Plugins

Quatre outils en lecture seule sur une base de connaissances WeKnora : lister les bases de connaissances, recherche hybride de passages, réassembler les chunks d'un document dans l'ordre, et la réponse RAG citée ou ReAct-agent de WeKnora avec un identifiant de session reprenable.

Fixe la langue de raisonnement du modèle au niveau choisi dans Settings - General - Thinking language (chinois simplifié, ou niveau par défaut qui ne limite que les réponses et laisse le raisonnement au modèle). Injecte une section de prompt système à l’ordre -1000000 puis la replace en tête à la fin de l’assemblage ; une copie facultative peut précéder chaque message utilisateur pour les modèles qui suivent mal les sections statiques.

Configurez visuellement le prompt, les outils, les skills visibles, les sous-agents et les modèles de repli d'un agent, et assemblez-en plusieurs en une équipe. Il n'écrit ni ne modifie jamais de fichier de preset de l'hôte.

Plugin de gestion du prompt système par défaut de DeepSeek Harness : parcourir, rechercher et remplacer le prompt final assemblé à chaque tour de session dans « Settings » de Web GUI.

OMK — Observer. Mesurer. Savoir. Modifications de connaissances étayées par des preuves pour les applications IA.

Équipe Multi-Agent par rôles pour DeepSeek Harness : produit, architecture, frontend, backend, révision et QA travaillent en neuf phases contrôlées ; équipe persistante disponible. Sans dépendances d’exécution ni build.

Localisation en chinois de DeepSeek Harness : traduit à l'exécution tous les prompts système, descriptions d'outils et contextes d'exécution en chinois via la cascade system-prompt/assemble (1788 entrées, aucune modification du code source, la désinstallation restaure l'anglais).

Plugin Context Assembler pour DeepSeek Harness : assemblage de contexte par blocs thématiques, découpage thématique par pression d'eau, trace/réécriture d'outils, injection de rappel de réalité et planification de passation.

A full-screen novel-writing workbench: chapter board, draft candidates reviewed and merged paragraph by paragraph, plot summaries carrying an index header, and a writing pack assembled from the outline, character cards and earlier chapters. It also reads a shelf of finished books you import, extracts their writing habits in one run, merges them into a single style standard, and puts that standard in the prompt for every later generation.

Noyau de jugement pour DeepSeek Harness : une boucle cognitive attribue une source à chaque décision et mène la planification à son terme ; la mémoire hippocampus transforme l’expérience en connaissances (journal, archive épisodique, baisse de confiance) ; l’architecture fixe responsabilités et critères cohérents ; une équipe A2A gère la mémoire via dsh-linghun-assembler. Nécessite DSH ^0.1.0-rc.7 (rc.2 pris en charge).

Memory-assembly team for DeepSeek Harness: every message triggers a five-step cognition loop (judge, retrieve, assemble, feedback, calibrate) carried by role-playing subagents (judge, retriever, archivist, advocate, editor, scribe), using BM25 retrieval, time-ordered material, and LLM assembly to build useful material packs injected into linghun. Works with dsh-linghun.

Model attribution panel for the dsh web chat — local, zero-network structural fingerprinting (template token leaks, glitch canaries, tokenizer usage-vector matching) that scores which of 29 AI vendors a session's responses most resemble, with a per-claim evidence ledger and a 12-probe active battery.

Council of High Intelligence : réunissez un think tank de 18 personnages historiques pour un débat structuré multi-perspectives, avec un panneau latéral DAG en direct, un historique d'exécution SQLite et des valeurs par défaut par projet via .council.yaml.

Inspecte, mesure, recherche et compare le contexte exact, neutre vis-à-vis des fournisseurs, assemblé par DeepSeek Harness.

Mémoire bi-temporelle adossée à un démon SodaMem : le rappel est versé au prompt pendant l'assemblage de chaque tour et chaque tour clos est ingéré, sans appel d'outil ni appel de modèle sur le chemin de lecture ; chaque fait rappelé cite le tour dont il provient et porte des dates de validité, de sorte que les faits remplacés cessent d'être récupérés.

DSH hardware sandbox plugin: assemble a 3D scene of ESP32 / BME280 / PIR / LED components with protocol- and voltage-checked port wiring, run real Python project code in the loop against simulated I2C/GPIO hardware with fault injection, let networked device simulators report over HTTP to a real backend (validated end-to-end against a live seat-reservation system), observe a real device read-only and map its state onto the scene, and add support for new boards through data-driven pin definitions. Ships 16 hw_* agent tools plus a bundled SKILL.md.

Assistant SSQ (loterie de bienfaisance chinoise Double Boule Bicolore) pour DeepSeek Harness : suivi des tendances sur 1000 tirages, six modèles de prédiction avec vote d'ensemble, analyse de structure et génération dan-tuo/aléatoire via l'outil ssq.

Turns a Minecraft Java save into a Blender cover or animation: scans the .mca region files for flat open ground, exports the terrain to OBJ, and drives Blender headless with MCprep materials, the BPS character rig and three-point lighting. After each render it reviews the frame with OpenCV for facing, ground contact, exposure, lighting and composition, then re-renders with adjusted parameters when a check fails. Requires Blender 4.2 LTS or newer and Python 3.10+ with opencv-python and numpy; the first run assembles the Minecraft assets with the bundled setup command.

Semantic code search for DeepSeek Harness: registers two native tools, semble_search (find code by describing its behaviour, returning ranked file:line hits) and semble_find_related (neighbours of a known location), which run the Semble CLI via uvx, plus one bundled routing skill. Requires uv on PATH; the first query on a repository builds its index.

Standalone prompt assembly with a source registry, custom text, strategy editing and previews, and per-session strategy snapshots through DSH public hooks.

System-prompt surface drift gate: every section any plugin or preset contributes to the assembled system prompt is hashed and baselined; a silent rewrite of what the model is told fails loud.

Host-side long-task detection for small-context local models: long outputs are scaffolded into a parts skeleton (one part per reply, then assemble), and multi-step work into a PLAN.md ledger with notes/ (plan first, one step per reply). Detection is heuristic and host-side, so it does not depend on the model judging its own limits.

Read, build and take apart EPUB 3 books with no external dependency — the ZIP reader/writer and the XML scanner are both built in. Inspect metadata, reading order and TOC for structural problems, assemble a book from chapters, or split one back into per-chapter HTML.

Wire-level LLM inspector: captures the raw HTTP request and response bodies of model provider calls and attributes each capture to the session that caused it through the llm/stream waterfall. The request pane renders the body as a collapsible tree with per-node sizes — one measured request was 98.6% a single 973-entry array — and the response pane reassembles the OpenAI-style SSE chunk stream into reasoning, content, tool calls and usage. Shown in a Conversation View tab and a loopback viewer page.