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.

Ajoute au sélecteur de modèles natif de DSH un curseur animé d’effort de raisonnement DeepSeek Chan, suivant les niveaux déclarés par le modèle et dont l’animation accélère pendant le glissement.

Transforme la ligne officielle de reasoning-effort en curseur continu : dégradé bleu-violet, ciel étoilé aux niveaux élevés et texte de la valeur officielle teinté selon le niveau actuel. Off reste gris et aucun texte officiel n’est réécrit.

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.

🌹 Enregistrez vos prompts répétitifs et fastidieux. Un clic les insère dans le compositeur et vous évite de les retaper.

Connecte ChatGPT à DeepSeek Harness via OAuth navigateur Codex, sans API key ni Workspace. Enregistre pi-ai Codex, définit modèle/raisonnement par défaut, actualise le catalogue et affiche l’usage sur cinq heures et hebdomadaire.

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.

Réunit dans un seul sélecteur les modèles de WorkBuddy (multi-comptes personnel, édition entreprise et WorkBuddy AI internationale), Qoder CN et Trae CN. Partage l’historique des conversations, affiche les multiplicateurs de crédits en direct et règle le reasoning effort par modèle ; utilise la plus grande fenêtre de contexte annoncée par l’édition internationale et propose un pointage quotidien si le canal le permet.

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

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.

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.

Thème inspiré de Claude Code Desktop pour DeepSeek Harness Desktop 0.2.0-rc.2 sur macOS et Windows : barre latérale et chat compacts, thèmes clair et sombre, commandes de modèle et reasoning-effort, et baleine pixel interactive qui souffle, bondit et remue la queue à l’ouverture d’une session.

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.

Améliore l’expérience modèle : plusieurs moyens de renseigner les paramètres, compatibilité accrue, mémorisation de l’effort de raisonnement, sous-agents suivant en temps réel le modèle et l’effort du parent, et ajustement de l’effort par l’IA.

Remplace le bouton de modèle du composeur DSH par un panneau à deux niveaux (fournisseurs, puis modèles recherchables) avec curseur continu déplaçable d’effort de raisonnement : remplissage bleu-violet, nébuleuses et étoiles aux niveaux élevés, couleur propre à chaque niveau. Choisir un modèle garde le panneau ouvert et place le curseur sur son niveau médian. Démarré à partir de Microqian2th/dsh-codex-effort-slider 1.0.0 (crédit dans README) ; panneau, prise de slot, suite de tests hors ligne et documentation sont nouveaux.

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.

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

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 sélecteur d’effort similaire à Codex pour Deepseek Harness.

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.

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.

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