Plugins

Connecte dsh à un environnement d'exécution local SandBase Harness via stdio MCP pour gérer les agents et sessions, diffuser les tours, inspecter les artefacts et annuler les travaux.

Les capacités de DeepWatch, installables dans un profil DeepSeek Harness existant

Observateur en lecture seule du chemin de travail des sessions : replie les tours en résumés d'étape, d'exécution, de durée et de tok/s, puis déploie branches parallèles, résultats d'outils et raisonnement visible du fournisseur.

Labyrinthe d'exécution pour les sessions DSH : le vrai trajet de l'agent — progression principale, détours échoués ou en cul-de-sac, retours en arrière, nouvelles tentatives de requête et branches de sous-agent — tracé sur une seule chronologie horodatée, avec trois pistes sous chaque couloir partageant cet axe (densité des tool-calls, impulsion de tokens, pression du contexte) et un panneau d'analyse déterministe en dessous (matrice des résultats d'outils, chaînes échec-récupération, distribution des durées) ; observez-le grandir en direct dans un onglet de session, ou téléversez jusqu'à 5 journaux de session pour une comparaison sur le même axe.

Panneau de gestion en lecture seule pour le client MCP officiel de DSH : statut de connexion, outils enregistrés, erreurs et nombre de reconnexions, via la commande /mcp et un onglet Réglages, avec un affichage assaini et des suggestions de patchs d'activation/désactivation.

Trace Compare & Live Maze : dessinez l’exploration réelle de l’agent — chemin principal, détours infructueux ou sans issue, retours en arrière et branches de sous-agents — sur une unique ligne temporelle murale ; importez 1 à 2 journaux de session pour une comparaison sur le même axe ou observez sa croissance en direct dans un onglet de session.

Convertit les événements du cycle de vie de session, boucle d'agent, LLM et outils en traces et métriques GenAI OpenTelemetry, exportées via OTLP/HTTP standard vers tout backend compatible, avec la capture de contenu désactivée par défaut.

Exporte le flux d’événements de session vers OpenTelemetry OTLP et Langfuse sous forme de traces et de métriques nettoyées et tamponnées, désactivé par défaut.

Observabilité des tokens local-first à quatre compartiments : tableaux de bord persistants par session/fournisseur/modèle/jour, tendances, signaux de budget et d'anomalies, estimations de tarifs publics, exports agrégés sécurisés, et analyse de l'utilisation ou de la trajectoire de session avec consentement explicite.

Niveaux d'utilisation et cartes de statistiques partageables : 🐟→🐳 classements par consommation mensuelle de tokens avec percentile estimé calculé localement, tarification précise pour 46 modèles chez 6 fournisseurs (y compris tarification chinoise par niveau de taille), remplissage rétroactif des sessions pré-installation, et comparaison ancien/nouveau suite au changement de tarifs du 2026-08-17. Local uniquement, sans télémétrie.

Exporte la boucle de l'agent vers GreptimeDB sous forme de traces, métriques et journaux OpenTelemetry, avec sept tableaux de bord Grafana couvrant l'utilisation des tokens, le coût, les résultats de session et la latence par tour.

Opérations Grafana conversationnelles : inspectez les données en direct du tableau de bord à travers des sources nommées, puis effectuez des modifications sûres et vérifiables du tableau de bord avec approbation et contrôles de version.

model router par étape : des préréglages nommés avec des règles ordonnées de groupes d'images/mots-clés acheminent chaque étape d'agent à travers chaque fournisseur et modèle monté, ajoutant des flux de collaboration pour la transcription d'images, une protection d'image, un panneau de quotas multi-plans, et l'observabilité des décisions par étape.

Interface de gestion du cycle de vie pour le fournisseur de modèles llm-pi-ai : créez, modifiez, supprimez, activez et désactivez des fournisseurs avec des en-têtes personnalisés et des clés API chiffrées en AES-GCM ; restauration sûre à la désinstallation des fournisseurs parqués, découverte de modèles distants avec écriture par lot, routage intelligent avec cinq stratégies, composites d'union/intersection, tests de connectivité par modèle et observabilité des requêtes.

Révision de trajectoire en lecture seule dans une barre latérale de conversation redimensionnable, avec analyse de règles, explications optionnelles du modèle, navigation dans les preuves et comparaison d'exécutions sur la même plage.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Rapports de dérive comportementale pour les sessions DSH : compare deux journaux de session et rend compte de l'alignement des séquences d'outils, du mélange d'outils, du volume de raisonnement, du timing, des reprises et des fichiers ciblés, avec un seuil CI facultatif. Zéro dépendance.

Observabilité du Conversation Flow pour les essaims DeepSeek Harness, avec topologie, inspection des messages routés, pauses HITL, suivi en direct et navigation vers les sessions enfants.

Panneau d'aperçu en lecture seule pour un profil : cinq vues sur les mêmes données — couches de configuration, arborescence de plugins, services, noms d'outils et modèles — chaque entrée montrant quelle couche l'a inséré ou désactivé et s'il est en cours d'exécution.

Diffuse en flux les sessions, les messages, l'activité des outils et les résultats des tours de DeepSeek Harness vers un tableau JARVIS Mission Control avec statut des tâches et revue humaine.

Télémétrie d'exécution sans intervention pour DSH : chaque session écrit automatiquement la tâche, le niveau de modèle, les outils, les échecs, la durée et le statut dans un journal lisible avec une section de statistiques (pur observateur — aucun outil, aucun appel LLM, aucune injection).

Affiche le solde DeepSeek et la dépense quotidienne estimée, fusionne les enregistrements JSONL d'appels de vision externes, et ajoute un tableau de bord par session avec statistiques de modèle, TTFT, taux de cache, logs d'appels, estimations de coût, filtres, et export CSV.

Analyse d'exécution de session : étapes, appels d'outils, échecs, actions répétées, utilisation des tokens et signaux de vérification, restitués sous forme de rapports texte/Markdown/JSON.

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.