Plugins

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.

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.

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.

Pilote le tracé scientifique OriginLab Origin depuis le chat IA via MCP : 62 outils. Chien de garde des boîtes de dialogue modales, garde de sécurité LabTalk, release/reconnect, ajustement avec paramètres initiaux/fixes/pondérés, retouches fines de graphiques et feuilles, outils matriciels, FigureSpec YAML déclaratif (diffable et rejouable), instantané en lecture seule des MCP Resources, passerelle matplotlib-figure, assemblage PowerPoint avec étiquettes de panneaux, recherche de modèles du Graph Gallery, export EPS, liste blanche d'accès aux fichiers, base de régression visuelle et livrable OPJU éditable avec vérification déterministe de relecture.

Harness d'évaluation pour les plugins DSH : des cas au format YAML pilotent de vraies exécutions d'agent en mode headless, avec des assertions sur les appels d'outils, les arguments, les résultats et l'utilisation des tokens, ainsi qu'une barrière de référence pour la non-régression en CI.

Compétence de vérification d'affirmations qui confronte documents de conception et plans aux faits du code, en escaladant les affirmations comportementales vers une vérification exécutable par primitives logiques pour machines à états et modèles de données, avec régression avant/après, contraintes de domaine et exploration des risques de concurrence.

Disjoncteur pour tours d'agent inactifs : surveille agent/assistant-stream et annule un tour qui ne produit que du raisonnement — ni texte ni appel d'outil — après 45 s, après 80000 caractères de raisonnement, ou sur un motif de répétition dégénéré (unité répétée exacte, répétition de gabarit de phrase, répétition clairsemée, ou densité de 6-grammes). Au déclenchement, il injecte une instruction de continuation qui exige que l'action suivante soit un appel d'outil, et livre 11 cas de régression plus un réglage par porte.

Rapports de dérive comportementale pour les sessions DSH : compare deux journaux de session et rend compte de l'alignement des séquences d'outils, du mélange d'outils, du volume de raisonnement, du timing, des reprises et des fichiers ciblés, avec un seuil CI facultatif. Zéro dépendance.

Boucle qualité de DSH sensible aux changements : retour lint rapide et correction sûre des seules régressions, avec vérifications limitées des écarts lint, de TypeScript et des tests Vitest/Jest concernés. Quality Receipt distingue les nouvelles régressions de la dette historique.

Plugin auto-évolutif pour DeepSeek Harness : il observe le fonctionnement de l'agent, propose des améliorations de ses propres actifs via le LLM, valide chaque proposition dans un agent d'essai en sandbox et n'applique que les mutations vérifiées — avec registre versionné et retour arrière automatique en cas de régression.

Exécute Stata via DeepSeek Harness : le service natif Stata AI Skill démarre automatiquement avec DSH (binaires macOS/Windows inclus), afin d’exécuter régressions, do-files et flux de travail économétriques sans configuration manuelle.

Plugin d'orchestration QA pour DeepSeek Harness : un agent explore votre application et laisse des preuves, puis le chemin exploré est rejoué de manière déterministe. Pilote le navigateur ainsi que les pilotes de bureau macOS, iOS et Android.

Mémoire des décisions et objectifs avec lignage : des commandes explicites et un outil de modèle enregistrent les décisions de façon déterministe, une carte d'état les réancre à travers la compaction, un flux d'événements sans perte avec recherche BM25+jieba l'étaye, et une suite de régression de fidélité au niveau des scénarios contrôle les releases.

Exécutez Stata via DeepSeek Harness : le service natif Stata AI Skill démarre automatiquement avec DSH (binaires macOS/Windows embarqués), pour lancer régressions, do-files et workflows économétriques sans configuration manuelle.

Adaptateur mobile pour le shell web DSH : tiroirs superposés pour la barre latérale et les détails, composeur et réglages responsives sous 768px, sans régression sur ordinateur.

Adds a /dshpp slash command that reports session and token usage, cache-hit rate, and estimated cost from harness session logs; the repo also ships a CLI and local web console for lifecycle, provider, session, and plugin-security management.

Harnais de régression de contrats pour auteurs de plugins : un adaptateur LLM scripté pilote le vrai pipeline dans des processus enfants isolés avec des assertions d'événements de session (couches load/contract/behavior/fault) ; sans clé API, prêt pour la CI.

DSH 试金石：给「自改造」补上评测这一环——用一套金标准用例，把改动前 vs 改动后跑一遍、打分、对比，好就留、不好就撤。

Retrospective agent-session evaluation for DeepSeek Harness: deterministic grade cards from persisted session logs, cross-session regression diffs, era comparison — no benchmark runs, no LLM judges.

Measure whether a dsh setup change actually helped: register repeatable cases, run them, and diff the results before and after you change rules, skills, or models.

Evidence-first frontend release checks: real-browser content, accessibility, runtime, network, and baseline regression reports with screenshots.

Codex-style fuzzy skill search for the DeepSeek Harness Web GUI: /bug, /diag, /regression all find diagnosing-bugs in the / skill menu.