Plugins

ARIS-Research-Workflow-Skills als DeepSeek-Harness-Bundle: 82 Skills plus adversarische Prüfung zwischen Modellen über Codex.

Visuelle Runden-Tisch-Meetings für DeepSeek Harness — Expertenknoten auf einem Ring mit gerichteten Kanten, einem Aggregations-Gateway, Proxy-Denken für Black-Box-Worker-Modelle und adversarialer Prüfung (Red-Team) ausgearbeiteter Pläne mit zustimmen/ablehnen pro Sichtweise.

Toolset für den Zyklus adversarialer Check → Fix → Review.

Schleife aus adversarischer Prüfung → Korrektur → Review.

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.

Tiefenrecherche als Agentenmodus: eine einzige geprüfte Schleife, die plant, in adaptiven parallelen Runden forscht — gesteuert von den Lücken, die die Forscher selbst benennen —, einen zitierten Bericht synthetisiert und ihn dann adversarial überprüft, anstelle eines Skripts, das das Modell pro Aufruf neu schreibt. Fragen, die das Rundbudget nie erreichte, werden im Bericht benannt, statt verworfen zu werden.

Mehrperspektiviges Skill für strukturelle Analyse: adversarial-first Analyse über 16 Perspektiven in 4 Kategorien mit 10 strukturellen Werkzeugen, Konfidenzkalibrierung und faktengebundener, schichtweiser Ausgabe.

Runs a thesis-antithesis-seal debate whose verdict is computed from real command exit codes and case counts, never from agent prose.

Strenge offene Mathematik-Forschungssuite: vier agent skills (rigorous-open-math-research, manage-math-research-program, math-research-workflow, lean-verify) für das Beweisen von Theoremen mit adversarialem Audit, Verwaltung von Forschungsprogrammen, Pipeline-Orchestrierung und Lean-4-Formalisierungsprüfung; CI-verifizierte Tests und mechanische Upstream-Synchronisierung.

Answers hard questions by staging a formal debate: two adversarial subagents argue opposite sides with research, then the main agent rules on the transcript through the debate_open, debate_round, and debate_verdict tools.

Command-triggered red/blue adversarial review for ANY plan (not quant-specific). /plan-adversarial <plan>: arms a gate that requires the agent to derive two independent subagents (red=attack, blue=defend), have them converge on a consensus plan with NO th

Competition math (IMO/Putnam/USAMO/AIME) solved with a pure-reasoning pass, an adversarial verifier in a fresh subagent context, and calibrated confidence output (high / medium / honest "no confident solution"); optional LaTeX-to-PDF rendering.

Adversarial code review — parallel finders inspect a diff through separate lenses (correctness, lifecycle, contract, security), then each finding goes to independent verifiers tasked with refuting it, and one refutation drops it.

Adversarial multi-lens code review: parallel correctness/security/maintainability lenses attack a diff, with deterministic severity grading, suppression rules and incremental review history.