Plugins

Escouades multi-modèles persistantes configurées dans les Réglages et sélectionnées dans le Composer, avec des politiques de modèle et d'outils par membre. Par défaut, l'Agent principal effectue lui-même le travail simple et ne délègue que lorsque l'escouade enregistrée est nécessaire ; le travail délégué s'exécute sous forme de DAG borné avec revue et réparation facultatives. Run Center suit les nouvelles tentatives et les tokens par membre à partir des événements d'usage officiels de Harness.

Amélioration de prompts en un clic (5 modes, chaîne de mémoire, repli multi-modèles) plus reconnaissance vocale (Qwen3-ASR cloud / SenseVoice hors ligne, arrêt automatique au silence) pour le compositeur, avec redémarrage du service DSH en un clic.

Conseil multi-modèles pour DeepSeek Harness : réponses indépendantes, revues croisées anonymes et décision finale inspectable.

Connecte les comptes OAuth Google Antigravity à DeepSeek Harness, répartit intelligemment les quotas entre plusieurs comptes et prend en charge le routage LLM multi-modèle ainsi que la génération d’images avec Nano Banana 2.

Modèle par défaut configurable pour les délégations de sous-agents via settings.yaml, avec stratégies mono-modèle et multi-modèles en tourniquet ou aléatoire.

Modes personnalisés / gestionnaire d'assistants : chaque mode a son prompt système dans les réglages — un prompt personnalisé dans un fichier simple que la boucle de l'agent relit avant chaque étape, si bien qu'une modification s'applique à la session en cours dès l'étape suivante — et démarrez-le depuis la composition officielle standard / PTC / minimal / Cordis, en activant une à une ses lignes de plugins (composition propre par mode) et en le renommant à souhait. Plusieurs assistants coexistent avec leurs prompts : une machine peut garder côte à côte un assistant de codage, un compagnon de chat et un persona de jeu de rôle (RP) — une configuration multi-agents choisie par session. Les lignes intactes restent identiques octet pour octet aux livrées, conditions de plateforme incluses.

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Des revues d'advisor qui convergent au fil des tours, un mode ingénierie dont les écritures exigent un jeton de conception, l'escalade d'une tâche vers un modèle plus fort et une consultation parallèle multi-modèles ; une page de réglages édite les routes de modèle, les délais et les budgets.

Orchestrateur multi-modèles : le cerveau principal décompose les tâches complexes et répartit les sous-tâches vers des sous-agents GLM / Kimi / Qwen selon les forces de chaque modèle, avec l'usage de jetons par modèle.

Plugin de routage multi-modèles pour DeepSeek Harness : confiez les tâches spécialisées à des agents spécialisés — personnalisez des agents professionnels (vision/traduction/voix/sous-agent, etc.) et liez-les à des modèles indépendants ; connexion en un clic pour comptes multimodaux, routage de santé du pool de comptes et statistiques d'utilisation en temps réel.

Outil de vision appelable par l’agent qui décrit les images locales via n’importe quel endpoint de vision compatible OpenAI que vous configurez, avec une vérification croisée multi-modèle optionnelle et sans clé intégrée.

Plugin de débat mult modèle pour DeepSeek Harness : plusieurs IA configurées débattent du même sujet en plusieurs tours avec leur persona et un contexte partagé. Le juge pondère six axes : agressivité, logique, fidélité au personnage, intérêt, stratégie et profondeur. Le rapport qualité-prix utilise séparément le ledger réel de dsh-cost-meter. Exporte un compte rendu Markdown et docx.

Transcription vocale locale multi-modèles pour le compositeur DSH Web. L'utilisateur choisit Whistle ou Voz ; chaque modèle est téléchargé à la demande. Fourni en bundle DSH.

Profilage des capacités par modèle pour DSH : transforme l'historique des sessions locales en tableaux de bord par modèle affichant le nombre de sessions, l'utilisation des outils, les taux d'erreur et les principales signatures d'erreur, avec des filtres par plage horaire et la comparaison multi-modèles.

Pour DeepSeek Harness : enregistre des modèles, aide pour les portraits et sélectionne le modèle d'Agent depuis un catalogue sans secret.

Achemine le travail d’implémentation du modèle principal vers des modèles exécutants et recueille leurs rapports.

Workbench à trois fenêtres pour dsh web : chat, construction et revue en lecture seule côte à côte pour chaque workspace, avec hooks par fenêtre. La revue anonyme multi-modèle demande confirmation avant exécution, regroupe les constats par problème et rend un rapport Markdown.

Vue de session Live2D avec voix en temps réel : entrée vocale continue, TTS en streaming, traduction des sous-titres, catalogue multi-modèle et accès autonome.

FreeDSH : routage multimodèle privilégiant les options gratuites, mises à jour sûres du cœur et prise en charge pt-BR/Windows pour DeepSeek Harness. Bundle DSH installable avec `dsh plugin add`. Projet non officiel.

Gère l’accès multi-modèle, les crédits mensuels, le routage manuel/qualité/crédits/automatique, le reroutage en cas d’échec et l’audit d’utilisation pour DSH.

Plugin DeepSeek-Harness d’orchestration multi-modèle avec décomposition récursive des tâches, routage dynamique, contrôles qualité, reprise après échec et rapports KPI.

Une mascotte déplaçable vous invite à jouer au Xiangqi (échecs chinois) pendant que l'IA réfléchit, avec moteur intégré, export du record de coups et commentaire multi-modèles optionnel.

Puces de revue et de citation de messages pour les conversations : revue croisée multi-modèles (code/réponse) avec gradation de sévérité et résumés, historique des revues et préférences persistées par l'hôte.

Routeur de modèles à deux niveaux pour DeepSeek Harness — routage par LLM-Judge, chaînes de repli multi-modèles, bascule avec backoff exponentiel, et orchestration au niveau tâche (adaptation DSH de pi-shift-router).