Plugins

Ensemble de méthodes de génie logiciel pour les agents de codage, avec des compétences pour la planification basée sur une référence de départ, le débogage systématique, l'hygiène des prompts, la vérification avant achèvement et le suivi des réparations/retraits.

Les capacités de DeepWatch, installables dans un profil DeepSeek Harness existant

Moteur de rapports de recherche vérifiables pour DeepSeek Harness avec un registre de preuves adressé par contenu, des rapports scellés versionnés où chaque affirmation porte un verdict de vérification et le hash du manifeste scelle le répertoire, et une orchestration de récupération réutilisant les jonctions ctx.web et ctx.jobs.

Recherche unifiée avec vérification des preuves pour les agents : plus de 120 moteurs avec routage multilingue, domaines verticaux et fiches de modalités structurées, 10 outils MCP plus l'orchestration wide_research, et une boucle fetch-verify qui complète les scores de preuves.

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.

Vérification de la qualité des données pour DeepSeek Harness — pipelines de profilage, nettoyage et vérification avec rapports structurés.

Workflow multi-agents pour concours de modélisation mathématique : le preset « UltraMath » exécute un problème de la lecture au framework, dérivation, codage, vérification, papier et revue, plus 4 presets de rôle à étape unique (mathématicien, ingénieur, rédacteur, relecteur) et 33 docs skill de bibliothèque de modèles.

Outils read / edit / batch_edit / undo_last_edit ancrés par hachage : chaque ligne reçoit un hachage de contenu unique de 3 caractères, les modifications ciblent les hachages plutôt que les numéros de ligne, et la vérification de l'état servi rejette les plages obsolètes avec des ancrages actualisés.

Installe quatre presets de recherche mathématique multi-agents pour DSH : v2 (pipeline guidé par les probabilités avec débat multi-vérificateurs), v3 (base de connaissances Markdown façon article avec un agent planificateur et une bibliothèque de méthodes réutilisable), v4 (résidents persistants auto-organisés qui s'écrivent et se réunissent) et v5 (un institut de recherche avec un académicien qui décompose et attribue le travail, des chercheurs votants, des intérimaires, un chat de groupe et un tableau de tâches compare-and-set) ; les quatre gèrent la reprise sur point de contrôle, l'intervention humaine et un interrupteur optionnel de vérification formelle Lean (off/encourage/require) dont la preuve validée transforme le vote en contrôle de fidélité des énoncés Lean.

Oh My DSH (OMD) ajoute des résumés de contexte avec rappel des sources d'origine, une vérification liée aux tâches, l'optimisation des prompts, la navigation de code CodeGraph, le contrôle d'ordinateur OpenCU et quatre thèmes couvrant la mise en page, les barres latérales et les réglages.

Compétence de vérification du navigateur en environnement isolé pour le développement de plugins DSH : un DSH_HOME jetable, son propre profil `verify_<random>`, son propre port et sa propre instance de navigateur en une seule commande, nettoyés à la sortie, sans jamais toucher au profil que vous utilisez réellement ; fournit un pilote CDP brut sans dépendance (snapshot / click / screenshot / eval) et un audit d'isolement optionnel.

Sauvegarde et restauration en une commande des données utilisateur DSH avec un panneau visuel dans les réglages : sauvegarde automatique planifiée, vérification sha256, restauration renforcée avec rollback automatique, sous-sauvegardes typées (--types skills), masquage des identifiants vers un coffre local, synchronisation GitHub pour changer de machine, et canal de secours hors processus fonctionnant même quand l'hôte ne démarre pas. /backup doctor vérifie et répare les journaux de session corrompus depuis une sauvegarde saine connue ; migrate-check prédit statiquement les sessions qu'une mise à jour de l'hôte casserait et la sentinelle d'identifiants conserve des copies avant migration ; sauvegardes intelligentes avant mises à jour et quarantaine des logs corrompus. macOS/Linux/Windows.

