Plugins

Mémoire à long terme pour DeepSeek Harness en Markdown brut, un fait par fichier, lisible dans n'importe quel éditeur. L'index `MEMORY.md` est soumis à une limite stricte de 200 lignes / 25 Ko imposée par `ctx.tools.guard()` : toute écriture qui dépasserait la limite est refusée, tandis qu'une réécriture qui la réduit est toujours acceptée, permettant de compacter progressivement un index surdimensionné. Le plugin n'écrit jamais de souvenirs de lui-même — ce qui est conservé est décidé par vous et le modèle. Le même stockage est également utilisé par Claude Code, Codex, Kiro et OpenClaw.

Mémoire à long terme organisée et basée sur des fichiers pour DeepSeek Harness — notes markdown lisibles par un humain, un unique stockage de fichiers texte partagé entre les hôtes (ignoré par git lorsqu'il se trouve dans un dépôt de projet), et une limite d'index déterministe imposée par ctx.tools.guard()

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.

Prise en charge de la zone de saisie Web de DSH (v0.3.0-beta.4 · pack de capacités pour tâches complexes : 3D / normales / interaction / données / concurrence / détails de performance vérifiés point par point + validation automatisable + bilingue chinois-anglais · pour dsh-0.1.6-alpha.1) : avant l'envoi, une IA indépendante (messagère) optimise le prompt en une commande directement adressable à l'IA de travail (quatre intensités, longueur du flux selon la difficulté, isolation par session, mini-fenêtre minimaliste).

Installe un préréglage d'écriture de roman multi-agents pour DeepSeek Harness : un agent chef d'orchestre répartit le travail entre cinq sous-agents spécialisés — construction du monde, intrigue, gestion des personnages, rédaction de la prose et révision qualité.

Enregistrez chaque prompt modèle répétitif et pénible : un clic de souris l'injecte dans le composer et vous épargne l'effort. 🌹

OMK — Observer. Mesurer. Savoir. Modifications de connaissances étayées par des preuves pour les applications IA.

Moteur cron résidant sur l'hôte avec un tableau web des tâches et un outil timer_agent : déclenche de vraies sessions d'agent selon le planning, en continuant une session épinglée pour le contexte ou en en démarrant de nouvelles dans un espace de travail de projet choisi.

Port de DietrichGebert/ponytail v4.9.0 : mode senior paresseux toujours activé avec une échelle à 7 barreaux (YAGNI jusqu’au code minimal), 6 skills pour la revue, l’audit, la dette, le gain et l’aide, sans outils vides.

Préréglage d'agent ancré unifié pour DeepSeek V4 Pro/Flash sur l'API officielle et opencode-go : amorçage Minimal-exact de la première requête à deux outils, chemins Pro/Flash tenant compte du modèle et gestion du catalogue sensible à l'époque pour la stabilité des longues sessions.

Préréglage d'agent ancré unifié pour DeepSeek V4 Pro/Flash sur l'API officielle et opencode-go : amorçage de première requête avec deux outils minimaux et exacts, chemins Pro/Flash sensibles au modèle, et gestion de catalogue sensible aux époques pour la stabilité des sessions longues.

Skill de flux de travail de recherche AI-for-Science pour DeepSeek Harness, destiné aux chercheurs et étudiants de troisième cycle utilisant l'IA agentique : revue de littérature multi-angle avec fichiers par angle, conception d'expériences avec liste de réserves, lecture de figures et d'articles ; chaque tâche renvoie des fichiers plus un brief de vérification croisée pour un second modèle. Zéro dépendance, MIT.

Ajoute /pua pour inciter l'agent à essayer une autre approche et à vérifier les résultats avant de déclarer l'achèvement, avec 15 styles d'entreprise, des modes de persona, des réglages globaux et par conversation, et une boucle optionnelle qui continue jusqu'à ce qu'une commande de vérification réussisse, que la limite d'itérations soit atteinte ou que l'utilisateur annule.

Amélioration de l'invite en un clic dans le composeur : réécrit le brouillon en une invite structurée (rôle et objectif, étapes exécutables, format de sortie, critères d'acceptation, cas extrêmes) avec aperçu avant/après, remplissage et annulation. Ne change jamais d’intention, ne fabrique jamais d’exigences.

Preset d'agent Learning Mode : un agent de code qui enseigne en codant — explications concrètes ancrées dans des scénarios, guidage socratique, et blancs de pratique TODO(你), modelé sur le style de sortie Learning de Claude Code ; installable via dsh plugin add (dsh-learning-mode sur npm).

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.

Compétence d’analyse structurelle multi-lentilles : analyse adversariale d’abord sur 16 lentilles en 4 catégories avec 10 outils structurels, calibration de confiance et sortie en couches liée aux faits.

Améliorateur de prompts pour l'interface web DSH avec modes basic/standard/expert : les modes standard et expert réécrivent les brouillons avec le contexte du projet et l'historique récent de la session, réessaient avec élégance quand les passerelles refusent les réglages reasoning-effort et affichent une revue avant/après avec annulation.

Apprend ce que vous laissez non-dit dans vos prompts à partir de tours brouillés et de vos propres corrections, et injecte les directives apprises dans le prompt système de chaque nouvelle conversation ; les directives sont éditables dans Paramètres et un bouton du compositeur réécrit le brouillon actuel avec elles.

Preset d'agent Learning Mode : un agent de codage qui enseigne en codant — explications concrètes ancrées dans des scénarios, guidance socratique et blancs de pratique TODO(你), calqué sur le style de sortie Learning de Claude Code ; installable via dsh plugin add (dsh-learning-mode sur npm).

Suggestions de messages suivantes sensibles au contexte dans le compositeur DSH, avec cycle de déclenchement répété et revue explicite de l'utilisateur avant l'envoi.

Optimiseur de prompt structuré par agent pour DeepSeek Harness : réécrit les brouillons du composeur en role/task/context/constraint/format avec les modes normal, slim et expand, une modale de confirmation avec score, continue-optimize, et des moteurs local, hybride, DSH ou API cloud.

Enregistre la skill fight-scene-director pour concevoir des scènes de combat en vidéo IA, portée depuis la skill Codex du même nom. Émet des prompts chinois structurés pour Seedance 2.0/2.5 et MiniMax H3, ainsi que des prompts d'image de carte de trajectoire et de position initiale.

Modes personnalisés / gestionnaire d'assistants : chaque mode a son prompt système dans les réglages — un prompt personnalisé dans un fichier simple que la boucle de l'agent relit avant chaque étape, si bien qu'une modification s'applique à la session en cours dès l'étape suivante — et démarrez-le depuis la composition officielle standard / PTC / minimal / Cordis, en activant une à une ses lignes de plugins (composition propre par mode) et en le renommant à souhait. Plusieurs assistants coexistent avec leurs prompts : une machine peut garder côte à côte un assistant de codage, un compagnon de chat et un persona de jeu de rôle (RP) — une configuration multi-agents choisie par session. Les lignes intactes restent identiques octet pour octet aux livrées, conditions de plateforme incluses.