Plugins

Visuelle Multi-Agent-DAG-Workflows für DeepSeek Harness mit Live-Ausführung, Wiederanlauf nach Neustart und Feishu-Integration.

Dauerhafte Hintergrund-Kindagenten über die offizielle Subagenten-Schnittstelle: aus jeder Sitzung startbar, Fortschritt in der Web-UI-Seitenleiste verfolgbar, jederzeit ansprechbar und unterbrechbar, mit Tool-Beschränkung pro Kind, Persona und Delegationstiefen-Obergrenzen.

Suite von Recherche-Agenten: langfristige Zielsteuerung mit auditierbaren Belegketten, Cron-Scheduling, Multi-Agent-Expertenteams, sich selbst weiterentwickelndem Recherche-Gedächtnis (FTS5 + RRF-Recall), Projekt-Workspaces und einer eigenen Workspace-UI.

Workflow One – Visueller KI-Workflow-Orchestrator für DeepSeek Harness (dsh): Multi-Agent-DAGs, Live-Ausführung, Wiederherstellung und Feishu-Integration (Ein-Paket-Edition)

Anatomie-Panel für die Agent-Body-Organe: liefert ein Live-Vitalwerte-Dashboard unter /anatomy direkt im Harness selbst – Organe, Herzschlag, Heilungsjournal, Selbsttrainings-Zähler und der echte Pulsstrom – direkt aus den Laufzeitdateien gelesen statt neu eingetippt. Nur Host, kein Client-Bundle und kein Build-Schritt.

Zero-residence-Kontext-Engine: Große Tool-Payloads werden aus dem aktiven Kontext in einen abfragbaren Speicher ausgelagert, sodass nur deterministische Zeiger zurückbleiben und die Prompt-Tokens pro Turn nicht mehr mit dem Transkript wachsen. Maskierte Inhalte werden auf Anforderung wörtlich aus dem Sitzungsprotokoll rekonstruiert – anhand der Tool-Call-ID oder der Session-Seq.

Organkern von Agent-Body: Plugins als ein einziger Körper. Jeder Befehl wird ein Nervenimpuls, der deterministisch das zuständige Organ innerviert und die Fähigkeit benennt; ein Herzschlag mit variablem Intervall pumpt Betreiber-Direktiven, Propriozeption und Homöostase-Warnungen systemweit; Reflexbögen feuern ohne Modellaufruf; Fehler folgen einer deterministischen Zuordnung (Tool, Argumente, Berechtigung, Timeout, Netz), einem Rezept und einer Nachprüfschleife, Argumentfehler werden nie automatisch wiederholt. Ein fehlendes Organ kompensiert das mit der größten Fähigkeitsüberschneidung, und Tool-Schemata werden nach der aktuellen Absicht gefiltert (gemessene Reduktion 84,7 %, im Repo reproduzierbar). Dies ist das Kern-Plugin-Paket im agent-body-Repository.

Das Gedächtnisorgan von Agent-Body: Nach 2 Minuten Stille geht es in leichten Schlaf, nach 5 Minuten in Tiefschlaf, wo deterministische Regeln echte Erfahrung zu Gedächtniskarten destillieren (Fallstricke, Playbooks, Hotspots, ungelöste Probleme, Fakten). Eingehende Befehle rufen verwandte Karten per Schlüsselwort ab und injizieren sie in den Kontext; lange ungenutzte Karten verfallen mit einer Halbwertszeit und werden archiviert statt gelöscht. Außerdem entrauscht es körperweite Homöostase-Warnungen: Wiederholungen innerhalb eines Fensters werden gezählt statt erneut ausgegeben, und eine Warnung, die immer wiederkehrt, ohne je zu heilen, konvergiert zu einem bekannten Steady-State-Offset und verstummt. Konsolidierung und Abruf machen keine Modellaufrufe.

Agenten-Governance-„Königreich" für DeepSeek Harness: Territorien, Rollenbindungen (bind/unbind/session mit Modell-/Agentenidentität) und eine Plan→Zuweisen→Ausführen→Überprüfen-Aufgabenschleife, in der Worker-Angaben nie automatisch als abgeschlossen gelten (Claim ≠ Fact), mit lokaler GUI-Betriebskonsole.

