Plugins

Transforme l'expérience explicite de session DSH en brouillons Skill natifs révisables qui ne sont enregistrés qu'après approbation de l'utilisateur.

Prise en charge des espaces de travail WSL pour DeepSeek Harness — profitez d'une expérience d'espace de travail WSL transparente sans avoir à installer dsh à l'intérieur de WSL. Une fois ce plugin installé, vous pouvez ajouter directement un espace de travail WSL depuis l'interface graphique.

Panneau de gestion de taverne pour DeepSeek Harness : cartes de personnage, worldbooks et presets avec isolation par session, résumés de mémoire, toile de relations entre personnages, options d'intrigue en un clic et mode NSFW. L'expérience complète nécessite aussi les plugins compagnons dsh-muv-engine et dsh-muv-table, qui affichent la barre d'état, les options d'intrigue et les tables de variables.

Amélioration de l'expérience de saisie : saisie vocale, polissage IA, anti-écrasement, optimisation des prompts avec aperçu diff, et changement automatique de locale selon la langue de l'interface DSH.

Système de workflow d'ingénierie pour les agents de codage IA — planification obligatoire, TDD, vérification, revue et analyse intelligente du graphe de la base de code.

Détecte les problèmes UX potentiels de votre projet : passe en revue automatiquement le code React/TypeScript, localise chaque problème et propose des suggestions concrètes.

Mémoire de projet pour dsh avec intégration native au système de tâches : les todos de session et les lectures de fichiers sont condensés automatiquement en enregistrements de tâches inter-session (liens tâche↔fichier), afin que les workflows puissent être repris et réutilisés sans recontextualisation. Mémoire à la lecture (pas de scan préalable) : extrait les symboles de code, résume les docs et relie docs↔symboles ; enrichissement sémantique TS optionnel (activé automatiquement si TS est installé). Les notes d’expérience sont dédupliquées automatiquement. Chaque rappel inclut une citation traçable. Pure JS, une seule dépendance, fonctionne immédiatement, fonctionnement silencieux, surcharge nulle.

L'organe de mémoire d'Agent-Body : après 2 minutes de silence il passe en sommeil léger et après 5 minutes en sommeil profond, où des règles déterministes distillent l'expérience réelle en cartes de mémoire (pièges, playbooks, points chauds, problèmes non résolus, faits). Les commandes entrantes rappellent les cartes liées par mot-clé et les injectent dans le contexte ; les cartes inutilisées décroissent selon une demi-vie et sont archivées plutôt que supprimées. Il débruite aussi les avertissements d'homéostasie du corps entier : les répétitions dans une fenêtre sont comptées au lieu d'être réimprimées, et un avertissement qui revient sans jamais guérir converge vers un décalage d'état stable connu et se tait. La consolidation et le rappel ne font aucun appel de modèle.

Expérience d'édition de style VSCode pour DeepSeek Harness : un éditeur de fichiers central basé sur Monaco (onglets, ouverture rapide Ctrl+P, barre d'état) et revue interactive des différences des résultats d'édition/écriture de l'agent avec Keep/Undo par changement, restauration et archivage, persistants après redémarrage.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Installe le runtime browser4-cli et enregistre les compétences Browser4 (browser4-cli, browser4-experience, browser4-plugin, scent-miner) dans le registre de compétences DSH, fournissant un moteur de navigateur natif IA pour agents autonomes, extraction intelligente et automatisation web à grande échelle.

Plugin DeepSeek Harness qui se connecte à un serveur PowerContext via HTTP pour le rappel, la mémoire, le transfert de contexte, l'expérience et les skills.

Apportez l'expérience de chat web/app de deepseek.com à DSH : éditez votre prompt et régénérez les réponses sur place, avec un pagineur de versions <i/N> par message (modèle en arbre, stable entre les conversations).

Rétrospective de session automatique : à la fin d'une conversation, distille l'expérience utile en compétences réutilisables stockées dans la bibliothèque de compétences pour que le modèle les appelle, avec déclencheurs accélérés par signaux, exécutions manuelles, un mode d'approbation et la gouvernance de la bibliothèque (archiver/restaurer, jamais de suppression directe).

Suite de discipline d'exécution pour DSH avec interception des tentatives identiques, réflexion forcée, application des todo, déduplication de la mémoire et promotion de l'expérience en compétence (11 plugins + 6 compétences).

Agent Experience Network local-first pour DeepSeek Harness, distillant les expériences au niveau des tâches à partir de traces et de manifestes live, notant selon des preuves H0-H4, découvrant par compatibilité et ne promouvant qu'après revue explicite.

Permet aux modèles textuels uniquement de gérer les images collées dans le chat, avec une expérience de vision native, la visualisation d'images par lot et un outil analyze_image intégré compatible OpenAI ; les modèles capables de vision ne sont pas affectés.

Un noyau de jugement pour DeepSeek Harness : une boucle cognitive qui donne une source et une attribution à chaque décision et mène la planification jusqu'au bout, une mémoire hippocampe qui condense l'expérience en connaissances réutilisables, et une carte de persona personnalisable (nom, personnalité, style de communication). Nécessite DSH ^0.1.0-rc.7.

Remplit automatiquement les champs d'effort de raisonnement, de fenêtre de contexte, de limites de sortie et de modalité d'image pour les modèles de fournisseurs non officiels (personnalisés), avec les données de models.dev, et apporte des améliorations d'expérience comme le renforcement de la compatibilité et la mémorisation de l'effort de raisonnement.

Ajoute une section Store native aux Paramètres DSH pour la recherche de catalogue, le filtrage par tags, le tri, l'installation et la gestion des plugins installés.

Planification de tâches avec une mémoire musculaire de l'expérience : rappel réflexe conditionné de solutions passées, mise en correspondance des capacités du LLM, et leçons persistées automatiquement.

Cross-session experience memory for DSH. Lessons are evidence-graded, injected when the turn is about the same thing, and shown just before an action only when the record declares which call it applies to. A rule that holds whatever the turn is about — "always answer in Chinese" — can be marked **standing** and is then carried every turn: measured on 24 isolated real-model turns, a standing rule is followed 6/6 against 0/18 for the controls (empty store, same record unmarked, unrelated standing record). A guess still cannot become always-on: a standing record needs a verified passage like any other. What nobody looks up is retired, reversibly. Five tools, seven slash commands, zero runtime dependencies.

Evidence-governed experience memory for DeepSeek Harness

Cipher memory platform as a DSH bundle: four memory types (attention, experience, preference, cognitive) sedimented per turn by four memory agents, cross-session deterministic recall injected via systemPrompt.context, insight review kept out of user-facing output, per-session UNNI/LOOP modes with memory-driven auto-continuation, memory search/ingest tools, plus a settings page (SOUL editor) and an AgentPool panel.