Plugins

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.

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.

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.

Sitzungsübergreifende Agent-Nachrichten für DeepSeek Harness mit Sitzungserkennung, Offline-Zustellung, Zustellbestätigungen und Absender-Sitzungs-Navigation.

RigorQuant-Preset + Skill-Paket: unbeaufsichtigte, abgeschottete Multi-Agent-Recherche für empirische und rechnergestützte Mathematik (Wirtschaft, Finanzen, Portfolio), mit einer vierteiligen Prüfbatterie vor der Umsetzung und einer Eskalationsschiene über Jacobian/Lean.

Math Agent Framework für DeepSeek Harness: Engine für symbolische Herleitung (CES / quadratische Formen / ODE / PDE), SymPy-Verifikation, vom Lean-4-Compiler verifizierte formale Beweise sowie QED-artige multi-agenten adversarische Verifikation, bereitgestellt als native DSH-Werkzeuge über eine TS-Shell, die eine Python-Engine anbindet. Erfordert das Klonen des math-agent-framework-Repositorys und `pip install -r requirements.txt`, wobei MATH_AGENT_HOME auf den Repository-Stamm zeigt. Jedes Ergebnis enthält Provenienzangaben (Engine-Versionen, Seed, Toleranzen) und ist als nicht vertrauenswürdige Daten gekennzeichnet.

Benannte Subagenten-Liste: Rollen-Einträge (Modell, Persona, Tool-Filter, Tiefe, Hintergrundmodus) über eine Seite mit Hot-Reload verwalten; das Modell wählt einen mit list_subagents aus und übergibt per ID mit delegate — im Vordergrund, im Hintergrund oder fortsetzbar.

Dauerhafte Multi-Agent-Kollaboration für DeepSeek Harness mit Kanälen, Threads, Aufgaben und fortsetzbaren Agent-Sitzungen.

Persistente, sitzungsübergreifende Multi-Agenten-Teamräume für DeepSeek Harness — Mitglieder, ein Nachrichtenbus, ein gemeinsames Aufgabenboard und eine gemeinsame Zeitleiste, die Neustarts überstehen.

Desktop-Begleiter: native Browser-Benachrichtigungen für Nutzerfragen und Freigabe-Interaktionen, Screen-Capture-Modellwerkzeug, Kachel-Rasteransicht für mehrere Agents sowie eine schlanke Tauri-Desktop-Shell.

A-Aktien-Multi-Agent-Analyse hinter /trading-agent, portiert von TradingAgents-AShare, mit 14 Rollen (Analysten, Bull/Bear-Debatte, Risiko-Review, Trader) durch die Harness-LLM-Route.

Stellt die Live-Aktivität von Multi-Agent-Sitzungen als Pixel-Art-Büro in einem Seitenpanel der Web-UI dar - jede Sitzung ist ein Ochsen-/Pferdearbeiter, der bei Arbeit an seinem Schreibtisch tippt oder im Leerlauf umherstreift, mit Klick-zum-Ansehen-Arbeitsmonitoren und Freigabekarten direkt an Ort und Stelle.

Kimi-Code-Stil-Schwarm: Batch-parallele Subagent-Dispatch mit adaptiver Planung, ein /swarm-Befehl und Live-Fortschrittszeilen im Chat.

Koordiniert unabhängige DSH-Sessions und providergestützte Mitglieder, ohne deren Verläufe zusammenzuführen, mittels dauerhafter nativer Rooms mit identitätsgebundenen `@`-Erwähnungen, Direktzustellung, Broadcasts und leiterbeschränkten Steuerungen.

Sitzungsübergreifendes Agent-zu-Agent-Messaging für DeepSeek Harness — eine andere Sitzung per Namen adressieren und eine Nachricht in ihren Posteingang zustellen.

Leitet jede Aufgabe an ein Modell und ihre Überprüfung an ein anderes weiter, mit Qualifikationsnachweisen, Failover und einem dauerhaften Journal.

Persistente Endeavour- und Challenger-Peer-Sessions für DeepSeek Harness, die planen, sequenzielle Aufgaben ausführen und gemeldete Ergebnisse verifizieren.

Benutzerdefinierte Modi / Assistenten-Manager: jeder Modus erhält in den Einstellungen einen eigenen System-Prompt — eine einfache Datei, die die Agentenschleife vor jedem Modellschritt neu liest, sodass eine Änderung in der laufenden Session beim nächsten Schritt greift — und Start aus der offiziellen Standard-/PTC-/minimal-/Cordis-Komposition, wobei die eingebundenen Plugin-Zeilen einzeln umgeschaltet werden (eigene Plugin-Komposition pro Modus), frei umbenennbar. Mehrere Assistenten mit eigenen Prompts bestehen nebeneinander, sodass ein Rechner Coding-Assistent, Chat-Begleiter und Rollenspiel-(RP-)Persona parallel halten kann — Multi-Agenten-Setup, pro Session auswählbar. Unberührte Zeilen bleiben byte-identisch zu den ausgelieferten, samt Plattformbedingungen.

femo (Flow Emerges Mag Opus) – Multi-Agenten-Welten orchestrieren, indem man ein Drehbuch schreibt. dsh-Plugin-Version: Engine, Brücke und visueller Editor in einem einzigen Ordner, selbstständig lauffähig, der ganze Ordner lässt sich verschieben und ist sofort einsatzbereit.

Multi-Maschinen-, Multi-Agent-Orchestrierungs- und Steuerungsebene für DSH: entdeckt Agents und Arbeitsbereiche über Geräte hinweg, leitet Aufgaben nach Maschine, Repository, Fähigkeit und Last an lokale oder entfernte Agent-Runtimes weiter, streamt Fortschritt und Ergebnisse, leitet Freigaben weiter und stellt dauerhafte Aufgaben nach Verbindungsabbrüchen wieder her.

Conversation-Flow-Observability für DeepSeek-Harness-Swarms, mit Topologie, Inspektion gerouteter Nachrichten, HITL-Pausen, Live-Folge und Navigation zu Kind-Sessions.

Führt AItelier-Pipelines von DSH über MCP aus: 39 Werkzeuge (22 Lese-, 17 Schreibwerkzeuge) zum Erzeugen, Ausführen, Inspizieren, Bearbeiten, Exportieren und Importieren mehrstufiger SkillFlow-Pipelines. Die Schritte werden in AItelier statt in der DSH-Sitzung ausgeführt und über run_id gepollt, pausieren an engine-erzwungenen Checkpoints, die mit answer_checkpoint beantwortet werden, und hinterlassen pro-Schritt-Traces und Schrittausgaben zum späteren Lesen; add_provider / map_model / edit_role richten eine einzelne Rolle auf einen lokalen oder günstigeren Endpunkt aus. Bündelt einen aitelier-pipelines-Skill.

Multi-Agent-Orchestrierung für DeepSeek Harness — spezialisierte Agenten, Task-Orchestrierung, Workflow-Skills.