Plugins

Plugin d’analyse de sécurité pour DeepSeek Harness : 33 outils couvrant six domaines de sécurité, les preuves, les rapports et les utilitaires, ainsi que le cycle de vie des dossiers, le routage et le journal des outils. Il fournit un flux de dossier lié à la session, une chaîne de preuves, la validation des E-id et des constats reproductibles ; 362 références à la demande ; trois profils de personnalité interchangeables ; et un espace de travail à quatre onglets (armor / case / intercept / about), avec reprise de l’état du dossier après compactage du contexte.

Optimise les tokens de DeepSeek Harness avec découverte et chargement différé des outils MCP, commandes de compactage configurables et état affiché, réduction des sorties d’outils, résumé visuel des longs textes et archivage facultatif des conversations avec récupération paginée.

Utilisez un abonnement ChatGPT/Codex dans DeepSeek Harness avec les modèles GPT, la génération d'images, la recherche web, le rapport de quota d'abonnement, le contrôle des modèles et fonctionnalités, et la connexion OAuth par navigateur ou code d'appareil.

Pipeline d'optimisation des jetons en couches pour DeepSeek Harness : échelle de sortie, chargement paresseux MCP, moteur de compaction, reporting des hits de cache. Construit sur les vraies API de plugins DSH ; ~40-60 % d'entrées économisées dans les longues sessions.

Tableau Kanban pour les sessions DeepSeek Harness : l’agent principal confie les tâches à des sous-agents worker/verifier ponctuels, avec planification des dépendances, verrous exclusifs par fichier, mise en attente/gel pour arbitrage, progression des jalons et statistiques de tokens par tâche.

Plugin de vérification d'objectifs basée sur des preuves pour DeepSeek Harness. Verrouille les objectifs via /ultragoal et vérifie l'achèvement par rapport aux codes de sortie des commandes et aux artefacts générés, empêchant le modèle de signaler faussement l'achèvement des tâches.

Plugin DeepSeek Harness : traite comme hôte de confiance une page web dsh derrière un proxy inverse (hors loopback), afin que les paramètres se chargent au lieu d’afficher « settings are unavailable in this browser ».

Images et vidéos locales comme arrière-plan de la fenêtre DSH Desktop : rotation temporisée avec fondus croisés de 0,7 s, attente de la première image avant le fondu, texte clair/sombre automatique pour la lisibilité, réglage du flou et de l’opacité des panneaux/barre latérale, vignettes vidéo et endpoint probe indiquant l’état du chargement, des couches et des sélecteurs. Ne lit que les fichiers locaux indiqués.

Suit dans WakaTime les lectures de fichiers, les affichages d'images et les modifications de code de DSH, y compris les comptages exacts des lignes ajoutées et supprimées par l'IA. Maintient le suivi d'activité en cours pendant que DSH répond, regroupe les mises à jour entre fichiers et coordonne les limites de rapport par projet entre processus DSH parallèles. Installe et met à jour automatiquement wakatime-cli.

Enregistre un fournisseur enveloppe qui attribue une route LLM propre aux sous-agents délégués : lancements ponctuels via provider.start et membres d’Agent Teams via un hook sur startActivation ; l’agent principal conserve son modèle. Comprend le choix de route dans Settings, un fichier de surcharge par expert, un indicateur des points d’intégration interceptés et un état de disponibilité écrit au montage.

Ajoute Delete session au menu contextuel latéral; après confirmation affichant la taille des logs et l’activité en cours, détache proprement les fichiers log, checkpoints de projection et inscriptions mémoire du host.

Connecte plusieurs passerelles compatibles OpenAI. Chaque passerelle a son groupe, peut être masquée sans perdre ses réglages et récupère ses infos publiques depuis son adresse. Gestion/tests de modèles par passerelle et rapport de quota facultatif.

Diagnostique les points d’accès d’API LLM tierces depuis la barre latérale en quatre étapes : DNS/TCP/TLS, clé et modèle, vraie conversation en flux continu, puis répétitions chronométrées. Indique time-to-first-token, débit de sortie et taux de réussite ; rattache chaque échec à l’étape bloquée et précise les octets réellement sortis de la machine. 37 préréglages de fournisseurs, aucun nom de modèle codé en dur.

