Plugins

Connecte DeepSeek Harness à la base de connaissances personnelle local-first et auto-évolutive de ReMe : capture automatiquement les conversations terminées de l'agent principal comme mémoire Markdown vous appartenant, recherche conversations et sources via reme_search avec BM25, embeddings optionnels et expansion de wikilinks, et planifie une consolidation quotidienne de la mémoire.

Lit les fichiers de session que trente-trois autres agents de codage présents sur cette machine ont déjà écrits — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed et d'autres — y compris les sessions antérieures à son installation : six outils (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), une commande /deja, et un rappel automatique optionnel ajouté au contexte d'exécution. Index BM25 local, aucun LLM, aucun embedding, aucun réseau (dsh plugin --profile web add dsh-deja).

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.

QA de fidélité de conception pour les modèles texte uniquement : un outil `deepseek_vision` emprunte un œil à n’importe quelle route vision compatible OpenAI, afin que le modèle puisse juger si une implémentation correspond à sa maquette — livré avec le benchmark derrière ce jugement (quatre fixtures, 23 défauts injectés, transcriptions brutes) et la discipline de questionnement dont il dépend.

Cerveau DeepSeek + transcription automatique d'images : attachez des images dans la GUI et chacune est transcrite par le modèle officiel deepseek-v4-flash-vision-exp par défaut (un cerveau V4-Pro en texte pur peut voir les images), avec n'importe quelle VLM compatible OpenAI ou Ollama local comme alternatives.

Budgets de réflexion par requête, un backend de compactage et un onglet de réglages pour la gamme locale Qwen3.8 (llama.cpp ou NInfer).

Expédiez des tâches autonomes depuis DSH vers 11 CLIs d’agents externes (Codex, Claude Code, TraeCode, OpenCode, Gemini, Cursor, Kimi, Qwen, Copilot, WorkBuddy, Grok) : un bundle hôte uniquement enregistrant l’outil conductor_dispatch ainsi qu’une compétence conductor déclenchée automatiquement.

Petite amie IA vocale pour l’interface Web : entrée micro FunASR, réponses parlées Qwen3-TTS, fenêtre d’animation compagnon et chat QQ bidirectionnel (texte/voix/image push) via NapCat.

Force la compression du contexte lors de l'exécution de modèles llama.cpp à faible contexte tels que Qwen3.8-27B, améliorant l'efficacité du modèle et la fluidité d'utilisation, accompagné de prompts de compaction bien affinés.

Une route de fournisseur passerelle vision-langage : les images collées sont décrites par un modèle VL configurable (Qwen-VL par défaut) avant d'être transmises à DeepSeek.

Pont de vision gratuit pour les modèles texte uniquement : compréhension d'images, OCR, analyse d'interface et de débogage via des fournisseurs de niveau gratuit (Qwen3-VL-Flash, Doubao, DeepSeek-OCR) avec une interface graphique de paramètres.

Utilisez votre IA web connectée (DeepSeek, GLM, Kimi, Qwen, Doubao...) comme fournisseurs de modèles dans DeepSeek Harness. Les modèles web émettent des appels d'outils, DSH les exécute sous son système de permissions natif, et les résultats reviennent dans la même session web. Aucune clé API.

Installation de modèles gratuits en un clic pour DSH web, pensée pour les débutants en codage : installateur en un clic pour Windows (install.bat) et macOS/Linux (install.sh, v1.7.0+) ; quatre canaux gratuits en permanence — Zhipu GLM (texte + image), SiliconFlow (Qwen3-8B plus 15+ modèles de moins de 9B), iFlytek Spark Lite et le pool gratuit OpenRouter, qui passe par openrouter/auto et choisit dans un pool qui évolue avec le temps ; l'indice de configuration en bas à gauche disparaît dès qu'un modèle gratuit est connecté ; rappel de tarification DeepSeek en temps réel heures pleines/heures creuses ; centre d'aide pour débutants inclus.

Scanne plus de 20 agents IA sur cette machine (Codex, Claude Code, cc-switch, Hermes, opencode, Gemini, Grok, Kimi, CodeBuddy, Trae, OpenClaw, Qoder, WorkBuddy, Zcode, Cursor, Windsurf, Cline, Roo Code, Qwen Code, ...) et synchronise, gère et ajoute en un clic leurs serveurs MCP et skills dans DSH — global ou par workspace.

Pilule de quota et panneau en bas à droite regroupant les quotas d'adhésion sur les plates-formes d'IA (Kimi Code, DeepSeek, Zhipu Coding Plan, BigModel, Qwen, Scnet, TokenRouter, SupaWriter), synchronisation automatique des clés API du domaine d'informations d'identification DSH avec des barres d'utilisation colorées.

Orchestrateur multi-modèles : le cerveau principal décompose les tâches complexes et répartit les sous-tâches vers des sous-agents GLM / Kimi / Qwen selon les forces de chaque modèle, avec l'usage de jetons par modèle.

Plugin adaptateur LLM pour les modèles Qwen déployés localement derrière un point de terminaison vLLM compatible OpenAI, avec une bascule multimodale par modèle, des efforts de raisonnement entièrement configurables et une page de paramètres web pour modifier le déploiement depuis le frontend.

Routeur unifié de génération d'images pour DeepSeek Harness (DSH) : détecte automatiquement les modèles d'images depuis n'importe quel point de terminaison compatible OpenAI, fournit les outils draw_image et draw_list_sources, et prend en charge SenseNova, StepFun, Agnes, Qwen, Flux, SD, Imagen et plus.

Correctif de compaction pour les passerelles qwen3.8-27b hébergées par NInfer : désactive la réflexion sur les appels de compaction de contexte et de titre de session de dsh, afin que le raisonnement xhigh cesse de consommer tout le budget de sortie ; la même idée s'applique à d'autres méthodes de lancement, mais ce paquet ne cible que NInfer.

Affiche en ligne dans le chat DSH Web les images collées ou importées et donne la vision aux modèles texte seuls : l’outil visual_review, invocable par le modèle, appelle d’abord une API multimodale compatible OpenAI, puis bascule sur un worker local Qwen3-VL en cas d’échec.

Passerelle de vision native au fournisseur LLM : les images collées dans le chat sont décrites par un modèle de vision (Qwen3-VL via pi-ai/llama.cpp), et la description textuelle est transmise à DeepSeek texte seul pour la réponse — l'admission, le routage et la compaction des images passent tous par les mécanismes natifs du harness, avec un cache de descriptions LRU et une reprise sur erreur 503.

Pont multi-plans local pour DeepSeek Harness : utilisez vos abonnements existants ChatGPT Codex, Claude, ZCode (GLM) et Qwen via un unique proxy en loopback, avec une carte d'état dans la page de réglages et un provisionnement en un clic. Aucune modification du cœur de dsh.

Consumer de l'outil ui_mockup : génère des wireframes et des maquettes haute fidélité d'UI en phase de discussion, enregistre le design sur disque, demande confirmation puis verrouille la spécification de design ; inclut des cartes client, le routage d'images et l'i18n.

Génère des wireframes d'UI et des maquettes haute fidélité dans DeepSeek Harness avec des fournisseurs d'images DashScope et Volcengine sélectionnables.