Plugins
Durchsuche, filtere und installiere DeepSeek-Harness-Plugins.
263 Plugins gefunden
dsh-pipeline-kernel
not-big-dog/dsh-pipeline-kernel
dsh-expert-team
yangdcm/dsh-expert-team
Rollenbasiertes Multi-Agent-Team für DeepSeek Harness: Produkt, Architektur, Frontend, Backend, Review und QA arbeiten in neun Phasen mit Prüftoren; dauerhaftes Team möglich. Keine Laufzeitabhängigkeiten, kein Build.
DSH-EvoResearch (evoresearch-plugin)
karbo123/dsh-evoresearch
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.
agent-body (dsh-anatomy-panel)
1420079678-ctrl/agent-body
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.
agent-body (dsh-zero-residence)
1420079678-ctrl/agent-body
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.
agent-body (dsh-organism)
1420079678-ctrl/agent-body
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.
agent-body (dsh-cortex)
1420079678-ctrl/agent-body
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.
dsh-background-agents
perrylink/dsh-background-agents
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.
dsh-custom-mode
bowluna/dsh-custom-mode
Verwaltung benutzerdefinierter Modi und Assistenten. In Settings erhält jeder Modus einen eigenen System-Prompt als einfache Datei; der agent loop liest sie vor jedem Modellschritt erneut ein, sodass Änderungen in laufenden Sitzungen ab dem nächsten Schritt gelten. Als Basis dient die offizielle Zusammensetzung standard/PTC/minimal/Cordis. Pro Modus lassen sich die eingebundenen Plugin-Zeilen einzeln umschalten und frei benennen. Mehrere Assistenten mit eigenen Prompts — etwa zum Programmieren, als Gesprächspartner oder als Rollenspiel-(RP)-Figur — können auf einem Rechner parallel bestehen und für jede neue Sitzung ausgewählt werden. Unveränderte Zeilen bleiben einschließlich der Plattformbedingungen bytegenau wie ausgeliefert.
sgme
freehul/sgme
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`.
oh-my-deepseekharness
1225sakura/oh-my-deepseekharness
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.
dsh-harness-one
chumingjun/dsh-harness-one
Workflow One – Visueller KI-Workflow-Orchestrator für DeepSeek Harness (dsh): Multi-Agent-DAGs, Live-Ausführung, Wiederherstellung und Feishu-Integration (Ein-Paket-Edition)
dsh-Kingdom
lusblead/dsh-kingdom
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.
ANet (dsh)
anetresearch/anet
Verbindet DSH über einen stdio-MCP-Client mit einem lokalen anet-Knoten. 3 Skills und 14 Tools zum Finden von Agenten im AgentNetwork, Senden/Verfolgen/Beantworten Ende-zu-Ende-verschlüsselter A2A-Aufgaben, Bezahlen/Ablehnen kostenpflichtiger Skills innerhalb der Betreiberlimits, Lesen der lokalen Evidenzkette und Melden des Knotenstatus. Nur Linux/macOS; ein lokal laufender anet-Knoten ab 0.3.0 ist erforderlich.
dsh-expert-orchestrator
mario841859784/dsh-expert-orchestrator
Multiagenten-Orchestrierungs-Preset für DeepSeek Harness. Der chief orchestrator implementiert nie selbst: Er sortiert Anfragen, lässt einen PM-Experten planen und delegiert die Umsetzung über ein zusammengeführtes Experten-Roster (Listen- und Aufruf-Tools). Parallele Arbeit wird über ein Abhängigkeits-DAG-Taskboard koordiniert; die Kommunikation läuft über einen dateibasierten message bus, die Auslieferung erfordert eine unabhängige Prüfung. Enthält 11 Kerneexperten. Weitere Teams (Agency agents EN/ZH, classic collections) lassen sich in Settings mit einem Klick über GitHub/CDN herunterladen und per sha256 prüfen. npm-Paket dsh-expert-orchestrator; benötigt DSH >= 0.1.7-alpha.2.
dsh-expert-mode
asher-2000/dsh-expert-mode
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.
dsh-domain-role (dsh-domain-bridge)
1lany2a/dsh-domain-role
Domänenidentitätsschicht für lang laufende Agentensitzungen: deklarationsbasierte Domänenadressierung, Sitzungsfabrik, vierstufige Pause und Modellverteilung zur Koordination mehrerer Top-Level-Sitzungen.
dsh-swarm-orchestrator
linkbag/dsh-swarm-orchestrator
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.
dsh-search-boost
mr-remon219/dsh-search-boost
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
ikanban
isomoes/ikanban
Tastaturorientiertes iKanban-Web-App-Bundle für DeepSeek Harness
dsh-agent-team-presets
bloodarea/dsh-agent-team-presets
Wiederverwendbare Agent-Team-Vorlagen für DeepSeek Harness. Settings speichert benannte Teams: einen Captain mit eigenem Prompt und Tool-Freigabeliste sowie Mitglieder mit eigener Provider-/Model-Route, Reasoning-Effort, Prompt und Tools. Eine Composer-Steuerung wendet ein Team auf die aktuelle Session an, installiert den Captain-Prompt und registriert spawn_team_member, get_team_preset und update_team_preset.
agent-body
1420079678-ctrl/agent-body
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.
dsh-superpowers
jasonfreelab/dsh-superpowers
Portiert die Methodik obra/superpowers als 14 native DSH-Skills für Planung, TDD, Fehlersuche und Prüfung von Code.
ai-company-framework
yyyy231209/ai-company-framework
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.