Plugins

Mémoire automatique à la Claude Code, nativement : fichiers de mémoire typés (user/feedback/project/reference) avec un index MEMORY.md injecté automatiquement dans le prompt système (aucune empreinte quand il est vide) ; memory_write/read/list/delete suivent les règles d'écriture de Claude Code (déduplication et mise à jour, dates absolues, liens croisés) ; couches à l'échelle du workspace et de l'utilisateur, verrouillage de fichiers entre processus avec récupération des verrous orphelins, Markdown simple sur disque, aucun service externe, aucun embedding.

Liste des composants du package Semi Design partagé par les plugins DSH de tnnevol. Le bouton `Semi UI` dans l’en-tête d’une conversation ouvre 35 composants et une page de cas multi-comptes. Ils sont répartis en sept groupes latéraux, des entrées, formulaires, sélecteurs et arbres aux tableaux, cartes, superpositions et retours ; chaque composant est rendu en direct avec une description d’une ligne et un plan de page. Aperçu en thème clair, sombre ou selon le système. Installation npm : `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Contrôle à distance pour le Web dsh à partir d'un navigateur de téléphone : le plugin ajoute un panneau de paramètres intégré au harnais (onglets de mode cloud/auto-hébergé, connexion au compte, démarrage/arrêt du pont, commentaires) avec des itinéraires de relais à distance de même origine/dsh ; le pont de bureau et le routeur-relais auto-hébergé dans ce référentiel tunnelisent le Web dsh local vers un téléphone PWA avec authentification par clé d'accès, une liste d'appareils en direct et des quotas de trafic facultatifs.

Pilotez dsh web sur téléphone, partout sans IP publique : relais cloud sur 4G ou routeur auto-hébergé. Une commande installe le pont desktop et son panneau Réglages (cloud/auto-hébergé/WeChat, connexion, contrôle du pont, retours). Tunnel E2EE téléphone↔desktop ; QR/lien à usage unique autorise le desktop sans ressaisir le mot de passe. Inclut relais HTTP/WebSocket, clé d’accès, liste d’appareils en direct et quota facultatif. Le bot WeChat lié par QR signale les tâches terminées/en erreur/arrêtées ; répondre par un chiffre valide ou refuse une décision et poursuit la tâche. Messages WeChat uniquement entre Tencent ilink et pont local, jamais via le relais.

Checklist des composants du paquet Semi Design partagé utilisé par les plugins DSH de tnnevol, ouverte depuis un bouton `Semi UI` dans l'en-tête d'une conversation : 35 composants plus une page de cas multi-comptes, organisés en sept groupes de la barre latérale allant des champs de saisie, formulaires, sélecteurs et arbres aux tableaux, cartes, superpositions et retours d'information, chacun rendu en direct avec une description d'une ligne et un plan de page, avec aperçu clair, sombre et selon le système. Installation depuis npm avec `dsh plugin --profile web add @tnnevol/dsh-semi-ui-showcase`.

Mémoire Markdown intersessions LLM-Wiki/`SOUL.md`. Par défaut, injection au démarrage après le premier message utilisateur et dans la session active uniquement. Comprend remember/recall/consolidate/forget, skill et pack/unpack. Un budget boot-block protège l’index ; `last_access` est enregistré. Tableau de santé en lecture seule, index déclaratif, graphe, filtres et `checkup`. Requiert format de session v4 (DeepSeek Harness officiel 0.1.7+) et source kind producteur `plugin:memory` dans les messages injectés. v0.13 déclare `engines.dsh` compatible avec la série officielle 0.2.1-rc.5 et refuse les hôtes antérieurs. Review now envoie immédiatement un seul bilan de croissance (`growth-now`) via `POST /api/memory/control`, en respectant le speech floor partagé.

Pack mobile-first d’améliorations de l’interface Web DeepSeek Harness : onglets de sessions actives façon Chrome, ouverture/fermeture par balayage de la barre latérale plein écran, panneau superposé, récents quand elle est repliée, changement de session sans focus clavier, adaptation viewport/clavier IME, retour tactile, défilement interne du code et des tableaux, menu d’autorisations masqué, réglages plein écran avec mémoire d’onglet, pulsation d’état via compositeur et protection contre le glisser-déposer involontaire, parmi 14 fonctions. Chacune se règle indépendamment dans Paramètres → QoL, prend effet immédiatement et est conservée par navigateur dans localStorage. CSS/JS côté client uniquement ; règles mobiles limitées à 768px et moins, sans effet sur ordinateur.

Sélectionnez directement des éléments du navigateur pendant le Vibe Coding et envoyez un retour visuel structuré à l'agent DeepSeek Harness.

Revue de plan avec des annotations ancrées et un retour structuré vers l'agent.

Mémoire d’expérience et réflexion pour agents DSH : extrait automatiquement des leçons candidates après les tâches et rappelle lors des tâches ultérieures pertinentes celles validées par l’utilisateur. Prise en charge de la provenance, récupération par projet, conflits, retours d’usage et révision d’expiration. Capture et rappel ont des commandes distinctes ; écrire dans AGENTS.md exige aperçu et application explicite. Guide de première utilisation en 4 étapes dans les réglages.