Système de workflow d'ingénierie pour les agents de codage IA — planification obligatoire, TDD, vérification, revue et analyse intelligente du graphe de la base de code.

Outils d'utilisation d'ordinateur de bureau Windows (click, type, key, screenshot) avec vérifications d'actualisation, validation par approbation, vérification de l'identité du processus autour de chaque action et piste d'audit nettoyée.

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.

Transforme les documents locaux en markdown et texte en une base de connaissances interrogeable avec recherche hybride sémantique et par mots-clés, vérification des citations et injection de sources.

Preset mode expert DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH) : coordinateur principal + 17 sous-agents experts de domaine avec délégation automatique. Fonctions : taskboard (états pending/ready/running/done/failed, DAG dépendances, réclamation atomique, retry, récupération), portes qualité (pipeline 5 étapes : exigences, implémentation, vérification, revue, intégration ; 2 reprises), Five-Anchor (revue/convergence/anti-dérive/collaboration/ressources), Near-distance (modèle identité/tâche/sortie), divulgation progressive (~28 % économie de tokens), persistance, bus P2P, revue croisée, pool d'expérience, voie rapide, auto-retry. 17 experts : données, rédaction, juridique, PM, frontend, UI/UX, architecte, social, growth, fin. quant., backend, DevOps, BD, QA, sécurité.

Pipeline de recherche multi-plateformes et de recherche approfondie : harvest_scout pour la découverte parallèle sur GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili et YouTube ; harvest_deep_research pour des rapports de recherche complets automatisés ; plus extraction, vérification croisée des sources et audit de crédibilité.

Skill de flux de travail de recherche AI-for-Science pour DeepSeek Harness, destiné aux chercheurs et étudiants de troisième cycle utilisant l'IA agentique : revue de littérature multi-angle avec fichiers par angle, conception d'expériences avec liste de réserves, lecture de figures et d'articles ; chaque tâche renvoie des fichiers plus un brief de vérification croisée pour un second modèle. Zéro dépendance, MIT.

Fiabilité des tâches : nouvelle tentative automatique en cas de timeout/échec du modèle, reprise automatique des tâches inachevées, vérification d'achèvement, interruption des boucles de réflexion, reprise après veille ou redémarrage, mode pilote automatique et point de déclenchement distant (npm : `dsh-task-reliability`).

Ajoute /pua pour inciter l'agent à essayer une autre approche et à vérifier les résultats avant de déclarer l'achèvement, avec 15 styles d'entreprise, des modes de persona, des réglages globaux et par conversation, et une boucle optionnelle qui continue jusqu'à ce qu'une commande de vérification réussisse, que la limite d'itérations soit atteinte ou que l'utilisateur annule.

Ensemble prédéfini d'agent en mode de programmation : l'agent de codage standard avec son personnage exigeant la discipline des super pouvoirs (compétences d'abord, brainstorming avant la construction, plans avant le code, TDD, débogage systématique, vérification avant l'achèvement) plus une discipline de volume de code Ponytail toujours active (échelle de code minimale à 7 échelons, complète par défaut) ; expédie les vingt compétences regroupées (14 super pouvoirs + 6 queues de cheval) et injecte mécaniquement la compétence complète d'utilisation des super pouvoirs dans la première demande de chaque nouvelle session.

Discipline d'exécution modulaire à la pointe pour DSH : routage fondé sur les preuves à travers 26 compétences, planification de fichiers de style Manus, portes de vérification, récupération après séries d'échecs et tableau de bord web interactif.

Espace de travail média et vision pour DeepSeek Harness : génération d'images, de vidéos et de parole, questions-réponses sur images et localisation d'éléments, OCR de longues images, diff de pixels, vérification par capture d'écran HTML et résumé de vidéos, avec des fournisseurs DashScope et compatibles OpenAI, des pools de modèles et un client de type workbench.