Plugins

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.

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.

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.

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.

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.

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.

Plugin d'optimisation pour DSH Desktop. Contraintes injectées seulement si utiles (zéro token au repos), en couches : texte stable dans le prompt, volatil en fin ; cache du prompt préservé. Chaque tour est classé (question/recherche/discussion/diagnostic/exécution) : pas d'édition en question ni de correctif non demandé en diagnostic ; citations de code non ouvert, négations sur des symboles non vus, exigences hors livrable : signalées ; tout code, champ ou id est expliqué en clair dès sa première apparition. Mémoire : alertes à 75 %/90 %, connaissances de projet par répertoire de travail, supprimables par id. Artefacts : contrat de tâche, journal des modifications. Tableau de bord : routage et blocs dans lume-metrics.jsonl via lume_metrics ; personas distillés de journaux ou fiches.

Préréglage d'agent de flux de travail d'ingénierie pour dsh : cinq phases à portes (clarification des exigences, approbation du plan, TDD, sous-agents parallèles, finition vérifiée) avec six compétences de flux de travail adaptées d'obra/superpowers.

Injecte dans le modèle au début de la conversation des exigences durables « à faire » et « à ne pas faire » définies par l'utilisateur.

Un interrupt button vert à côté de la zone d'envoi : arrête silencieusement un agent en cours d'exécution, qui résume ensuite sa progression et vous demande vos nouvelles exigences, avec un interrupt prompt personnalisable.

Screenshot-review skill for DeepSeek Harness: the agent opens a frontend page, screenshots it, views the screenshot itself, revises the code, then re-screenshots — iterating until the page visually matches the user's requirements. Ships as a dsh.bundle, so it installs with `dsh plugin add`.

Context curation for DeepSeek Harness: content-aware tool-output slimming, dead-log sweep, pinned user requirements and in-flight work, archive-then-compact with an audit trail.

DSH Web 任务面板插件：把需求、队列、子 agent 执行、自动复核、验收返工和定时执行做成一个可视化闭环。

A DSH plugin that automates shipping a local project: create a GitHub repository and publish it (git init/commit/push + topics + tag + release), sync requirements/progress to Linear, publish to npm, and announce in the community Discussions — to join the

An agent preset that turns a one-line idea into requirements, tech plan and maintenance baseline — every step is restated and confirmed by you before proceeding. No scenario presets: 73 atomic skills (6 master skills + a verify dispatcher + 66 sub-skills) load by context.

Keeps DSH agents from forgetting your requirements during long tasks. It saves important conditions and completion evidence locally, brings them back after context compaction or session resume, and stops partial work from being reported as the whole task done.