Plugins

Mémoire Markdown partagée pour DSH et d'autres agents de codage, avec capture automatique, injection de contexte pré-étape, rappel interrogeable, et auto-évolution mémoire-vers-skill via un panneau de revue.

DSCODE pour Harness Desktop : collaboration de code, mémoire de session, workflows du navigateur et gestion des tâches.

Intègre TypeSafe Jev à DeepSeek Harness pour sélectionner skills et fichiers, superviser les tâches, corriger les constats partagés, filtrer les sorties d’outils, faciliter les approbations et parcourir les étapes enregistrées. Toutes les fonctions sont désactivées par défaut.

Classe les appels d'outils en attente avec Jev (modèle de décision non génératif de TypeSafe AI) sur tools/pre-execute — les appels à haut risque jugés sûrs sont refusés, les ambigus escaladés vers une approbation — et approuve automatiquement les appels réversibles clairement autorisés sur approval/request derrière un filtrage par preuves d'arguments. Sous-classe aussi le résolveur de références de session pour que les instantanés conservent les messages notés par Jev au lieu de supprimer les plus anciens en premier. Revient au comportement d'origine en cas d'échec du fournisseur ; mode fantôme avec une commande /jev-stats ; points de terminaison TypeSafe ou OpenRouter ; 64 tests.

Moteur de décision Jev DSH｜Plugin de décision structurée orienté Agent Harness. Prise en charge native de DeepSeek Harness, prise en charge d'OpenCode et de Codex Harness via iPolloWork.

Plugin de couche de décision propulsé par Jev pour DeepSeek Harness

Plugin DeepSeek Harness qui transforme les jugements Jev en trois actions automatiques — élaguer la sortie d'outil surdimensionnée vers les segments pertinents pour la requête, filtrer les pages récupérées à la recherche d'instructions visant le modèle, et choisir la skill adaptée à l'étape suivante — plus les outils jev_ask et jev_gate, un registre de jugements qui survit aux redémarrages et un rapport /jev-status. Nécessite une clé d'API TypeSafe ; sans elle, il reste inerte et n'envoie rien.

Optimisation intelligente des tokens grâce au triage Jev System One, à l’élagage dynamique des outils et au routage vers des sous-agents.

Classe automatiquement les sessions DeepSeek Harness avec les modèles de décision Jev ou les outils Agent et ajoute un emoji d’état au titre (en cours 🚧, bloquée ⏸️, à relire 👀, terminée ✅, plan 💡, bug 🐛). Inclut la reprise fluide du cycle de vie, l’inférence Jev facultative (clé API Jev requise), la maintenance des outils du modèle et un panneau de paramètres visuel.

Usage de l'ordinateur macOS avec l'accessibilité d'abord pour DeepSeek Harness : instantanés d'accessibilité avec références stables, saisie en arrière-plan, frappe Unicode, menus et applications, captures d'écran avec marquage, OCR embarqué et actions vérifiées — 11 outils reliés à la CLI macos-cu.

Injecte à chaque tour un préambule de sélection des skills choisi par le modèle JEV local de l’espace jev-decision-kit, afin que l’agent charge uniquement ces skills sans parcourir le catalogue. Nécessite un espace jev-decision-kit configuré séparément (Python .venv, host/preface_worker.py, models/jev/head.json) ; sans lui, aucune injection n’a lieu.

Utilisation d'ordinateur macOS AX-first pour DeepSeek Harness : instantanés d'accessibilité avec références stables, saisie en arrière-plan, frappe Unicode, menus, applications, captures set-of-mark, OCR sur l'appareil, actions vérifiées et garde-fous sémantiques Jev (TypeSafe System One) en option — 1

Skill de vérification d’affirmations par le Web ouvert plutôt que la mémoire du modèle. Décompose en faits vérifiables, suit une hiérarchie de sources primaires par domaine, recherche en parallèle dans les écosystèmes nationaux et internationaux, récupère et classe les pages, puis relance avec des termes de réfutation. Donne d’abord la conclusion, avec URL complète et emplacement de citation pour chaque assertion, et sépare non vérifié/indécidable du confirmé. Avec une clé, trois jugements peuvent utiliser TypeSafe Jev (System One) ; sinon les règles déterministes s’appliquent. Le verdict du modèle ne peut que diminuer le niveau de confiance.