Base de connaissances selon le motif Karpathy LLM Wiki pour DSH : compétences wiki-write/wiki-search, pipeline sans dépendance (lint/index/synchronisation mémoire mnemon/retour qualité), plugin de cycle de vie minimal injectant schéma + aperçu des connaissances, rappel sémantique SiliconFlow via un proxy compatible Ollama.

Banc de travail scientifique reproductible : cellules pilotées par agent, figures en ligne avec retour/réexécution, provenance par manifeste, instantanés d'environnement et compétences de figures niveau publication (9 outils bio_* + interface du banc de travail).

Réviseur de réponses agentique pour DeepSeek Harness : un LLM distinct réévalue chaque réponse finale de 1 à 100 ; sous le seuil, il renvoie l’agent avec des commentaires concrets. Le score apparaît dans une pastille sur la ligne d’actions (vert : validé, rouge : à corriger), avec le nombre de tentatives et le motif au survol. La configuration en direct est accessible dans l’onglet Reviewer 配置, via un serveur HTTP 127.0.0.1 ou un onglet latéral facultatif de dsh-better-sidebar.

Ajoute un outil de capture d'écran plus deux points de capture automatique optionnels, plaçant l'écran dans la conversation sous forme de bloc image ; nécessite un modèle capable de traiter les images.

Quatre compétences de workflow GitHub pour triage PR, retours de revue, diagnostic GitHub Actions, et publication sûre de PR en draft, réutilisant les capacités DSH existantes avec fallback gh/git.

Associe l'audio système analysé localement à des effets de conversation réactifs à la musique, des jugements de jeu de rythme, un retour de score et de combo, et des barres de spectre RGB optionnelles dans DSH Web.

Mémoire DSH en Markdown. Enregistre chaque jour les échanges réels utilisateur/assistant sans appel au modèle; un LLM les résume dans le prompt système à chaque tour. Recherche locale CJK bigram + BM25 en 3 niveaux (index/résumé/texte complet), ne récupère que le détail demandé. Les entrées P0 et utilisateur ne changent jamais automatiquement; l’oubli marque stale sans supprimer, avec audit dans status.md. Six outils : recall/write/status/extract/feedback et bibliothèque de skills. Une carte signale les groupes prêts pour un skill; clic crée SKILL.md, installé après accord. Apprentissage activé par défaut avec le modèle de conversation. Le coupe-circuit arrête le LLM, pas la capture. Erreurs dans prompt et status.md. JavaScript pur, sans dépendance runtime hors packages Harness.

Retour sonore pour l’interface Web de DSH : les clics sont classés par sémantique (normal, primary, toggle, send, close, danger, link) et les transitions de tâche de la session (started, finished, failed) ainsi que les interactions en attente déclenchent un signal. Chaque scénario dispose de son sélecteur et d’un interrupteur dans une page de paramètres. Les 78 signaux et les 12 packs sont synthétisés dans le navigateur avec Web Audio API : le paquet ne contient aucun fichier audio et n’effectue aucune requête réseau. Port communautaire de dsh-plugin-uisfx vers DSH 0.2.0, avec les modifications consignées dans PROVENANCE.md.

Un essaim matriciel de sous-agents qui route des tâches hétérogènes vers le modèle le plus adapté depuis une passerelle de type OpenRouter et cfgpu.com/llm/square, exécute chaque tâche via des sous-agents en processus ou des appels LLM directs, et suit la consommation de tokens par modèle avec un classement piloté par le feedback.

RAG à double graphe de connaissances pour notes Markdown avec décroissance de mémoire half-life : graphes de prérequis et de similarité (parcours P/S-Agent), découpage en paragraphes, recherche hybride n-gram/embedding, et boucle explicite de rétroaction pondérale — plugin natif Cordis, installable via npm comme @eqman00003/knowlp-rag.

Personnages liés au model et monde partagé pour DeepSeek Harness : persona/mémoire modifiables, journaux AI et consolidation du sommeil facultatifs, commandes chinois/anglais, mascottes desktop adaptées aux tâches, thèmes et statistiques; les mises à jour préservent les réglages. Windows/Linux/macOS; prérequis par système dans le guide. Journaux/consolidation consomment des tokens. Fermer mascottes/bulles visibles avant installation/mise à jour est conseillé (des fichiers ouverts peuvent faire échouer l’installation). Requêtes de compte Codex/OpenAI API validées par des utilisateurs; autres sources en attente de validation/feedback.

Panneau de sources dans la conversation DSH Desktop : le modèle de chat courant lance des recherches LLM ; candidats en cartes compatibles GitHub. Retours keep/exclude, favoris et sources sélectionnées restent dans la même conversation.

Équipe d’assemblage mémoire pour DeepSeek Harness : chaque message déclenche une boucle cognitive en cinq étapes (judge, retrieve, assemble, feedback, calibrate), portée par des subagents aux rôles judge, retriever, archivist, advocate, editor et scribe. Recherche BM25, matériaux ordonnés par date et assemblage LLM forment des dossiers injectés dans linghun. Fonctionne avec dsh-linghun.

Plugin natif DeepSeek Harness : envoie chaque prompt au pipeline local de capture agent-feedback-loop et injecte les règles récurrentes compilées dans le contexte.