Workflow-Automatisierung

Trellis-ähnlicher Workflow für DeepSeek Harness: pro Turn Phasen-Breadcrumbs über agent/pre-step, gebündelter Skill-Provider und DSH-nativer Task-/Phasenstatus mit Schutzvorkehrungen für Git-Sauberkeit.

Intelligentes Subagent-Routing und -Evolution: Rollen an jeden in DSH registrierten Provider/Modell binden, einschließlich Modellen, die von Codex- und Claude-Code-Provider-Plugins bereitgestellt werden, mit Workspace-Lernen.

Fragegesteuerter Discovery-Forschungsworkflow für DeepSeek Harness mit einem QDD-Agenten-Preset, dauerhaften manuellen und automatischen Ausführungen und einem prüffähigen Forschungspanel.

Beweiserster Selbstentwicklungs-Controller: begrenzte Cordis-Kandidatengenerierung, einmalige Echt-Loader-Aufnahme, Harbor-Bewertung und eine absturzwiederherstellbare protokollierte Abstammung.

Cron-Scheduler mit Sidebar-UI: Shell-, Python- oder Node-Skripte, Skills oder Agent-Tasks nach Zeitplan ausführen, mit Push-Benachrichtigungen und Sitzungs-Archivierung.

Ramify ist ein Plugin für kreative Verzweigungs-Canvases in DeepSeek Harness: erzeugt, vergleicht und iteriert mehrere interaktive Varianten in einem baumartigen Workspace.

Toolset für den Zyklus adversarialer Check → Fix → Review.

Wiederkehrende Loops: `/loop`-Befehl plus Loop-Tool plus Aktivitäts-Statusleiste.

Eine Roman-Schreibwerkbank für DeepSeek Harness: du gibst Kandidatenpassagen Daumen hoch oder runter, und das Modell destilliert daraus ein kurzes Präferenzprofil, das in spätere Drafting-Aufrufe mitgeht, während das Manuskript aus dem Drafting-Kontext bleibt. Dazu ein Kapitelboard, Schreibpakete pro Kapitel, annotationsbezogene Überarbeitung, die nur den annotierten Absatz neu schreibt und den Rest byteweise verifiziert, ein Projektjournal und lokale Pacing-Prüfungen.

Eingebettete Engine für Aufgabenverwaltung.

Schleife aus adversarischer Prüfung → Korrektur → Review.

Heartbeat-Schleife für DeepSeek Harness: Alle 20 Minuten (standardmäßig) wacht der Agent von selbst auf, um ein lokales Profil Ihrer Interessen und Vorlieben zu pflegen, im Web nach Dingen zu suchen, die Ihnen wichtig sind, und Gefundenes aufzubewahren. Hat er etwas Teilenswertes, sendet er ein kurzes Paket mit Notizen an die Sitzungen, mit denen Sie ihn verknüpfen. Ein Regelsatz im Code – Ruhezeiten, beschäftigte Zeitfenster, ein Tageslimit, eine Abklingzeit – entscheidet, ob er überhaupt sprechen darf, und der Agent in dieser Sitzung entscheidet, ob er tatsächlich etwas sagt. Nur für Windows.

Zeitgesteuerte Cron-Aufgaben, Automatisierung im Hintergrund und Ausführung durch den Agenten für DeepSeek Harness.

Rollenbasierte KI-Schwärme für DeepSeek Harness: ein Architekt plant, parallele Builder führen aus, Reviewer sichern die Qualität, und ein Integrator liefert aus. Modell-Pinning pro Rolle mit Fallback-Ketten, Review-Schleifen, Evidenz-Verträgen, von Menschen gesteuerte Reviews, quotenbewusstes Pause/Resume sowie ein Live-Kanban + Flussdiagramm in der Web-GUI. 40 Tests; Installation von GitHub oder npm.

Dispatcht Subagenten mit benannten Profilen (Modell, Reasoning-Aufwand und Tool-Umfang pro Aufgabe), Sicherheitsprüfungen, Kostenschätzung mit Sparvergleich und einem vollständigen Protokoll der Dispatch-Entscheidungen.

Hostseitiger unbeaufsichtigter Job-Scheduler: führt einmalige Agent-Aufgaben oder Shell-Befehle nach Cron-, Intervall- oder Einmalplänen aus, mit persistentem Höchst-einmal-Versandzustand, Überlappungs-/Fehlstart-Richtlinien und begrenzter Ausführungshistorie.

Ein gesteuerter Schwarm aus sechs spezialisierten DSH-Agenten — Orchestrator, Planer, Knowledge-Base-Bridge, Entwickler und zwei Reviewer — verwandelt eine Anforderung in eine strikte Phasenpipeline, in der jede Lieferung sich vor dem Start der nächsten Phase mit strukturierten Nachweisen bewähren muss; Reviewer sind nur lesbar, Code-Merges erfolgen erst nach einem Review-Durchgang, und ein append-only-Ereignisprotokoll ermöglicht vollständiges Replay und Audit auf einem Live-Kanban-Board. Das Design ist vom Hermes Agent-Kanban inspiriert.

KI kann Lebenslauftexte schreiben, doch Vorlagen können weiterhin falsch aussehen, Seiten überlaufen, Leerraum kann bleiben und kleine Änderungen können das Layout destabilisieren. dsh-resume bietet einen durchgängigen DSH-Workflow für wahrheitsgetreue Inhaltsverfeinerung, Vorlagenauswahl, A4-Layout-Optimierung, visuelle Prüfung und maßgeschneiderte Lebenslaufversionen für verschiedene Jobsuchszenarien.

Koordiniert Codex-Planung und unabhängiges Review, während die ursprüngliche DSH-Sitzung Änderungen implementiert und testet.

Ausführungsdisziplin-Suite für DSH mit Abfangen identischer Wiederholungsversuche, erzwungener Reflexion, Todo-Durchsetzung, Speicher-Deduplizierung und Umwandlung von Erfahrung in Skills (11 Plugins + 6 Skills).

ICVO-Coding-Standards-Kit für DeepSeek Harness: ein Bundle-Plugin, das beim Laden Tools registriert und die Standards nur einfügt, wenn apply_coding_standards aufgerufen wird, plus eine P0-Gate-CLI (npx dsh-coding-kit) mit G1-G7-Prozessbefehlen, Skills-Installation und IDE-Block-Refresh.

Führt Arbeit als Crew von Rollenagenten aus: Ein Produktmanager schreibt das PRD oder DoD, wartet auf deine Bestätigung und startet dann Architekt, Ingenieur, QA und Reviewer, deren Werkzeugsätze pro Rolle gesperrt sind, und teilt Arbeit über Dateien auf der Festplatte.

Hochverfügbarkeits-Failover für Modelle (Quarantäne, Circuit Breaking, Wiederherstellung per Probe) und Subagent-Orchestrierung (fanout/pipeline/supervisor) mit zweisprachiger Einstellungs-UI.

Konfigurierbares Subagenten-Profil-System: ein einzelnes Subagent-Tool plus Profile-Parameter, mit Web-UI-Einstellungen, Echtzeit-Fortschritt und Subagenten-Baum.