Plugins

Escouades multi-modèles persistantes configurées dans les Paramètres et sélectionnées dans le Composer, avec des politiques de modèle/outil par membre ; l'Agent principal planifie dynamiquement chaque envoi sous forme de DAG borné avec des boucles limitées de relecture/réparation, tandis que le Run Center suit les nouvelles tentatives et les jetons par membre à partir des événements d'utilisation 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.

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 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.

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

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.

Build and manage dsh agent modes from the settings page: start each one from the official standard / PTC / minimal / Cordis composition, toggle the plugin rows it mounts one by one, rename it, and edit its system prompt — a plain file the agent loop re-reads before every model step, so an edit applies to the running session on its next step. Rows left untouched stay byte-identical to the shipped ones, platform conditions included.

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.

Custom modes and custom prompts for DeepSeek Harness (dsh): edit a mode's system prompt on the settings page (it takes effect on the next model step), choose its base mode, switch plugins row by row, and keep several assistants side by side.

FreeDSH — free-first multi-model routing, safe core updates and pt-BR/Windows support for DeepSeek Harness. Installable as a DSH bundle (dsh plugin add). Unofficial project.

Governs multi-model access, monthly credits, manual/quality/credit/auto routing, failure rerouting, and usage auditing for DSH.

DeepSeek-Harness plugin for multi-model orchestration with recursive task decomposition, dynamic routing, quality gates, failure recovery, and KPI reporting.

A draggable mascot invites you to play Xiangqi (Chinese chess) while the AI thinks, with a built-in engine, move-record export, and optional multi-model commentary.

Message review and quote chips for conversations: multi-model cross review (code/reply) with severity grading and summaries, review history, and host-persisted preferences.

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).

DeepSee : vision DeepSeek Harness, routage multi-modèles, et auto-vérifications visuelles Gemini avant livraison.

Explicit, evidence-first multi-model consultation for DeepSeek Harness

Runs one coding prompt across multiple configured models in isolated Git worktrees, streams side-by-side tool traces and results, and commits the candidate the user adopts for later rounds.

Evidence-first multi-model coding comparison workbench for DeepSeek Harness