-plans, et l'observabilité des décisions par étape.

Sons de notification pour DeepSeek Harness : une douce sonnerie lorsque l’agent attend une décision ou termine une tâche. La notification système ramène à la fenêtre et les réglages permettent d’ajuster le volume et les sons.

Utilisation d'ordinateur macOS AX-first pour DeepSeek Harness : instantanés d'accessibilité avec références stables, saisie en arrière-plan, frappe Unicode, menus, applications, captures set-of-mark, OCR sur l'appareil, actions vérifiées et garde-fous sémantiques Jev (TypeSafe System One) en option — 1

Usage de l'ordinateur macOS avec l'accessibilité d'abord pour DeepSeek Harness : instantanés d'accessibilité avec références stables, saisie en arrière-plan, frappe Unicode, menus et applications, captures d'écran avec marquage, OCR embarqué et actions vérifiées — 11 outils reliés à la CLI macos-cu.

Skill de méthodologie de clonage de sites web : un arbre de décision privilégiant la source réelle couvrant les sites statiques, les sites de contenu React/Vue/Next et les fronts riches en WebGL/Canvas, la vérification obligatoire du code exécutable cité d'analyses d'IA de seconde main, et 13 scripts Node sans dépendances pour la reconnaissance de navigateur via CDP, la collecte d'assets/polices, le crawling de routes, la chasse aux sourcemaps et l'audit par différence de pixels.

Dépêche des subagents avec des profils nommés (modèle, effort de raisonnement et périmètre d’outils par tâche), contrôles de sécurité, estimation des coûts avec comparaison des économies, et un registre complet des décisions de dispatch.

Plugin d'optimisation pour DSH Desktop. Contraintes injectées seulement si utiles (zéro token au repos), en couches : texte stable dans le prompt, volatil en fin ; cache du prompt préservé. Chaque tour est classé (question/recherche/discussion/diagnostic/exécution) : pas d'édition en question ni de correctif non demandé en diagnostic ; citations de code non ouvert, négations sur des symboles non vus, exigences hors livrable : signalées ; tout code, champ ou id est expliqué en clair dès sa première apparition. Mémoire : alertes à 75 %/90 %, connaissances de projet par répertoire de travail, supprimables par id. Artefacts : contrat de tâche, journal des modifications. Tableau de bord : routage et blocs dans lume-metrics.jsonl via lume_metrics ; personas distillés de journaux ou fiches.

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Recherche communautaire, analyse de similarité et décisions d'installation/dédoublonnage/fabrication maison pour l'écosystème dsh-plugin.

Entraînement heads-up (1 contre 1) au Texas Hold’em avec adversaire IA indépendant, mémoire persistante des actions publiques et analyse des décisions.

TypeSafe Jev (modèle de décision System One) comme outil jev_decide pour DeepSeek Harness : les questions de type noul, choice et score renvoient des probabilités calibrées ; les identifiants réutilisent la couture d'identifiants de DSH ; nouvelle tentative avec repli intégré sur 429/529.