Local-first Code-Wissensgraph für Coding-Agents: 10 MCP-Tools für schichtweise Kontextkomprimierung, DAG-Planung, inkrementelle AST-Indizierung, session-übergreifendes Skill-Flywheel, Diagnosen sowie Import/Export von Graph-Artefakten.

Selbstgebautes DSH-Gedächtnis-Plugin: SQLite-Persistenzspeicher + Audit-Wächter auf Datenbankebene (enforceAudit) + Audit-Protokoll. Erfasst Wissen nach Gesprächen automatisch, Agenten erinnern per memory_recall, Unterstützung für Multi-Agent-Teilen mit Claude Code/Codex/Cursor. Null externe Abhängigkeiten.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

Multi-Engine-Websuche, Seitenabruf, Echtzeit-X-(Twitter)-Suche mit anmeldungsfreiem Fallback, Deep Research und parallele Multi-Agenten-Recherche für DeepSeek Harness. Kostenlose Ebene: Bing / DuckDuckGo / Yahoo / Exa MCP (alle ohne Schlüssel, live geprüft); api la

Tastaturorientiertes iKanban-Web-App-Bundle für DeepSeek Harness

Bridge zur ShiGuang Memory Engine (SGME): agentenübergreifendes gemeinsames Langzeitgedächtnis über HTTP — L0/L1/L1.5/L2-Destillation, szenariobasierte Injektion, einheitliche Suche und proaktive Care-Signale (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installierbar als `dsh-sgme`.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.

Rollenbasiertes Multi-Agent-Team für DeepSeek Harness. /team versammelt bis zu 12 Subagenten (Produkt, Architekt, Recherche, UI, Backend, Frontend, DB, Security, Reviewer, QA, DevOps, Docs) und führt einen Pipeline mit 9 Phasen und Gates aus (klären, recherchieren, entwerfen, Spec-Review, Plan-Freigabe, umsetzen, Review, Test, Ausliefern) über gemeinsame Artefakte. Qualitäts-Gates erzwingt der Code, nicht der Prompt: eine unfertige Aufgabe lässt sich nicht als abgeschlossen markieren, Befunde entscheidet die Reviewer- oder QA-Rolle, und Abdeckungslücken oder Rework erscheinen live im Overlay und in /team status. Enthält ein Live-Overlay (Phasen, Roster, Task-DAG, Artefakte, Entscheidungen), einen persistenten Team-Modus und Token-/Zeitabrechnung. Keine Laufzeitabhängigkeiten, kein Build.

AI Company Framework: aus einem Satz eine Multi-Agent-Firma machen — 15 flache Skills (boss/pipeline/role-template/11 roles/generic customer-memory), 7 Workflow-Vorlagen, AgentTeams-Runtime + Aktivitätspanel, Mitarbeiter-Sidebar mit Isolation pro Session, Feishu-Bot-Bridge (Boss- und pro-Mitarbeiter-Bots, Group-Routing, autonomer Push, Human-Decision-Gate, External-Contact-Guide), SQLite-Memory pro Kunde mit Drei-Schichten-Memory (gruppenübergreifender Merge), /company-Modusumschaltung; kein RAG.

Multi-Agent-Orchestrierungsschicht für DeepSeek Harness — Ausführungsmodi autopilot/ralph/team, 19 Rollenkarten, 40 zweisprachige Skills und ein mitgelieferter MCP-Zustandsserver, portiert aus oh-my-claudecode.

Dezentraler Multi-Device-Verbund: mDNS-LAN-Erkennung, Schlüsselpaarung und direkte SSH-Ausführung über Netzwerke hinweg.

Dezentrale Multi-Geräte-Flotte: mDNS-LAN-Erkennung, Schlüssel-Pairing und direkte SSH-Ausführung über Netzwerke hinweg.

Bindet DeepSeek Harness in eine Hermes-Pipeline ein: Dispatch-Spec-Vorlage, Modell-Tier-Routing, Qualitäts-Gates für Orchestrator-Läufe, Git-Single-Writer-Regel, als SKILL.md-Paket (als Bundle installierbar).

Ein gemeinsamer Obsidian-Vault für jeden Agenten: abhängigkeitsfreier Python-Kern (search/promote/adjudicate/forget), Vault-Vorlage, dsh-Plugin (memory_search/show/submit/status).