Plugins

Mode red team : vous donnez un nom d'organisation et un planificateur lance cinq rôles (reconnaissance, actifs, vulnérabilités, exploitation, pivot) avec jusqu'à 3 agents simultanés ; préflight des skills et ressources, demande unique de la clé ou du VPS manquant, avec une skill d'onboarding intégrée. Score selon les règles unifiées d'intrusion scoring (8 catégories / 25 points), plafonds serveur, privilège le plus élevé prioritaire et dedup par service ; les comptes auto-enregistrés ne marquent jamais. Les constats horodatés vont dans une base SQLite locale et s'affichent dans une console droite de 12 onglets (actifs, agents, session/tunnel, chaîne d'attaque, score, rapport justifié, base POC/EXP, skills). Livre 23 skills natives, 53 outils redteam_* et une auto-mise à jour par commande.

Établi de recherche façon Claude Science : moteur de boucle de recherche ReAct (outils research_*), artefacts versionnés avec provenance (outils artifact_*), et 10 skills scientifiques pour la génomique, les agents pathogènes et la bio-informatique.

Bundle d'atelier de trading réservé à la recherche : jointure de fournisseur de données de marché typée avec un fournisseur de référence CSV, instantané de régime d'indicateurs multi-périodes et outils OHLCV, cartes graphiques interactives dans dsh web avec annotations de modèle soumises à la provenance, et un garde de risque refusant les appels d'outils de type exécution à tools/pre-execute.

Mémoire de projet uniquement locale, sans dépendance d'exécution intégrée ni service externe : JSON comme source de vérité plus un PROJECT_MEMORY.md généré, Hot Memory bornée en tokens et figée par session pour la stabilité du cache de préfixes de prompt, rappel BM25 inter-projets mis en cache, provenance fiable de session/tour, gouvernance explicable des doublons/conflits avant écriture, cycle de vie éditable importance/épingle/étiquettes/remplacement/archivage, distillation configurable en fin de tour de haut niveau, et une GUI web bilingue pour la recherche, l'inspection, le diagnostic et les réglages en direct.

Mémoire à long terme inter-sessions sous la métaphore du « palais de la mémoire » : deux portées de stockage SQLite (utilisateur + projet par origine git), recherche hybride FTS5 + vecteurs locaux avec fusion RRF et bonus de classement par récence et par preuve, capture automatique depuis le journal de session (y compris le dernier tour), chaînes d'audit de provenance, distillation par consolidation et oubli par décroissance, et un panneau Bibliothèque de mémoire dans les réglages avec topologie des couloirs, majordome de visite et liste de rénovation.

RAG de base de connaissances littéraire locale pour DSH : recherche hybride BM25 + vectorielle sur un index SQLite, reclassement par cross-encoder, réponses citées avec provenance au niveau de la section et de la page, rafraîchissement des métadonnées seules et ingestion en arrière-plan avec suivi de progression.

Banc de travail scientifique reproductible : cellules pilotées par agent, figures en ligne avec retour/réexécution, provenance par manifeste, instantanés d'environnement et compétences de figures niveau publication (9 outils bio_* + interface du banc de travail).

Balise de sécurité en direct pour DSH qui suit l'activité des outils. Cliquez pour afficher les statistiques d'appels, les chaînes de provenance des risques et les actions bloquées, avec des restrictions de tâches en lecture seule et la détection des modifications de métadonnées des outils.

Inspecteur fondé sur des preuves pour les fonctionnalités intégrées de DSH Web : provenance runtime/configuration, diagnostics de compatibilité et de dérive, ainsi que des contrôles à sécurité positive (fail-closed) pour neuf feuilles d'interface examinées.

Mémoire graphe locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit les enregistrements USER et ASSISTANT séparément, et préserve la provenance de projet, session, acteur et source pour un atlas visuel et des pages de connaissances citées.

Mémoire graphique locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit séparément les enregistrements USER et ASSISTANT, et conserve la provenance du projet, de la session, de l'acteur et de la source pour un atlas visuel et des pages de connaissances citées.

