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.

Connecte DeepSeek Harness à la base de connaissances personnelle locale d'abord et auto-évolutive de ReMe : capture automatiquement les conversations de l'agent principal terminées en tant que mémoire Markdown appartenant à l'utilisateur, recherche dans les conversations et les sources via reme_search avec BM25, embeddings optionnels et expansion de wikilinks, et planifie la consolidation quotidienne de la mémoire.

Ensemble de méthodes de génie logiciel pour les agents de codage, avec des compétences pour la planification basée sur une référence de départ, le débogage systématique, l'hygiène des prompts, la vérification avant achèvement et le suivi des réparations/retraits.

Lit les fichiers de session que 22 autres agents de codage 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 des sessions d'avant son installation. Comprend six outils (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), une commande /deja et un recall automatique optionnel ajouté au contexte d'exécution. Index BM25 local, sans LLM, sans embeddings, sans réseau (dsh plugin --profile web add dsh-deja).

Mémoire inter-sessions à portée projet : stockage SQLite à sept couches (soul/user/project/fact/lesson/rules/topic) sur node:sqlite, injection au premier message adaptée au cache plus correspondances de mots-clés par message, outils memory_remember/search/find_similar/read/update/project et consolidation en fenêtre d'inactivité (« dream ») avec suppression aux heures de pointe. Les textes d'invite sont fournis sous forme de fichiers de données par langue — le framework prend en charge les utilisateurs multilingues.

Animal de compagnie de bureau DSH flottant avec 12 animations d'état rédigées pour les requêtes, outils, compaction, archivage et amélioration des prompts ; occupation du contexte en direct ; un Grand Livre à vie persistant entre sessions ; totaux par fournisseur/modèle, tendances horaires et vues sur 7/30 jours ; basculement de thème sombre/clair ; estimations de coût optionnelles (désactivées par défaut) avec éditeur de prix visuel et alerte budgétaire mensuelle ; importation ZIP de skins côté client ; export d'utilisation JSON/CSV ; lectures de panneau en instantané uniquement avec indexation incrémentielle en arrière-plan ; et amélioration des prompts opt-in avec aperçu modifiable et soumission au compositeur DSH.

Garde de discipline d'ingénierie : vérification des exigences avant la première modification, portes de preuve de test rouge/vert, revue adversaire bifurquée et rapport de livraison avec un flux de vérification par dimension.

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.

Atelier de projets QA pour dsh : gérer projets de test, exigences, cas de test, anomalies, jalons, rapports et portes de validation via une interface navigateur et 18 outils du domaine QA.

Outils e-mail IMAP/SMTP (list/read/search/send/folders/attachment/health/watch/mark/reply) avec filtres de plage de dates since/until, email_mark pour lu/non lu/favori/déplacer, email_reply pour répondre/répondre à tous/transférer avec les en-têtes de fil de discussion, préréglages QQ/163/126/Sina/Aliyun/Gmail/Outlook/iCloud, prise en charge de plusieurs comptes, une barrière d'approbation d'envoi, une page de paramètres web et une popup whale-girl de nouveau courrier déclenchée par le vérificateur incrémental email_watch. La connexion Outlook OAuth2 par code d'appareil fonctionne d'emblée grâce à un client communautaire intégré, et un compte peut toujours fournir son propre clientId à la place.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Graphe de connaissances de code local-first pour agents de codage : 10 outils MCP pour la compression contextuelle en couches, la planification DAG, l'indexation incrémentale d'AST, un flywheel de compétences inter-sessions, des diagnostics et l'import/export d'artefacts de graphe.

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.

Mode chinois global : un petit commutateur en forme de pilule à côté du compositeur qui injecte une exigence linguistique dans le prompt système de tout préréglage (sauf personas complets) ; la réponse, le raisonnement et la sortie des outils basculent chacun entre chinois et anglais, et les préréglages ancrés sont pris en charge.

Garde-fou de dérive des exigences en cours d'exécution qui maintient les agents DSH de longue durée alignés sur l'objectif, les contraintes et les décisions approuvés par l'utilisateur.

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.

Pont mémoire Honcho : synchronise automatiquement chaque tour de conversation vers un service Honcho auto-hébergé, avec des outils recall/search/remember/context/status, injection de contexte au démarrage de la session et un panneau de paramètres visuel.

Mettre en pause / reprendre / annuler la tâche de conversation en cours depuis la zone du compositeur : la pause forcée interrompt immédiatement et mémorise l'outil interrompu, la pause sûre se pose après la fin de l'outil ou du raisonnement, la reprise demande confirmation, et la granularité de pause par défaut est configurable dans les paramètres.

Agent de codage en terminal pour DeepSeek Harness avec une interface plein écran en écran alternatif, une navigation de session sensible aux tours et un flux de travail /ship verrouillé qui guide des exigences d'une ligne à travers spécification, TDD et vérifications d'acceptation réexécutées.

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.

Un essaim gouverné de six agents DSH spécialisés — orchestrateur, planificateur, passerelle vers la base de connaissances, développeur et deux relecteurs — transforme une exigence en pipeline strict par phases où chaque livraison doit faire ses preuves avec des éléments de preuve structurés avant que la phase suivante ne puisse commencer ; les relecteurs sont en lecture seule, les fusions de code n’ont lieu qu’après une relecture, et un journal d’événements en ajout seul permet une relecture complète et un audit sur un tableau kanban en direct. Sa conception s’inspire du kanban de Hermes Agent.

Memo — recherche en mémoire de session pour les agents DeepSeek Harness : rappel plein texte inter-sessions (memo_search), notes distillées (memo_remember) et statistiques du corpus (memo_stats) sur le service officiel sessionQuery. Zéro infrastructure, priorité au local.

Mise à jour de DSH + synchronisation de la documentation officielle dans Settings : mise à jour npm en un clic de @deepseek-ai/dsh avec progression en direct (flux de sortie npm, minuterie écoulée, barre monotone), protection multi-copies qui ne touche que l’instance en cours d’exécution, mode arbre source via git pull, installation PowerShell 7 en un clic sous Windows, synchronisation incrémentale de docs/ avec progression, et les outils modèle dsh_docs_search / dsh_docs_read.

Memory Lake comme couche de mémoire persistante pour dsh : outils memory_search, memory_remember et memory_forget via le CLI memorylake, une ligne d’état de session, et des compétences de configuration/diagnostic guidées, partageant une seule identité ~/.memorylake et un seul ensemble de mémoire avec les plugins Claude Code et Codex.