Plugins

Moteur de mémoire inter-sessions pour DeepSeek Harness : stockage SQLite + miroir Markdown modifiable par un humain, consolidation autoDream, recherche sémantique hors ligne (vectorisation/reclassement/clustering locaux), chronologie entité-attribut, Sleep Mode, autoSummarize avec modèle personnalisé et 7 outils de mémoire.

Preset Multitask où la conversation principale planifie, briefe les sous-agents et résume les résultats ; lectures de fichiers, commandes, recherches et builds s’exécutent dans les contextes des sous-agents. Quatre types de workers, approbation des opérations dangereuses et aucune modification du code source DSH.

Lecture approfondie et résumé pour DSH : livres, articles, vidéos et web transformés en notes Obsidian structurées via des parseurs de plugins, des sous-agents parallèles MapReduce de lecture profonde, des sorties JSON Schema et un cache idempotent.

Mémoire de projet pour dsh avec intégration native au système de tâches : les todos de session et les lectures de fichiers sont condensés automatiquement en enregistrements de tâches inter-session (liens tâche↔fichier), afin que les workflows puissent être repris et réutilisés sans recontextualisation. Mémoire à la lecture (pas de scan préalable) : extrait les symboles de code, résume les docs et relie docs↔symboles ; enrichissement sémantique TS optionnel (activé automatiquement si TS est installé). Les notes d’expérience sont dédupliquées automatiquement. Chaque rappel inclut une citation traçable. Pure JS, une seule dépendance, fonctionne immédiatement, fonctionnement silencieux, surcharge nulle.

Titres de session intelligents pour DSH : après chaque tour de conversation, un appel LLM auxiliaire indépendant résume la transcription complète utilisateur+assistant en un titre qui suit le vrai sujet de la session plutôt que de reprendre le premier message ; le premier message est titré immédiatement, les titres intégrés en échec sont réessayés aux tours suivants, les renommages manuels ne sont jamais écrasés, et les sessions de sous-agent/fork sont ignorées.

Remplace le résumeur de compactage DSH intégré par un résumé de passation en cinq sections et garde chaque message masqué lisible dans un répertoire de segments.

Multi-agent roundtable discussion: each member runs as a subagent on its own model and speaks in turn, a host summarizes each round, and termination writes meeting-minutes Markdown.

Connectez-vous à DeepSeek Harness avec un abonnement Claude Pro/Max (sans clé d'API), réduisez les images des requêtes Anthropic à un bord long de 2000px, allégez les charges utiles du résumeur /compact et affichez l'usage du forfait sur 5 heures/hebdomadaire ainsi que les compteurs de messages DSH.

Chat vocal façon Doubao pour DSH : maintenir le micro du composeur convertit la parole en texte et l'envoie automatiquement, et les réponses de l'IA sont lues à voix haute. Condensation optionnelle par LLM (les longues réponses sont résumées en courtes phrases parlées, en suivant le modèle de la conversation en cours), nettoyage du texte adapté au TTS, voix Edge TTS sélectionnables, arrêt automatique au silence réglable et réglages intégrés à la boîte de dialogue des paramètres de DSH.

Select text in any Windows app to explain, summarize, translate, or read it aloud with DeepSeek Harness — answered in a streaming always-on-top overlay with a horizontal capsule menu.

Preview conversation context and selectively keep, summarize, or omit exchange groups before applying persistent compaction through Harness session services.

Reformate les titres de session dsh en « date | type | sujet » (type et sujet sont résumés par un modèle à partir de la conversation complète), et masque les sessions inutilisées de la barre latérale sans les supprimer.

Gestionnaire de contexte pour DeepSeek Harness : résume automatiquement chaque tour en enregistrements triés par priorité, les injecte avec des notes inter-sessions épinglées et du texte personnalisé dans chaque requête au modèle, et replie des plages de conversation réelle de toute taille en résumés pour économiser des jetons. Persistant et résistant aux redémarrages. REMARQUE : installation manuelle en plusieurs étapes — copiez les trois dossiers de paquet dans profiles/node_modules et ajoutez les lignes fournies dans cordis.patch.yml, puis redémarrez DSH ; ce n'est pas une installation standard en une seule commande.

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.

Windows only. Bilibili video summarizer: downloads the audio track, transcribes it locally with faster-whisper (Python + faster-whisper, about 725 MB of models on first run), then writes the analysis markdown and renders a one-page infographic PNG.

Model-callable compact_agents tool that force-compacts context in every live session (main session, ordinary sub-agents and AgentTeams members alike), queues busy targets and compacts them when the turn ends, reports the shadowed node count and estimated tokens per target, and ships a browser form for the trigger ratio, retained ratio, controlled-phase output budget, auto-continue budget and an end-of-turn pre-compaction ratio that compacts near the trigger line once a turn ends, so a reply no longer opens with a wait for the summarizer.

Single-file persistent companion memory: interests, preferences, tasks, and past works summarized into the system prompt, with read/update tools.

Transférez les sessions longues vers une session propre : /handoff résume la conversation avec un LLM, crée une nouvelle session et un nouvel agent dans le même espace de travail, injecte le document de transfert comme premier message et l'ouvre automatiquement ; la session d'origine reste inchangée.

Onglet « 轨迹解读 » (interprétation de trajectoire) qui résume chaque tour utilisateur — ce qui était demandé, comment l'assistant a raisonné et exécuté, fichiers, commandes et erreurs — via un moteur de règles et une narration LLM facultative ; les messages de l'utilisateur restent inchangés.

Transférez un contexte ciblé sans attendre ni interrompre l'Agent actif : figez un snapshot borné de Session, résumez-le asynchronement via un LLM isolé sans tool, et livrez une capsule avec provenance à une autre Session ou à un Room autorisé — silencieux par défaut pour les Sessions, avec réveil explicite disponible.

Saves architecture and validated plans, runs native AgentTeams workers with approval, parallel coding and independent review, and summarizes progress and verification results.

Notes-backed context compression for DeepSeek Harness: replaces LLM-summarized compaction with a model-written persistent notebook plus recoverable raw history, so the rollover boundary itself costs zero model calls.

Chunked compaction for oversized sessions: takes over only when the live context exceeds 85% of the model window (or the request exceeds 4 MB), summarizes the history in 1.5 MB chunks and merges them; smaller sessions keep the built-in compaction.