Plugins

Faites évoluer compétences, agents, prompts, code et plugins depuis DeepSeek Harness, avec AgentDescent.

Amélioration de l'expérience de saisie : saisie vocale, polissage IA, anti-écrasement, optimisation des prompts avec aperçu diff, et changement automatique de locale selon la langue de l'interface DSH.

Oh My DSH (OMD) ajoute des résumés de contexte avec rappel des sources d'origine, une vérification liée aux tâches, l'optimisation des prompts, la navigation de code CodeGraph, le contrôle d'ordinateur OpenCU et quatre thèmes couvrant la mise en page, les barres latérales et les réglages.

Optimisation en un clic d'une instruction brute en prompt professionnel : trois styles de sortie, profilage de rôle/tâche/objectif conscient de la situation, apprentissage auto-itératif (mémoire de session + valeurs par défaut intelligentes + substitutions utilisateur), /template pour 22 sous-scènes avec zéro appel au modèle, ✨ optimisation/annulation en un clic dans la zone de saisie, outil prompt_optimize, hook d'auto-optimisation et documents zh/en détectés automatiquement.

Pipeline de coût en tokens pour DeepSeek Harness : compaction en couches sensible à la pression (projection sans perte sous 40 % de pression de contexte, résumé par LLM au-delà), liste d'outils autorisés par agent, conversion de texte long en image avec résumé par vision, et une commande /token-status suivant la pression, les paliers et les tokens économisés.

Connecte DeepSeek Harness à Multisim MCP pour la génération de circuits, simulation, diagnostics, optimisation de conception et export de rapports d'expérimentation.

Optimiseur reasoning_effort par tour pour dsh — rétrograde automatiquement le raisonnement pour les appels d'outils simples et le relève pour les travaux lourds, réduisant le temps de réflexion entre les appels d'outils.

Allègement réversible du contexte pour DeepSeek Harness : réencodage tabulaire sans perte de tableaux JSON uniformes de style TOON, fenêtres de table échantillonnées par pas avec numéros de ligne, et déduplication inter-tours des sorties d'outil répétées ; chaque remplacement passe un seuil octets+jetons (≤72 % d'octets, strictement moins de jetons estimés) et l'original est écrit sur disque derrière un avis `[save-token #id]`, récupérable en un appel via l'outil `save_token_expand`, avec le comptage des jetons facturés et économisés dans un tableau de bord des paramètres.

Pipeline d'optimisation des jetons en couches pour DeepSeek Harness : échelle de sortie, chargement paresseux MCP, moteur de compaction, reporting des hits de cache. Construit sur les vraies API de plugins DSH ; ~40-60 % d'entrées économisées dans les longues sessions.

Passerelle MCP à divulgation progressive qui recherche de grands catalogues distants via `mcp_search`, puis invoque les schémas exacts via `mcp_call`, avec connexions différées et caches bornés.

Enveloppe le travail dans des tâches nommées et, dès qu'une tâche se ferme, replie l'intégralité de sa plage de messages en un seul résumé à la limite d'étape suivante ; le contenu original peut être restauré à la demande.

Amélioration des prompts pour le compositeur : le bouton « ✨ Enhance » réécrit le brouillon en une version plus claire et structurée, avec une réflexion par premiers principes fondée sur le contexte de session, la mémoire et la conversation récente ; pose des questions de clarification dans une carte lorsque des informations clés manquent, puis prévisualise le résultat avant de l’appliquer au champ de saisie.

Optimisation réseau pour l’interface web DSH : réduit la taille des transferts grâce au cache et à la compression pour accélérer fortement le chargement des pages, avec en plus un indicateur de coupure de connexion et une reconnexion automatique. Idéal pour les utilisateurs recherchant des performances maximales ou utilisant des réseaux instables.

Runtime de persona économe en jetons pour DeepSeek Harness avec rendu local de catgirl et divulgation progressive du schéma d'outils.

Compagnon de session en quatre modules : export intelligent de conversation (Markdown/PDF/JSON/image longue PNG avec rédaction de confidentialité et ZIP par lot), résumés de passation de contexte avec sauvegarde/import de modèles, optimisation des coûts API (tarification officielle en direct, planification heures pleines/creuses, budgets journaliers/mensuels, routage de modèle), et recherche globale de conversation avec recherche dans le chat (Ctrl+F, CSS Custom Highlight API).

Route chaque tâche vers un modèle et sa révision vers un autre, avec preuves de qualification, bascule et un journal durable.

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Pack de compétences d'audit de marque GEO : visibilité dans les recherches IA, recommandations, citations, présence des concurrents et diagnostic des lacunes de contenu sur plus de 17 moteurs IA (ChatGPT/Perplexity/Claude/豆包/DeepSeek/Kimi/文心一言).

Adds prompt optimization, cancellation, and undo controls to the DeepSeek Harness composer.

Allows deepseek harness to think dynamically like human,automatically judge the difficulty of tasks with suitable thinking chain.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

DeepSeek Harness 输入栏「提示词精炼」插件：✨ 一键把模糊草稿改写为目标/背景/步骤/要求/[假设] 结构化提示词；成本可路由（默认模型可换成便宜的优化模型）、结果缓存、token 用量统计落盘。静态版为功能主体，动态版免安装尝鲜。

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.