Passer au contenu principal

Plugins

Parcourez, filtrez et installez des plugins DeepSeek-Harness.

141 plugins trouvés

F

dsh-memory

furongjun-1999/dsh-memory

Exploration de l'architecture AGI en boîte blanche : métacognition (boucle d'auto-cognition), apprentissage continu (volant d'inertie des connaissances), modèle du monde (espace de conditions, graphe de mémoire spatio-temporelle), auto-amélioration (discipline bootstrap), pipeline en boîte blanche zéro-LLM et garde-fous de confiance auditables.

704hierMémoireMIT
N

dsh-infinite_canvas

ninkch/dsh-infinite_canvas

Studio de création nodal pour DeepSeek Harness : scripts, storyboards, images de référence et génération vidéo multi-plans sur un canevas infini, pilotable par lots depuis le chat. Fournissez vos propres fournisseurs d’image/vidéo/TTS (points de terminaison de type OpenAI ou API vidéo Seedance/Sora) ; sans configuration, le pipeline fonctionne hors ligne en mode démo avec des médias de remplacement.

156il y a 3 joursVision, voix et multimodalApache-2.0
Q

dsh-imagegen-video

q253595422/dsh-imagegen-video

Génération d’images et de vidéos par IA pour l’interface Web DSH. Catalogues par canal et adaptation par famille (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), studio latéral, canevas infini à nœuds, aperçu de fichiers, skills de canevas et modèles de prompts. La vidéo gère texte/image vers vidéo, première/dernière image clé et références multiples, avec soumission/sondage/téléchargement asynchrones, outils vidéo côté hôte, nœuds vidéo et assemblage local avec ffmpeg d’au moins deux nœuds en un MP4.

111avant-hierVision, voix et multimodalApache-2.0
P

dsh-quant

pengpengyi92/dsh-quant

Boîte à outils de R&D quantitative pour DeepSeek Harness — 59 outils répartis sur six domaines couvrant les données de marché, les indicateurs, l’évaluation de facteurs, la validation ML walk-forward, le risque (VaR/CVaR/drawdown/Beta avec Kupiec POF), les options, les obligations, les FICC et la simulation de fonds, avec un pipeline de recherche bout en bout PDAT→PET.

72il y a 4 joursOutils et capacitésMIT
F

qa-skills

fishzjp/qa-skills

Pipeline QA sous forme de 10 skills d'agent : analyse des exigences, stratégie de test, rédaction et revue de cas, automatisation E2E (Playwright) et API, exploratoire, périmètre de régression et analyse de bugs, soutenu par une base de connaissances partagée avec règles de format, modèle de risque et validateurs de schéma.

64il y a 9 joursCompétencesMIT
P

dsh-data-quality

perrylink/dsh-data-quality

Vérification de la qualité des données pour DeepSeek Harness — pipelines de profilage, nettoyage et vérification avec rapports structurés.

53il y a 5 joursOutils et capacitésApache-2.0
C

Vibe-Mathematics

chongcyrus/vibe-mathematics

Installe quatre presets de recherche mathématique multi-agents pour DSH : v2 (pipeline guidé par les probabilités avec débat multi-vérificateurs), v3 (base de connaissances Markdown façon article avec un agent planificateur et une bibliothèque de méthodes réutilisable), v4 (résidents persistants auto-organisés qui s'écrivent et se réunissent) et v5 (un institut de recherche avec un académicien qui décompose et attribue le travail, des chercheurs votants, des intérimaires, un chat de groupe et un tableau de tâches compare-and-set) ; les quatre gèrent la reprise sur point de contrôle, l'intervention humaine et un interrupteur optionnel de vérification formelle Lean (off/encourage/require) dont la preuve validée transforme le vote en contrôle de fidélité des énoncés Lean.

47il y a 23 heuresFlux et automatisationMIT
S

minecraft-dev

sikadi233-hub/minecraft-dev

Développement Minecraft pour DeepSeek Harness (dsh), de Minecraft 1.7.10 à 26.3 : neuf skills pour plugins Paper/Spigot, mods Fabric/Forge/NeoForge, extensions de mods majeurs et configuration Gradle/JDK par époque. Comprend le générateur mc_scaffold, l’exécuteur mc_gradle et 18 index hors ligne de signatures API créés à partir d’artefacts épinglés avec provenance. mc_arbitrate est un pipeline déterministe par shards (gel du contrat, briefs par shard, 21 règles d’audit à haute confiance dont 5 contrôles inter-shards, fusion du manifest, routage des erreurs de compilation) sans appel de modèle dans le moteur. Apache-2.0 avec NOTICE.

45il y a 13 joursCompétencesApache-2.0
P

deep-read-summarize

pensivefei/deep-read-summarize

Lecture approfondie et résumé pour DSH : livres, articles, vidéos et web transformés en notes Obsidian structurées via des parseurs de plugins, des sous-agents parallèles MapReduce de lecture profonde, des sorties JSON Schema et un cache idempotent.

45hierFlux et automatisationMIT
K

dsh-lowtide

kelaohu/dsh-lowtide

lowtide : pipeline de tâches batch hors pointe avec adjudication humaine pour dsh (conscient des tarifs pointe/creux)

43il y a 3 moisFlux et automatisationMIT
N

dsh-academic-research-skills

nullptr-dzf/dsh-academic-research-skills

Porté du plugin ARS Claude Code (44k+ étoiles sur GitHub) : skills de recherche académique pour DeepSeek Harness — une équipe d'agents de recherche approfondie, un pipeline de rédaction d'articles, un panel de revue par pairs multi-perspectives et un orchestrateur de bout en bout, plus seize commandes /ars-*.

