Plugins

Pilote de navigateur discret pour agents IA : peu d’outils, contrôle complet et efficacité des tokens.

Inclut 27 skills d’ingénierie et de productivité (mattpocock/skills v1.3.1), sans installation manuelle. L’auteur affirme l’avoir construit avec 40 milliards de tokens et multiplier par 10 l’efficacité de développement des skills d’origine. Aide les débutants à prendre la collection en main plus vite. GitHub Issues est entièrement pris en charge ; Markdown est en aperçu et GitLab n’est pas encore compatible. Merci pour votre utilisation et votre soutien.

Filtre les sorties, purge le contexte périmé et révèle les skills à la demande dans DSH 0.2.1-alpha.1.

Plugin mémoire DSH maison : stockage persistant SQLite + garde d'audit au niveau base de données (enforceAudit) + journal d'audit. Capture automatiquement les connaissances après les conversations, les agents se souviennent via memory_recall, prise en charge du partage multi-agents Claude Code/Codex/Cursor. Zéro dépendance externe.

Analyse l'usage entre modèles, fournisseurs, espaces de travail et périodes, avec dates personnalisées sur tout l'historique, cache-hits visibles et ventilations par modèle/fournisseur. Comprend tendances horaires/jour, carte de chaleur de 53 semaines façon GitHub, séries, anneaux de tokens par modèle et espace (tokens, coût, %), filtres combinables, efficacité du cache, solde DeepSeek, alias d'espaces, export CSV, et un grand livre durable qui conserve l'usage après suppression de session ou d'espace (ligne Deleted), reconstruit de façon incrémentale. Registre des espaces rafraîchi via la sonde DSH domain/changed ; seuls les espaces enregistrés comptent. Comptabilité séparée : entrée, cache, raisonnement. Chinois : heure locale ; anglais : UTC ; API en loopback uniquement.

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.

Compression de dialogue en place par courbe d'oubli pour DeepSeek Harness : les tours récents restent textuels, les tours moyens sont structurellement déshydratés (sans LLM), les tours anciens se replient dans une paire de résumés bornée — conversations illimitées sur un budget mémoire borné.

On-demand memory for DeepSeek Harness: session logs are distilled into layered markdown (a summary, an index and per-topic files), and a mem_query tool returns only the matched entries rather than the whole index. Nothing is injected per turn, there are no dependencies, and every entry keeps a source pointer back to the conversation it came from.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

A DSH conversation workspace: turn actions, provenance quotes, local notes and summaries, in-conversation find, focus lock, and per-workspace command buttons.

Multi-agent frugality defense plugin: read-ledger dedup metrics, compaction-immune rules, completion gate, cheap-model review lane.