Plugins

Fournisseur LLM Command Code non officiel : enregistre une route `commandcode` avec un catalogue de modèles en direct et la prise en charge du reasoning-effort.

Skin de curseur de reasoning adaptatif qui associe les niveaux d'effort de raisonnement disponibles de chaque modèle à une échelle d'intensité visuelle de 0 à 30, avec des portraits, un arrière-plan et des couleurs d'interface synchronisés.

Agrégat de fonctionnalités de bureau qui installe la collection DSH Web UI, dshmarket, Codex Connect et les contrôles de reasoning-effort à des versions fixées.

Curseur d'intensité de reasoning façon Codex pour DSH, ainsi qu'un curseur « gros poisson qui court ». Curseur de modèle et de reasoning-effort façon Codex pour DeepSeek Harness.

Connexion au compte ChatGPT pour DeepSeek Harness via un flux OAuth du navigateur Codex, sans clé API et sans sélection d'espace de travail : abonne la connexion au fournisseur Codex de pi-ai, permet de définir le modèle Codex et le reasoning effort par défaut globaux pour les nouvelles sessions, actualise la liste des modèles depuis l'endpoint de catalogue du compte connecté et affiche dans le composeur les fenêtres d'utilisation de cinq heures et hebdomadaire.

Laissez vos idées circuler librement — Tydora est un éditeur Markdown de bureau moderne combinant édition WYSIWYG, liens bidirectionnels, cartes mentales et un canevas infini, favorisant une réflexion approfondie et une expression sans effort.

Configurer les niveaux d'effort de raisonnement et défauts de sous-agents pour les modèles DSH personnalisés.

Configuration par modèle de l'effort de raisonnement et de la modalité d'entrée pour les fournisseurs tiers : suggestions fusionnées depuis une base de connaissances de modèles et preuves brutes du endpoint /models, avec labels de confiance, éditées dans la carte officielle de la page Models.

Curseur d'effort de raisonnement style Claude Code pour l'interface web DSH : glissement continu, ajustement au relâchement, traînée de feu WebGL et contrôle réel et fonctionnel de l'effort de réflexion pour tout modèle ou fournisseur tiers personnalisé.

Liang Saint Slider comme sélecteur de modèle et d'effort de réflexion pour DeepSeek Harness.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Page de réglages pour les capacités par modèle : niveaux d'effort de raisonnement avec leurs orthographes de wire, modalités d'entrée et capacités en token, écrits comme déclarations ou overrides de catalogue sparse.

Optimiseur reasoning_effort par tour pour dsh — rétrograde automatiquement le raisonnement pour les appels d'outils simples et le relève pour les travaux lourds, réduisant le temps de réflexion entre les appels d'outils.

Contrôle par tour du niveau de réflexion (reasoning_effort) pour DeepSeek Harness : Auto planifie low/high/max selon l'historique récent des tool calls, ou permet de fixer un wire level (off/on/minimal/low/medium/high/xhigh/max), avec mappage wire personnalisé, garde de capacités par modèle et préréglages de fenêtre de contexte (64K–1M) ; sa capability card s'associe à [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installable depuis dsh-market) pour tester le raisonnement avec des passerelles compatibles OpenAI (vLLM / LM Studio / auto-hébergées). La carte écrit les capacités llm-pi-ai, l'adaptateur pilote le wire (compat.thinkingFormat) et le plugin maintient la liste de takeover.

Tableau de tâches par session dans la barre latérale : glisser les sessions dans les colonnes todo/doing/review/done, créer des sessions avec sélection de modèle et d'effort de raisonnement, corbeille avec restauration, notes, export/import.

Serveur ACP amélioré pour DeepSeek Harness : streaming de blocs et de raisonnement, télémétrie d'utilisation, commutation de modèle/effort, préréglages de permissions, reprise/archive de session, serveurs MCP par session, et transfert de fichiers/terminal Zed.

Fournisseur LLM NewAPI (passerelle compatible OpenAI) : enregistre une route `newapi` avec découverte de modèles limitée au chat, remplit automatiquement les paramètres du modèle (fenêtre de contexte, effort de raisonnement) depuis models.dev, et ajoute une section de paramètres web pour l'URL de base et la clé API.

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.

Fournisseur de modèles Kiro avec connexion via Builder ID, Identity Center, Google, GitHub et import d'identifiants, actualisation automatique des jetons et profils, utilisation du compte, découverte des modèles en direct, efforts de raisonnement sélectionnables, appels d'outils en flux, gestion de la raison d'arrêt du fournisseur et du débordement de contexte, et comptabilité des jetons qui utilise les compteurs exacts de Kiro lorsqu'il les envoie et sinon met à l'échelle le pourcentage d'utilisation du contexte qu'il envoie selon la fenêtre annoncée du modèle.

Un niveau de réflexion stocké par fournisseur et modèle, pour que l'effort de raisonnement survive à la session dans laquelle il a été défini et atteigne aussi les sous-agents, ce que dsh ne demande jamais. Le sélecteur intra-session prévaut toujours, et un modèle sans ligne garde son défaut de fournisseur.

Curseur d'effort de raisonnement façon Codex intégré au sélecteur de modèle.

Supervise un processus local de la passerelle workbuddy2api et expose ses modèles comme fournisseur LLM, en lisant les fenêtres de contexte et les niveaux d'effort de raisonnement depuis le propre endpoint de modèles de la passerelle.

Chat par abonnement OpenCode Go pour DSH avec sélection par modèle du protocole Completions, Responses ou Anthropic, découverte des modèles, contexte, métadonnées vision et réflexion, valeurs par défaut d'effort et compteurs d'usage.

Fournisseur de modèle DSH pour le CLI AGY authentifié localement : découverte de modèles Gemini/Claude, effort de raisonnement indépendant, outils appartenant à DSH, gestion délimitée du contexte et des résultats d'outils, et streaming sûr pour Windows. Signalez les problèmes dans GitHub Issues : https://github.com/darkings/dsh-agy-provider/issues.