32il y a 3 moisCompétences
D

dsh-prime-memory

drscrewdriver/dsh-prime-memory

Mémoire en couches pour DSH avec 10 outils d’agent : écritures privilégiées (memory_add, memory_delete, memory_import), commandes de rumination (memory_ruminate et contrôles associés) et graphe mémoire. Un pipeline de distillation L0-L3 rappelle et injecte les souvenirs utiles avant chaque étape du modèle.

27hierMémoireMIT
Z

lunheng-article-pipeline-dsh

zuoyunlai/lunheng-article-pipeline-dsh

Bundle DeepSeek Harness pour textes longs (articles universitaires, analyses sectorielles, commentaires d’affaires), organisé en 9 rôles/6 phases : T1 littérature, T2 données et T3 cas en parallèle ; T4 analyste, T5 auteur, T6 partenaire critique, T7 auditeur, T8 finaliseur exécuté par le coordinateur, T9 évaluateur par les pairs. Vérification triangulaire des preuves ; M-gate : 26 contrôles (25 scripts + 1 humain) ; audit G0-G16 avec contrôle des marques d’écriture IA dans les textes chinois ; note de pair avec correspondance de revue ; 4 points humains. Installation : `dsh plugin add lunheng-article-pipeline` (`package.json#dsh.bundle.patch` et `lib/index.js` enregistrent le skill). Cartes T1-T9, modèles, 36 scripts sans dépendance et README en 5 langues.

27il y a 4 joursCompétencesMIT
B

dsh-webui-mobile

bbtssama/dsh-webui-mobile

Shell web mobile pour l’interface web DSH : tiroirs superposés, FAB déplaçable, correctifs du compositeur mobile, et bouton flottant de téléversement d’images fixé au-dessus du compositeur (galerie/caméra natives, intégré au pipeline validé d’ajout d’images), sans régression bureau. Publié sur npm sous le nom dsh-webui-mobile.

24il y a 2 moisIntégrations et accès distantMIT
E

dsh-reel

eileenes/dsh-reel

Studio promotionnel pour plugins DSH : saisissez un nom, associez-le à un dossier d’exemple et générez localement un film de 28 s avec l’interface réelle et une affiche. V0.1 utilise Chrome local et son moteur d’images (échantillonnage d’obturateur pour le flou de mouvement, coupes franches), avec ressources de composition incluses : pas besoin du runtime Onetake après npm install. Nécessite Node.js 22+, Chrome/Chromium et ffmpeg ; python3 pour le mixage audio.

23il y a 7 joursOutils et capacitésMIT
M

dsh-plugin-teamflow

michaelshii/dsh-plugin-teamflow

Transforme une exigence d’une ligne en livraison vérifiée. TeamFlow enchaîne triage, PRD, conception, plan technique, développement parallèle, QA avec reprise des défauts et validation. Il fournit 12 outils `teamflow_*` et un atelier avec graphe de pipeline en direct et kanban de backlog. Chaque exigence dispose d’un dossier contenant PRD, conception, plan technique, rapport QA et fiche de validation.

23hierFlux et automatisationMIT
G

dsh-plugin-image-workbench

guohwa/dsh-plugin-image-workbench

Atelier d’images dans la barre DSH : pipelines d’illustration et photo, pool local de comptes intégré et tout endpoint compatible OpenAI.

20avant-hierVision, voix et multimodalMIT
N

dsh-pipeline-kernel

not-big-dog/dsh-pipeline-kernel

20il y a 3 moisFlux et automatisationMIT
Y

dsh-expert-team

yangdcm/dsh-expert-team

Équipe Multi-Agent par rôles pour DeepSeek Harness : produit, architecture, frontend, backend, révision et QA travaillent en neuf phases contrôlées ; équipe persistante disponible. Sans dépendances d’exécution ni build.

19il y a 12 joursFlux et automatisationMIT
T

dsh-harvest

toustifer/dsh-harvest

Pipeline de recherche multi-plateformes et de recherche approfondie : harvest_scout pour la découverte parallèle sur GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili et YouTube ; harvest_deep_research pour des rapports de recherche complets automatisés ; plus extraction, vérification croisée des sources et audit de crédibilité.

16il y a 2 moisOutils et capacitésMIT
X

dsh-craft-your-textbook

xx-hub/dsh-craft-your-textbook

Transforme des PDF scolaires en plans utilisables par un tuteur IA ou en manuels lisibles. Six étapes avec validations. DSH ne contrôle pas l’accès aux routes HTTP, qu’une page ouverte dans le navigateur peut appeler.

15avant-hierFlux et automatisationMIT
T

dsh-novel-solo

tkingxiao/dsh-novel-solo

Plugin « écriture mono-cœur » pour DeepSeek Harness : outils minutieusement simplifiés et sortie renforcée pour les petits modèles quantifiés, adapté à l'exécution locale de pipelines de romans longs avec des modèles embarqués.

14il y a 16 joursFlux et automatisationMIT
A

dsh-expert-mode

asher-2000/dsh-expert-mode

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

14il y a 2 moisOutils et capacitésMIT
E

dsh-progressive-tools

everclear077/dsh-progressive-tools

Découverte progressive d'outils stable en cache : une surface fixe tool_search et tool_dispatch à chaque requête, recherche de catalogue en mémoire, dispatch imbriqué via le pipeline du Harness et une liste d'outils natifs stable au byte à travers la découverte.

13le mois dernierOutils et capacitésMIT