Plugins

DSCODE pour Harness Desktop : collaboration de code, mémoire de session, workflows du navigateur et gestion des tâches.

Atelier d'écriture de romans pour DSH avec un préréglage d'auteur, la gestion du plan et des personnages, des annotations de manuscrit, des flux de revue et un backend Python local géré.

Plugin studio TongFlow pour DeepSeek Harness (dsh) : modèle de projet façon équipe de tournage, workflows TongFlow rédigés par l'agent, génération multimédia déterministe, canevas intégré.

Réunit cinq skills : diaporamas web, visuels pour réseaux sociaux, pages web composées, édition chinoise anti-style IA (humanizer-zh) et profil de voix rédactionnelle. Les trois premières partagent un système de design avec thèmes magazine et Swiss et couleurs de marque vérifiées pour le contraste. Ajoute une page latérale avec miniatures, brouillons de nouvelles sessions réutilisant thème et mise en page, six workflows de contenu et collecte des messages envoyés dans les sessions dsh locales pour le profil rédactionnel.

AgentCompare propose des workflows A/B pour une tâche Vite dans DSH : exécuter deux implémentations, comparer les aperçus en direct avec des contrôles communs, choisir à l’aveugle et examiner l’adoption au regard des modifications actuelles du projet. Nécessite un projet Vite à la racine d’un dépôt Git comportant au moins un commit.

Monte 88 compétences packagées de recherche, d'intelligence sociale, de marketing et d'affaires dans dsh via le fournisseur de compétences du système de fichiers.

Plan de contrôle mémoire à trois niveaux pour DeepSeek Harness : contexte d'exécution persistant, documents de projet recherchables, mémoire à long terme enfichable, routage intelligent, flux de travail d'agent supervisés, WebUI et outils headless.

Client mobile DeepSeek Harness sans application à installer (PWA). Consulte sessions, tâches en arrière-plan, sous-agents, cycles d’objectifs, workflows et approbations en attente ; permet de discuter avec toute session, de suivre réponses en streaming et appels d’outils, d’arrêter à tout moment et de changer de session ou de modèle. Inclut un panneau latéral GUI. Ancien nom dsh-taskwatch ; paquet npm désormais dsh-in-hand.

Génération d’images et de vidéos par IA pour l’interface Web DSH. Catalogues par canal et adaptation par famille (gpt-image, Grok Imagine, Nano Banana, Seedream, GLM-Image, Qwen-Image, MiniMax image-01, DALL-E 3), studio latéral, canevas infini à nœuds, aperçu de fichiers, skills de canevas et modèles de prompts. La vidéo gère texte/image vers vidéo, première/dernière image clé et références multiples, avec soumission/sondage/téléchargement asynchrones, outils vidéo côté hôte, nœuds vidéo et assemblage local avec ffmpeg d’au moins deux nœuds en un MP4.

La base de connaissances de développement de plugins DSH en tant que compétence d'agent à la demande : contraintes officielles, workflows de tâches, référence d'API et pièges de la communauté, installée avec le bundle pour que l'agent puisse consulter en construisant un plugin.

Préparation des longs contextes, mémoire Dream, vérification des tâches, workflows et interaction avec l’ordinateur pour DSH. Nécessite DSH 0.2.2-rc.1 et Node.js 24.9+. La configuration d’installation par défaut accorde un accès complet aux fichiers et commandes et désactive l’approbation d’exécution ; les réglages explicites d’un profil existant priment.

Orchestration visuelle d’AI Agent basée sur DeepSeek Harness, avec Workflow, Multi-Agent, méta-orchestration, MCP et Human-in-the-loop.

Mémoire Markdown entre sessions (LLM-Wiki/SOUL.md), injectée par défaut après le premier message utilisateur dans la session active. Inclut remember/recall/consolidate/forget, skill et pack/unpack. /memory on|off|status et le chip partagent le contrôle : off arrête injection, rappels digest/recall et last_access sans rien supprimer ; espaces off par défaut, choix gardé 7 jours. Basic soul modifie seulement le bloc géré de SOUL.md. Exigences distinctes : format de session v4 (officiel 0.1.7+) et engines.dsh de la série officielle 0.2.1-rc.5 ; le gate refuse les anciens hôtes. Windows pris en charge. Rapport checkup inclus.

Flux de travail DAG visuels multi-agents pour DeepSeek Harness, avec exécution en direct, reprise après redémarrage et intégration Feishu.

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.

Système rigoureux de flux d’ingénierie pour agents de programmation IA : planification, TDD, boucles de correction automatique, graphes de connaissances du code et exécution multi-agents par vagues. Nécessite codebase-memory-mcp (pip install "codebase-memory-mcp>=0.10.8,<0.11.0") ; /scan s’arrête en son absence.

Flux de travail d'ingénierie prédéfinis pour DeepSeek Harness : un outil dev_task qui contrôle les transitions d'étape, les artefacts, la vérification, la revue et la portée des commits, plus un atelier web pour installer des skills et des règles de projet ou d'utilisateur.

DAG en direct piloté par projection pour les sous-agents et les workflows durables d'une Session : statut et navigation, mise en page déterministe des chaînes profondes, contrôles de cadrage/panoramique du canevas, et réorganisation des nœuds de la session courante.

Transfère vers DSH les guides d’ingénierie pstack de poteto, couvrant planification, revue, vérification et mise en production.

Flux de travail DAG durables, indépendants de l'hôte, pour les agents avec CLI, MCP, des compétences à la demande, des déclencheurs, une relecture et un visuel Canvas.

Exécute des workflows JSON avec /workflow, suit leur progression, choisit les modèles Agent, reprend des sessions sauvegardées et lance des boucles de revue et correction bornées.

DeepSeek Harness enregistre des workflows de bureau macOS par démonstration et les transforme en skills d'agent (skill open-record-replay + outils orr_*)

Exécute depuis DSH les workflows ComfyUI de RunningHub pour générer images, vidéos et audio ; comprend un panneau de configuration des workflows, des tâches en arrière-plan et la gestion de plusieurs clés.

Surveille les traces d'exécution de l'agent et déclenche une revue LLM à la fin de chaque tour réussi lorsque des signaux se déclenchent, cristallisant des flux de travail réutilisables en compétences enregistrées qui s'améliorent progressivement au fil des exécutions ultérieures.