Plugins

La mémoire qui rêve — mémoire inter-sessions pour DeepSeek Harness : elle se souvient de vous d'une session à l'autre, se consolide automatiquement pendant son sommeil (autoDream), gèle les souvenirs contradictoires pour votre relecture et conserve une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec des miroirs Markdown modifiables à la main, un graphe d'entités, un panneau de mémoire interactif, ainsi qu'une API externe et une CLI.

La mémoire qui rêve — mémoire inter-sessions pour DeepSeek Harness : elle vous retrouve d'une session à l'autre, se consolide automatiquement pendant son sommeil (autoDream), gèle les souvenirs en conflit pour votre revue et conserve une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec miroirs Markdown modifiables à la main, graphe d'entités, panneau de mémoire interactif, plus une API externe et une CLI.

La mémoire qui rêve — mémoire inter-sessions pour DeepSeek Harness : elle se souvient de vous d'une session à l'autre, se consolide automatiquement pendant son sommeil (autoDream), gèle les mémoires en conflit pour votre revue et tient une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec miroirs Markdown éditables à la main, graphe d'entités, panneau de mémoire interactif, plus API externe et CLI.

/rewind façon Claude Code pour DeepSeek Harness : instantanés de l'espace de travail basés sur git avant chaque exécution d'outil modifiant l'état, embranchements de session aux limites de tour, et une commande /rewind en une étape qui restaure les fichiers et rebranche la session sur un point de contrôle.

Client terminal plein écran pour DeepSeek Harness construit sur pi-tui : relecture/reprise de session, réponses en streaming, cartes d'outils repliables, approbations et questions dans le terminal, gestion des modèles/préréglages/permissions/plans/objectifs, mode shell et un registre de trajectoire.

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.

Rejoue des sessions sur une timeline rejouable avec utilisation des jetons par étape, audite les opérations sensibles, estime les coûts, affiche la lignée des forks, compare des sessions et exporte des replays HTML autonomes.

Plugin d'annonce vocale sans dépendance, piloté par les événements : pas de modèle supplémentaire, pas de coût en jetons. Parle avec la voix naturelle intégrée du système, prenant en charge Windows et macOS ; annonces de réponse finale, alertes d'approbation et de question, annonces d'événements facultatives (fin de tour, commande terminée, changement d'objectif, erreurs d'outils, mises à jour de tâches), réponses finales rejouables et une page de paramètres visuelle bilingue.

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.

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.

Détecte quel modèle de conversation est servi à un compte : lance des conversations-sondes concurrentes jetables, note chaque chaîne de pensée en streaming selon la manière dont s'ouvrent ses paragraphes, et annule en quelques secondes les sondes lues comme l'ancien modèle. Inclut une auto-vérification hors ligne qui rejoue 13 chaînes de pensée étiquetées à la main à travers le même classifieur.

DeepSeek Harness enregistre des workflows de bureau macOS par démonstration et les transforme en skills d'agent (skill open-record-replay + outils orr_*)

Superposition danmaku de style Bilibili pour la zone de chat de DSH Web : pistes défilante, haute et basse pilotées par les événements de l'agent, trois packs prédéfinis, commentaires générés par LLM en option, boule de contrôle déplaçable, pools par session avec relecture, et une carte de réglages.

Explore les points de contrôle produits par dsh-checkpoint-rewind sous forme de chronologie de nœuds temporels et affiche les diffs ligne par fichier entre n’importe quels deux d’entre eux, avec relecture des traces à partir des journaux de session (aucun producteur de snapshots requis) et un retour arrière de l’espace de travail orienté aperçu avec annulation en une seule action, via les commandes /diff et /rollback, une API HTTP JSON et un panneau GUI.

Barre latérale de vidéos courtes : lecteur natif, navigation par série, reprise précise de l'historique.

AgentDuel est un jeu de bataille de code. Ce plugin vous permet d'accomplir toute la boucle de jeu dans DSH : gérer les personnages deathmatch et les équipes capture-the-flag, soumettre le code d'agent, lancer des batailles, regarder des rediffusions et utiliser les conversations DSH pour améliorer continuellement les agents en fonction des résultats des batailles.

Passerelle de canal Feishu (Lark) à sécurité positive (fail-closed) : discutez avec un bot et récupérez les réponses de l'agent dsh — avec approbation d'outils human-in-the-loop optionnelle (cartes Allow/Deny avant chaque appel bash, délai d'expiration fail-closed). Intégration utilisant exclusivement le SDK Python officiel (version figée) ; liste blanche à refus par défaut, vérification de signature/horodatage/rejeu des webhooks, sessions persistantes par discussion ; test de compatibilité quotidien avec le dernier SDK ; documentation bilingue.

Persona pour DeepSeek Harness : un config.json régit le nom que se donne l'IA (par modèle, par palier), comment elle vous appelle, sa posture, le texte de caractère, des contrats par élément avec options, la langue de la réflexion et le ton des réponses, plus une mémoire à confirmation humaine : l'IA ne peut qu'ajouter des candidats, une ligne de confirmation les active, et le journal est en ajout seul, rejouable. Les entrées confirmées sont injectées comme bloc cité de données et non d'instructions ; celles étiquetées d'un kind vont vers des fichiers arbitraires et n'atteignent jamais le prompt. Le prompt est relu depuis le disque à chaque assemblage : les modifications s'appliquent sans redémarrage. Presets : instantanés JSON partageables. Sans dépendances, réseau ni shell.

Flux de travail DAG durables, indépendants de l'hôte, pour les agents avec CLI, MCP, des compétences à la demande, des déclencheurs, une relecture et un visuel Canvas.

Auto-amélioration nocturne pour votre agent DeepSeek Harness : récupérez hors ligne les sessions passées, rejouez les tâches récurrentes avec votre propre budget API et consolidez les compétences validées derrière une porte de validation séparée. Intègre le moteur SkillOpt-Sleep de microsoft/SkillOpt à dsh sous forme d’outils natifs et d’une compétence fournie, sans entraînement des poids. Nécessite Python 3.10+ et le moteur SkillOpt-Sleep (pip install skillopt).

Enregistrement et relecture complets pour DSH (fonctionne sous Windows) de la série de plugins huahua : relisez chaque session enregistrée automatiquement sous forme de chronologie lisible, exportez/importez des packs de relecture partageables, réexécutez des conversations dans une nouvelle session et enregistrez les opérations à l’écran pour générer automatiquement des compétences SKILL.md installables. Inclut une adaptation Windows en 4 fichiers de kangshifu1/dsh-record-replay pour DSH rc.5 (voir l’avis de dérivation dans le README).

`image_gen` de GPT Image 2 avec OAuth d’abonnement Codex par défaut ou mode explicite clé API : carte en développement, jusqu’à trois partiels API en direct, relecture durable des pièces jointes / lightbox / téléchargement, sortie de modèle texte seul et requêtes bornées sûres pour les identifiants.

Exporter les sessions en Markdown/JSON pour révision, relecture et résumés de coûts par session.

Adaptateur réseau faible : nouvelles tentatives transparentes du flux de modèle avec backoff long (plafond 10 min), cache local de rejeu des réponses, reconnexion automatique par heartbeat, et économie de tokens en mode dégradé, avec une page de paramètres bilingue (zh/en).