Plugins

Pont BrowserSkill pour contrôler les fenêtres Chrome et Edge Agent visibles depuis DeepSeek Harness, avec outils de navigateur natifs, observations d'accessibilité et VOM, captures d'écran, contrôle multi-session propriétaire, et une superposition Web UI en direct.

Utilisation de l'ordinateur macOS axée accessibilité en priorité : observations toujours à jour, rejet des états obsolètes, permissions restreintes et saisie sécurisée.

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.

Mémoire inter-session avec rappel déterministe à zéro jeton (bigram-Jaccard fusionné avec FTS5 BM25 via RRF, tokenisation adaptée au chinois), renforcement qui consolide les observations répétées, et procédures cristallisées en fichiers SKILL.md affinés sur place via un cycle active-stale-archived avec archivage et restauration réversibles. L’ingestion et la purge exposent chacune un niveau d’autonomie choisi par l’utilisateur ; les conflits et les écritures à forte importance vont toujours en revue humaine, et rien n’est jamais supprimé automatiquement. Nécessite Node 22.5+.

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).

Automatisation du bureau Windows pour DeepSeek Harness : boucle observe/act privilégiant l'accessibilité avec 30 outils standard (cibles élément/coordonnée, routage de stratégie auto/a11y/event), sémantique de sécurité d'observations remplacées et sans relecture, commutateur d'arrêt persistant, protection contre l'obsolescence RuntimeId/rect-drift, cartes de discussion et panneau flottant (opérations en direct, mur de cadres, paramètres d'auto-détection de l'environnement), description de vision en mosaïque pour les modèles basse résolution, piste d'audit JSONL et liste d'autorisation de pid. Nécessite Windows 10+ et Python 3.9+ avec uiautomation et pillow (installables depuis la page des paramètres).

Security-audit facts AI coding agents cannot compute, plus a verdict gate: euthyna history attributes deleted lines to commits and flags those from security fixes (--origins finds the first introducer), euthyna coverage reports which changed symbols no test ever invoked, and euthyna gate checks each finding against six gates, downgrading any without evidence to an observation.

Distills session work into background observations and reflections to preserve context across compaction.

DSH Plugin DevKit: runtime observation kernel, isolated debug boot, host contract tests, slot preview

Conversation-level multi-agent workbench for editable task planning, real child-session observation, plan-versus-runtime comparison, and evidence-backed recovery previews; tested with DSH 0.1.1-rc.2.

Clean Architecture reference library for DSH: 8 pinned reference repos (Go, Java, C#, Python) indexed into a local FTS5 database, with assertion rules, a review ledger, and a read-only observation panel.

Step-0 observation probe for dsh-compaction-audit: logs every compaction/* session event and probes whether shadowedSeqs still resolve to readable events in session.events. Observe-only; never injects, never blocks.

Outils d'humain dans la boucle (`human_task` / `human_task_ready_check`) : mettent l'agent en pause jusqu'à ce que l'utilisateur effectue une action dans le monde réel ou renvoie une observation (opération GUI, test de jeu, vérification visuelle, contrôles matériels), conditionnés par le consentement de la session et une vérification de présence AFK, renvoyant un résultat JSON structuré via une boîte de dialogue web de tâche.

Route les images du chat vers un modèle de vision fixe compatible OpenAI, renvoie des observations factuelles au modèle principal sélectionné et réutilise les observations par session à travers les rejeux, la compaction et les redémarrages.

Un plugin DeepSeek Harness qui transforme la synchro git anywhere-claude-mem en pair DSH : récupère la mémoire inter-machines au début de session et pousse les nouveaux prompts/observations à mesure qu'ils arrivent dans le worker claude-mem.

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

A headless-first macOS Computer Use driver for DeepSeek Harness with AX-first observations, window-bound multimodal evidence, host-owned approval, and evidence-backed action receipts

Insight dock for the DSH Web GUI: lets an agent park a short, strictly-bounded side observation while it works, shows it above the composer, and lets the user ask to hear it later — with a context anchor that survives context compaction.

Linux X11 computer use for DeepSeek Harness: 9 tools (screenshot, move/click/drag/scroll mouse, type, key combos) driven by a zero-dependency Python XTest helper — native-pixel coordinates, per-action verification, optional auto-observation screenshot.

Human-in-the-loop tools (`human_task` / `human_task_ready_check`): pause the agent until the user performs a real-world action or returns an observation (GUI operation, game testing, visual verification, hardware checks), gated by session consent and an AFK presence check, returning a structured JSON result via a web task dialog.

Observational file-mutation rollback for the fs tools: write/edit pre-images are checkpointed as git blobs or snapshots and restored through a model-facing rollback_files tool or a /rollback command.