Assistant de recherche en économétrie : 6 outils couvrant le choix de méthode, la préparation des données, la spécification du modèle, l’analyse empirique avec des modèles de code Python/R/Stata, les vérifications de robustesse et la présentation des résultats.

Organise les sessions du workspace DeepSeek Harness en les renommant sous la forme 类别｜主题 et en signalant des suggestions d'archivage, de renommage et de revue.

Registers one tool, report_health, that answers whether a scheduled report job actually ran. It judges by side effects rather than exit codes: how old the newest report folder is, how many documents it holds, whether more than one report category is present, whether the audit ledger was synced recently, and how long ago the last log was written. Exits nothing, calls no model, and reads only local paths you can override by config or environment variable.

Panneau en lecture seule présentant les bundles de plugins, insertions de patch, skills, santé des mises à niveau et du découplage de l’instance.

Permet au modèle de lancer la compaction à un moment sûr via compact_now (même au milieu d’un tour). context_status indique l’utilisation réelle des tokens par rapport à la fenêtre de contexte effective de la session.

Garde visibles les todos inachevés entre tours. DSH efface leur projection au début du tour et attend une réécriture complète ; après interruption, le plan reste au journal mais disparaît de l’UI. `todo_write` est uniquement en écriture. Un listener session/event mémorise la dernière liste par session et la réajoute à `turn/start` si elle reste incomplète. Sans fork de tool-todo ni waterfall : la projection ne se remplace pas (mismatch `stateVersion`), donc il ajoute l’événement consommé par le fold. Limité aux listes inachevées, un événement max par début de tour, fail-open. Validé par A/B contrôlé sur sessions réelles avec la vraie projection. Zéro dépendance.

Plugin DeepSeek-Harness d’orchestration multi-modèle avec décomposition récursive des tâches, routage dynamique, contrôles qualité, reprise après échec et rapports KPI.

Deterministic review of synthetic AI-agent claims in DeepSeek Harness, reporting bounded verdicts, reasons, and evidence references.

One-step local model onboarding plus a light harness for DSH. On load it probes loopback and private-network inference endpoints (llama.cpp, Ollama, vLLM, LM Studio), reads each model's context window and output budget from the backend, and registers the provider through settings, so a local model becomes selectable without hand-writing config. It then trims only that provider: masks the tool list through tools.restrict, drops named system-prompt sections and memory contexts, swaps the injected instruction block for a short one while preserving its first 80 and last 96 characters, and truncates tool-schema descriptions without touching structure or required fields. Cloud providers are returned as the same assembly object, untouched. The injected block is re-read from disk on every assembly, so editing the file takes effect on the next request with no reload. The panel in the plugin detail page is a live operations view: it shows whether the takeover is active and by which hook, how many characters the last assembly was trimmed from and to, and which providers are online (probed concurrently, with a real one-shot completion reporting latency and reply text per provider). If a local backend is not running, the panel offers a one-click launch: it probes the port first (never starting a duplicate), then starts the matching server (ollama serve, or a custom command you supply) detached and polls until the endpoint answers, clamping the wait to 3-600 seconds, reaping the child it just spawned if it never answers, and naming the paths it searched when it cannot find the binary. A stop button kills backends this plugin started (SIGTERM, then SIGKILL) and refuses to touch a server somebody else launched. When a model has just been downloaded and no backend exists yet, the panel can also scan the machine for .gguf files with hard caps (300 models, 20000 directory entries, Downloads only one level deep), start llama-server on the chosen one (skipping the .mmproj. vision projection and reusing a server that already answers), register the provider under the model id the backend reports, and run one real completion to prove it works. Before spawning anything it compares the model file size against available memory and refuses a model that cannot fit (or that exceeds 80% of the budget) until you confirm, switching to --no-mmap in that case; the honest limit is that this reads OS-visible RAM only, not GPU-side memory.

Au démarrage, vérifie les versions des plugins activés, les liste dans une carte d’angle et les met tous à jour d’un clic ; résultat par plugin. Résout le dsh CLI fourni pour macOS, Windows et Linux sans supposer un exécutable Windows.

Carte étape par étape du workflow DeepSeek Harness : résume une session en une liste d’étapes, indique l’origine de chaque pourcentage au lieu d’afficher un chiffre brut et met en file le prompt de l’étape suivante, révocable avant sa prise en charge.