Plugins

Un dépôt, trois volets : un injecteur d'exécution pour les paquets de plugins DSH (injection, rechargement à chaud, déchargement, mise au premier plan d'un outil de préparation de développement, routage auto-réparateur, plus un gestionnaire de plugins dans la page de réglages qui liste, décharge et intègre des dossiers par glisser-déposer), un agent preset routeur de mode de raisonnement conscient de la tâche (router-standard / router-spec / router-react), et un protocole de tâches gradué à deux niveaux dont six outils (commit_star, lock_stage, revise_do, edit_plan, mark_task, redteam_verdict) fixent l'état des tâches sur disque. L'implémentation de l'injecteur est embarquée dans le dépôt : l'installation apporte donc son propre comportement plutôt qu'une liste de dépendances.

Fournisseur LLM Command Code non officiel : enregistre une route `commandcode` avec un catalogue de modèles en direct et la prise en charge du reasoning-effort.

Skin de curseur de reasoning adaptatif qui associe les niveaux d'effort de raisonnement disponibles de chaque modèle à une échelle d'intensité visuelle de 0 à 30, avec des portraits, un arrière-plan et des couleurs d'interface synchronisés.

Agrégat de fonctionnalités de bureau qui installe la collection DSH Web UI, dshmarket, Codex Connect et les contrôles de reasoning-effort à des versions fixées.

Agrégat de base pour les fonctionnalités de DeepSeek Harness Desktop : collection d'interface web, marketplace d'extensions, Codex Connect et contrôles de reasoning.

Observateur en lecture seule du chemin de travail des sessions : replie les tours en résumés d'étape, d'exécution, de durée et de tok/s, puis déploie branches parallèles, résultats d'outils et raisonnement visible du fournisseur.

Une vue de lecture plus apaisée pour DeepSeek Harness : détails natifs du processus, raisonnement en direct et réponses finales nettes.

Curseur d'intensité de reasoning façon Codex pour DSH, ainsi qu'un curseur « gros poisson qui court ». Curseur de modèle et de reasoning-effort façon Codex pour DeepSeek Harness.

Fournisseur de modèles Tencent CodeBuddy pour DeepSeek Harness qui se connecte via OAuth du navigateur au lieu d'une clé API : liste le catalogue de modèles CodeBuddy avec les capacités de contexte, de sortie, d'appel d'outils, de reasoning et d'image de chaque modèle, gère plusieurs comptes avec basculement automatique vers le suivant utilisable, affiche le quota restant dans le composeur avec un panneau d'usage des token et crédits, et complète par compte les tâches de croissance CodeBuddy automatisables, avec un journal d'exécution. Installation depuis npm avec `dsh plugin --profile web add @tnnevol/dsh-codebuddy`.

Connexion au compte ChatGPT pour DeepSeek Harness via un flux OAuth du navigateur Codex, sans clé API et sans sélection d'espace de travail : abonne la connexion au fournisseur Codex de pi-ai, permet de définir le modèle Codex et le reasoning effort par défaut globaux pour les nouvelles sessions, actualise la liste des modèles depuis l'endpoint de catalogue du compte connecté et affiche dans le composeur les fenêtres d'utilisation de cinq heures et hebdomadaire.

Configuration par modèle de l'effort de raisonnement et de la modalité d'entrée pour les fournisseurs tiers : suggestions fusionnées depuis une base de connaissances de modèles et preuves brutes du endpoint /models, avec labels de confiance, éditées dans la carte officielle de la page Models.

Configurer les niveaux d'effort de raisonnement et défauts de sous-agents pour les modèles DSH personnalisés.

Sélectionnez du texte dans une réponse DSH validée pour ouvrir un Topic multi-tour indépendant, persistant et en lecture seule, lié aux preuves de la session source et aux fichiers du projet, pendant que l'Agent source continue de tourner.

Curseur d'effort de raisonnement style Claude Code pour l'interface web DSH : glissement continu, ajustement au relâchement, traînée de feu WebGL et contrôle réel et fonctionnel de l'effort de réflexion pour tout modèle ou fournisseur tiers personnalisé.

Faites correspondre vos modèles et vos budgets de tokens à chaque rôle, puis laissez DSH déléguer des sous-agents spécialisés selon le type de tâche. Couvre l’analyse d’architecture, l’UI/UX, l’implémentation de code, l’exploration de la base de code et la recherche documentaire, avec configuration automatique ainsi qu’un effort de raisonnement et des permissions d’outils par rôle.

Faites que l'IA retienne votre façon de penser, pas ce que vous avez dit : elle capture activement vos principes, vos lignes rouges et vos habitudes de travail d'une session à l'autre, avec capacité de mémoire, décroissance progressive et justification lisible par un humain pour chaque entrée. La 0.7.0 apporte un portrait de persona intuitif avec traçage des preuves.

Pliage de tours de style Codex pour l'interface Web DSH : garde les réponses finales visibles, regroupe les raisonnements et activités d'outils consécutifs, et affiche des métriques configurables de durée en direct, appels d'outils et tokens avec des résumés multilingues.

Page de réglages pour les capacités par modèle : niveaux d'effort de raisonnement avec leurs orthographes de wire, modalités d'entrée et capacités en token, écrits comme déclarations ou overrides de catalogue sparse.

Penser en chinois : injecte un prompt système pour garder pensées et réponses en chinois, déploie le bloc de raisonnement par défaut avec repli interactif et localise les libellés de l'interface (npm : `dsh-think-zh-expand`).

Un fouet pour DeepSeek V4 Pro : il surveille l'empreinte de raisonnement de chaque bloc de réflexion et ramène le modèle quand il glisse du mode concentré « We will / I will » au mode dispersé « let me ».

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.

Analyse l'usage entre modèles, fournisseurs, espaces de travail et périodes, avec dates personnalisées sur tout l'historique, cache-hits visibles et ventilations par modèle/fournisseur. Comprend tendances horaires/jour, carte de chaleur de 53 semaines façon GitHub, séries, anneaux de tokens par modèle et espace (tokens, coût, %), filtres combinables, efficacité du cache, solde DeepSeek, alias d'espaces, export CSV, et un grand livre durable qui conserve l'usage après suppression de session ou d'espace (ligne Deleted), reconstruit de façon incrémentale. Registre des espaces rafraîchi via la sonde DSH domain/changed ; seuls les espaces enregistrés comptent. Comptabilité séparée : entrée, cache, raisonnement. Chinois : heure locale ; anglais : UTC ; API en loopback uniquement.

Contrôle par tour du niveau de réflexion (reasoning_effort) pour DeepSeek Harness : Auto planifie low/high/max selon l'historique récent des tool calls, ou permet de fixer un wire level (off/on/minimal/low/medium/high/xhigh/max), avec mappage wire personnalisé, garde de capacités par modèle et préréglages de fenêtre de contexte (64K–1M) ; sa capability card s'associe à [dsh-llm-openai-completions](https://github.com/drscrewdriver/dsh-llm-openai-completions) (installable depuis dsh-market) pour tester le raisonnement avec des passerelles compatibles OpenAI (vLLM / LM Studio / auto-hébergées). La carte écrit les capacités llm-pi-ai, l'adaptateur pilote le wire (compat.thinkingFormat) et le plugin maintient la liste de takeover.

Carte de paramètres pour le moteur de nouvelle tentative automatique LLM de DSH : ajustez en direct le nombre de tentatives, le backoff et le jitter depuis Settings -> General, avec des chips retryableCodes configurables - les valeurs par défaut ajoutent INVALID_REQUEST afin que les erreurs HTTP 400 reasoning_text de type OpenAI en mode thinking soient retentées automatiquement.