Math Agent Framework pour DeepSeek Harness : moteur de dérivation symbolique (CES / formes quadratiques / ODE / PDE), vérification SymPy, preuves formelles vérifiées par le compilateur Lean 4 et vérification adverse multi-agents de style QED, exposés comme outils DSH natifs via un shell TS faisant pont vers un moteur Python. Nécessite le clonage du dépôt math-agent-framework et `pip install -r requirements.txt`, avec MATH_AGENT_HOME pointant vers la racine du dépôt. Chaque résultat comporte une traçabilité (versions des moteurs, graine, tolérances) et est marqué comme données non fiables.

Contexte de réseau de connaissances métier pour DeepSeek Harness : liez une session à un réseau de connaissances OpenBKN, interrogez ses objets et ses métriques via des outils MCP gérés, et ouvrez une provenance adossée aux traces (faits d'exécution et graphe métier) pour chaque réponse. Fourni avec l'OpenBKN Runtime ; les vues de provenance exigent une licence entreprise OpenBKN.

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.

Traçabilité adressée par contenu des artefacts, faits, actions et rapports pour DeepSeek Harness

Moteur local de registre d'état personnel et de décision pour dsh : conserve chaque entrée octet par octet avec une provenance au niveau de la ligne, argumente contre ses propres conclusions en générant d'abord des réfutations, fait vieillir chaque fait stocké selon son propre TTL, et signale les décisions qui ne reposent sur rien du tout.

Espaces de mémoire inter-sessions gouvernés par l'humain, avec des relations indépendantes entre sources et consommateurs, la provenance, le versionnage et une revue d'injection avant envoi.

Long-term memory for DeepSeek Harness in Claude Code's format: private, overlay, or shared with Claude Code, with provenance on every file

Skill that fact-checks a claim against the open web rather than model memory: it splits the claim into independently checkable fact points, routes each point to the primary-source ladder for its domain (policy, academic, medical, financial, disaster and accidents, food safety, science, education, sports, entertainment, judicial, and more), searches domestic and international ecosystems in parallel, fetches primary pages, grades sources by type, re-searches with debunking keywords, and reports conclusion-first with a full URL and citation position behind every statement, keeping unverified and undecidable points separate from confirmed ones. Three factual judgements can be routed to a TypeSafe Jev (System One) decision model when a key is configured, falling back to the skill's deterministic rules when it is not; a model verdict can only lower a confidence tier.

Summarises the case evidence, diagnosis, repair procedure, parts list and cost-option comparison for a motor into a Markdown repair recommendation report with data provenance.

DeepSeek Harness (Cordis) plugin — bi-temporal VSA memory + cognition engine + BLAKE3 provenance, exposed as a DSH storage+session plugin. End-to-end tested with a real Python subprocess.

Vérifications préalables à l'installation, relatives à la chaîne d'approvisionnement, pour les plugins DeepSeek Harness : vérifiez que la tarball que vous êtes sur le point d'installer correspond à la source que vous avez lue, avant l'exécution du moindre code.

Sécurité d'exécution sensible à la provenance pour DeepSeek Harness. Suivez les données sensibles à travers les appels d'outils et arrêtez les effets secondaires risqués avant l'exécution.

Suite bureautique de confiance pour le travail gouvernemental/entreprise par Beijing Caizhi Technology (深知可信智能) : trois compétences — conseil de confiance (Q&R politiques/réglementations avec marqueurs de citation + HTML de provenance), recherche de confiance (récupération de politiques/standards faisant autorité avec HTML traçable + Markdown propre) et rédaction de documents officiels (brouillon/réécriture/Word/livraison à en-tête) ; toutes les interfaces passent par le MCP de l'atelier de confiance dknowc (auth Bearer), les produits arrivent dans l'espace de travail de la session, la configuration de clé persiste pour les sessions suivantes ; publié sur npm sous dknowc-dsh.