Plugins

Skin d'océan en temps réel WebGPU avec des commandes rapides pour les vagues, la lumière du jour, l'opacité du verre et un cycle jour/nuit automatique.

Suite de plugins d'assistant de recherche (recherche documentaire, wiki de recherche, compilation LaTeX, revue indépendante par sous-agent) pour DeepSeek Harness.

Coordination GPU native d’AstrBot/DSH pour les compagnons IA locaux : LLM, IndexTTS et ComfyUI utilisent le GPU à tour de rôle, sans proxy.

Synthèse vocale locale GPT-SoVITS pour lire à voix haute les réponses de l’assistant DeepSeek Harness, avec bascule de mascotte déplaçable et installateur en un clic. Python 3.10–3.12 doit être préinstallé (l’installateur le localise seulement, il ne l’installe pas) ; environ 5 Go de disque et un GPU sont recommandés.

Boîte à outils de débogage ROS2 et analyse de vision d'état de robot pour DeepSeek Harness : énumération de node/topic/service/action/interface/TF, JSON de topologie du graphe complet, vérifications rosdep, builds à approbation validée et échafaudage de messages personnalisés, captures d'écran GUI et observation de vision multimodale, plus rendu offscreen RViz2 headless (maillages low-poly, lecture directe de pixels, passthrough GPU - rendu de mouvement à 30Hz) avec analyse temps réel VLM en parallèle.

Reconnaissance d'images volumineuses pour les modèles vision-exp : reconnaissance par tuiles 800×800 sans perte (smart/pipeline/full), OCR local avec prétraitement et routage d'écriture manuscrite, GPU multi-fournisseur en option (DirectML/CUDA/OpenVINO) avec repli CPU automatique.

Génère des images sur le GPU de l’utilisateur en mettant en file d’attente un workflow via l’API HTTP d’une installation ComfyUI locale : Z-Image-Turbo pour les brouillons rapides, Qwen-Image-2.1 pour les ressources finales et le texte lisible dans l’image. Enregistre comfyui_generate et comfyui_status et fournit un Skill sur le choix des modèles et la rédaction des prompts. Aucune dépendance d’exécution ; démarre ComfyUI sans interface si aucun serveur n’écoute.

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.

Moniteur matériel local pour DSH : tableau de bord latéral, widget CPU/mémoire/GPU/température dans le dock du composeur et outil hardware_monitor_status. Le service Python doit être installé séparément depuis la racine du dépôt avec `install-dsh.ps1` (Windows, Python 3.10) ; le plugin DSH seul laisse le panneau et l’outil hors ligne.

Ajoute un bouton d’alimentation à l’en-tête de session ; chaque action nécessite un second clic de confirmation. Le redémarrage termine le processus principal Electron via taskkill /F (sans /T) ; à la perte du canal IPC, le host se ferme proprement et un helper détaché relance le même exécutable après libération du verrou mono-instance, puis confirme la nouvelle instance par un véritable handle de fenêtre. L’arrêt ne relance pas l’application. Nettoyage au mieux des processus GPU/renderer restants. Application Windows.

Arrière-plans dynamiques et skins d’interface pour DeepSeek Harness. Comprend des skins animés natifs personnalisables et des fonds d’écran animés à télécharger depuis le marché. Basé sur Open Sea Skin (d-dev0101/open-sea-skin) : ne pas installer les deux plugins ensemble.

Consigne les erreurs d’exécution DeepSeek Harness et rétrospectives de code dans un graphe GPU interactif, puis réinjecte les leçons enregistrées dans le contexte du model.

Quatrième preset de permissions pour dsh : sessions sans restriction et compatibles GPU (danger-full-access) avec approbation utilisateur par opération pour les écritures hors espace de travail ou vers des chemins protégés (.git/**, .env*) ; implémenté uniquement comme un bundle au-dessus du hook ask officiel tools/pre-execute, sans modification du cœur.

Animal de bureau violet-blanc qui s'ancre au bord de l'écran et affiche en temps réel les températures du processeur, de la RAM, du GPU et du NVMe avec des informations sur le matériel.

Un atelier IDE ancrable pour l'interface utilisateur Web DSH : un terminal accéléré GPU (rendu restty sur un Rust PTY), un éditeur CodeMirror, un explorateur de fichiers, des notes, un navigateur en bac à sable et une recherche de contenu ripgrep.

Synthèse vocale GPT-SoVITS locale pour DSH : lit les réponses à voix haute, permet de changer de voix dans la barre latérale droite et d’en entraîner une nouvelle à partir d’un échantillon audio. Le premier lancement télécharge un moteur de 11,4 Go et nécessite un GPU NVIDIA CUDA.

Affichage en direct du CPU, de la mémoire et du GPU dans la barre d’état du composer DeepSeek Harness : badge cliquable avec panneau de détails, interrupteurs par métrique et trois fréquences d’actualisation.

Skin bleu baleine des grands fonds pour DSH Web GUI : 14 tokens de thème clair et sombre, cinq placements de la servante à queue de baleine, carte horloge/météo et panneau repliable CPU/mémoire/GPU/températures par lecteur via HWiNFO. Aucune image de fond incluse ; ajoutez la vôtre. Code et illustration sous licence MIT.

Surveillance matérielle en temps réel dans la barre latérale DSH : CPU/GPU/mémoire/disque sur une page, actualisation chaque seconde et accès à l’application concernée depuis chaque mesure. Prévoit la capacité et l’épuisement mémoire, avec alertes de seuil et export NDJSON. Node pur, zéro dépendance runtime ; toutes les fonctions sont disponibles uniquement sous Windows.

Moniteur NVIDIA GPU en direct dans la barre latérale droite web de DeepSeek Harness (dsh). Sous Linux, NVML est prioritaire avec repli sur nvidia-smi. NVIDIA uniquement, pas AMD/Intel/macOS. Affiche l’utilisation, la VRAM, la puissance et la température de plusieurs GPU, les processus et des sparklines. Installable en dsh.bundle.

Onglet de surveillance en direct style btop pour la GUI Web DeepSeek Harness : CPU, mémoire, température et GPU.

Indique l’état de Docker CLI, du contexte et de l’accès au daemon dans WSL, ainsi que l’état de `:8000 /v1/models` de vLLM et des conseils sur le runtime GPU.

Moniteur GPU flottant pour la Web UI DSH : bande compacte déplaçable indiquant nom exact, utilisation, VRAM, température et puissance de chaque GPU dédié via nvidia-smi. Reste visible au-dessus des panneaux et cartes latéraux ; liste les processus les plus gourmands en VRAM si le pilote les fournit. Sans pilote NVIDIA, affiche un indicateur n/a.

Sonde l’exécution de nvidia-smi et la visibilité du GPU dans WSL.