Plugins

Répond par une explication visuelle HTML d’une page : brouillon Markdown bref, puis le CLI am crée diagrammes de flux, séquence, arbre, chronologie et ER, tableaux et encadrés.

Exploration de l'architecture AGI en boîte blanche : métacognition (boucle d'auto-cognition), apprentissage continu (volant d'inertie des connaissances), modèle du monde (espace de conditions, graphe de mémoire spatio-temporelle), auto-amélioration (discipline bootstrap), pipeline en boîte blanche zéro-LLM et garde-fous de confiance auditables.

Mémoire de projet uniquement locale, sans dépendance d'exécution intégrée ni service externe : JSON comme source de vérité plus un PROJECT_MEMORY.md généré, Hot Memory bornée en tokens et figée par session pour la stabilité du cache de préfixes de prompt, rappel BM25 inter-projets mis en cache, provenance fiable de session/tour, gouvernance explicable des doublons/conflits avant écriture, cycle de vie éditable importance/épingle/étiquettes/remplacement/archivage, distillation configurable en fin de tour de haut niveau, et une GUI web bilingue pour la recherche, l'inspection, le diagnostic et les réglages en direct.

Mode d'apprentissage local-first : fils d'apprentissage inter-sessions avec explications par source.

Mode d'apprentissage qui explique chaque étape de l'agent (en cours de développement).

Page Skill cockpit dans la navigation de l’app DSH (emplacement sidebar.panellist) : liste les skills réellement exposées sur cette machine pour les six types de racines, explique l’invisibilité (raison d’exclusion, racine manquante ou désactivation) et active/désactive une skill en renommant seulement son fichier d’entrée (SKILL.md / SKILL.md.disabled). Les racines de skills du projet restent en lecture seule.

Mode de codage Codex compact pour DSH : garde-fous légers pour éviter que GPT ne soit trop verbeux, avec un prompt modifiable et des outils natifs de type Codex.

Sélectionnez n'importe quel texte dans une conversation et appuyez sur le bouton Explain pour obtenir une bulle d'explication Markdown en streaming, avec des questions de suivi récursives.

Skill qui structure avant recherche : sépare prémisses, définitions et unités d’analyse ; choisit un plan (verdict, explication, causalité, comparaison, carte ou fiche métrique), confirme angle/faisabilité, puis répond en chinois ou anglais sans imposer vrai/faux. Ne se fie pas à la mémoire du modèle : recherche en parallèle dans plusieurs pays, récupère et évalue les sources primaires par domaine (politique, science, santé, finance, catastrophes, sécurité alimentaire, éducation, justice, etc.), relance avec des termes de réfutation et relie chaque affirmation à une URL complète et à sa position de citation. Avec une key, trois jugements peuvent aller à TypeSafe Jev (System One), sinon règles déterministes. Le modèle ne peut que réduire la confiance.

Sélectionnez du texte dans l’interface Web DSH pour obtenir en flux sa traduction et son explication dans le contexte de la conversation d’origine. Le panneau conserve un historique rejouable, convertible en session complète.

Coach de révision de go : analyse les fichiers SGF, complète les estimations de taux de victoire et de score avec le moteur KataGo intégré, explique dans le chat les coups coûteux et écrit les commentaires dans une copie SGF. Un panneau Web affiche le goban, les coups problématiques, les choix de l’IA et les variantes.

Battement autonome par agent racine : compare TODO, tableau Agent Team et goal au dernier état. Il ne signale que L1 (rapport), L2 (ask_user_question) ou L4 (escalade) et ne démarre jamais de travail. Message avec motif, ligne facultative d’état physiologique et tâche (max. 800 caractères). Déduplication, heures calmes, budget quotidien, délais après contact/redémarrage, état persistant ; les follow-up ne s’empilent pas. Partage avec dsh-plugin-memory le tour advisory de ~/.dsh/proactive-cooldown.json (180 s). Silence pendant le travail d’un sous-agent/équipier ; nombre affiché, polling suspendu onglet masqué. v0.8 ajoute le diagnostic des impulsions et du détenteur du tour, avec réglages de fenêtre, présence et ligne physiologique.

Plugin de mode d'apprentissage Feynman : boucle enseigner → reformuler → évaluer → réexpliquer, rendue en fiches de cours HTML riches (diagrammes mermaid + coloration syntaxique shiki).

Validation JSON Schema : validation/chemins/explication/normalisation.

Testez/extrayez/remplacez en toute sécurité/expliquez statiquement des regex, sans exécuter de code.

Sélectionnez du texte dans toute application Windows pour l’expliquer, le résumer, le traduire ou le lire à voix haute avec DeepSeek Harness. La réponse s’affiche en streaming dans une superposition toujours au premier plan avec menu capsule horizontal.

Ajoute un bouton Explain à la carte d’approbation : un seul appel modèle renvoie exactement trois lignes sur l’opération en attente, les fichiers ou états lus/écrits/modifiés/exécutés, puis un verdict risqué/attention/sûr avec une phrase de justification. Affiche aussi les détails des appels write/edit, laissés vides par le rendu qui ne lit que command.

Explique localement les exécutions d'agent DeepSeek Harness en échec, puis produit un plan de reprise expurgé. Aucun modèle requis.

Garde anti-injection de prompt sensible à la source pour DSH : suit le contexte de tour non fiable, détecte les signaux d'injection, score les cibles sensibles et bloque les appels d'outils à haut risque avec des journaux d'audit explicables.

Mémoire locale bornée avec contrôle d'autorité CBDC : affirmations SQLite + FTS5, rappel ciblé avec des décisions explicables d'usage/vérification/ignorance et une piste d'audit complète, commandes /memory, ≤3 affirmations/1200 caractères injectés par appel, aucun appel modèle supplémentaire.

Adds a Chinese end-of-line comment to every line of code shown in a DSH tool card - grey for the call being made, blue arrows for code in the output - written instantly by a local rule set and, for lines the rules cannot judge, by the current session model; a header toggle returns the block to plain code, and credentials are masked before anything is sent or cached.

Database workbench inside DSH: import the connections DBeaver already stores (data-sources.json, decrypting saved passwords locally) or register SQLite, PostgreSQL, MySQL and Oracle sources by hand, then hand them to the agent through eight mcp__db__ tools — list_datasources, list_tables, describe_table, sample_rows, execute_sql, explain_query, get_ddl and test_connection. Sources start read-only; one global switch enables INSERT/UPDATE/DDL, every call is row-capped and appended to a JSONL audit log. Also covers groups, bulk actions, a read-only schema browser and a bundled Python MCP server whose dependencies install from the panel. No DSH files to edit.

Transforme les flux de code en diagrammes Mermaid liés aux sources et en explications interactives CodeWalkthrough.

Crée une vidéo explicative narrée à partir d’un script. Par défaut, diapositives en cartes de texte (rapides et précises pour les tutoriels) ou séquences générées par IA pour chaque segment (AGNES_API_KEY requis). Comprend 14 voix neuronales chinoises en ligne et 3 voix hors ligne Windows, avec un pack d’échantillons à générer en une commande pour les comparer. ffmpeg requis. Pour les voix en ligne, copier le skill fourni video-remix vers `<workspace>/.dsh/skills/video-remix` et y lancer npm install.