TypeSafe Jev (modèle de décision System One) comme outil jev_decide pour DeepSeek Harness : les questions de type noul, choice et score renvoient des probabilités calibrées ; les identifiants réutilisent la couture d'identifiants de DSH ; nouvelle tentative avec repli intégré sur 429/529.

Utilisez le paradigme de modèle de décision Jev (System One) avec n'importe quel LLM compatible OpenAI — aucune clé TypeSafe requise. Enregistre un outil jev_decide qui renvoie en un seul appel des réponses à distribution de probabilité pour des questions typées (choix/score/booléen).

TypeSafe Jev comme service Cordis de premier ordre et trois outils visibles par le modèle pour DeepSeek Harness — hors ligne par défaut, sortie réseau divulguée, jamais activé par défaut.

Affiche dans le chat DSH les plans de tâches choisis par JeV, les avancées et les résumés par étape, avec traduction native ou résumés légers. Clé JeV requise; le service Jev est appelé en externe et peut être payant. Inclut des flux de tâches hiérarchiques séquentiels/parallèles.

Workflow multi-agent en chinois pour DeepSeek Harness : fallback de modèle par rôle, plans de tâches Mermaid versionnés, revues indépendantes Agent/Jev, collaboration durable d’experts et outils de calcul à fonctions pures.

Ajoute des conseils TypeSafe Jev destinés aux humains dans les questions à choix multiple de DSH. À la demande par défaut, avec requêtes automatiques facultatives. Fournit recommandations, probabilités, confiance, alertes de résultat serré, suggestions copiables, adoption en un clic, dispositions de cartes par profil et préférences de décision temporaires. L’aperçu facultatif masque les identifiants courants ; inclut aussi des contrôles de santé locaux et des exports de diagnostic assainis.

Pipeline de reconnaissance d’intention à cinq couches (règles, recherche pgvector, score Jev, arbitrage affiné, secours LLM), avec interface de gestion des scénarios, stockage PostgreSQL et services API distribuables.

Provider navigateur pour DeepSeek Harness : exécute une tâche web étape par étape dans un vrai navigateur en consultant une table indexée des actions possibles, plutôt que HTML ou captures. Une décision Jev groupée par étape, sans tour complet du modèle ; benchmark repo : médiane 1,1 s contre 2,8–3,6 s par tour de chat. La conversation ne reçoit que la conclusion et son contexte ne grossit pas avec la page. Les cibles viennent de la page lue et toute page modifiée est relue avant action. Utilise le navigateur de Session et laisse votre Chrome quotidien intact, sauf passage en attach mode.

Plugin DSH de sélection automatique du niveau de raisonnement : le modèle Jev System One juge la quantité de réflexion que mérite chaque message, déduit le palier à partir des niveaux déclarés par le modèle, une enveloppe de contexte permet aux relances comme « continue » d'hériter de la profondeur du sujet, les égalités se tranchent vers le haut et tout échec réutilise silencieusement le niveau d'origine. | Effort de raisonnement piloté par Jev pour chaque message : échelles par modèle déduites de ce que chaque modèle annonce, enveloppe de contexte à taille fixe pour que les relances héritent de la profondeur du sujet, égalités tranchées vers le haut, repli silencieux sur tout chemin d'échec.

Couche de décision pour dsh : jugements typés indépendants du fournisseur (Jev d’abord), derrière les points de contrôle des outils, le routage du modèle, l’évaluation des résultats et l’approbation machine.

Compression du contexte évaluée par Jev pour DeepSeek Harness : conserver les messages importants et compresser les autres.