Plugins

Automatische Überprüfung durch ein zweites Modell in der Genehmigungs-Antwortkette: Ein schreibgeschützter Reviewer-Subagent liefert strukturierte Erlauben/Verweigern-Urteile mit Begründung, standardmäßig fail-closed (im Zweifel ablehnend).

Multi-Agent-Workflow für Mathematikmodellierungs-Wettbewerbe: das "UltraMath"-Preset führt ein Problem vom Lesen über Framework, Ableitung, Coding, Verifikation, Paper und Review aus, plus 4 einstufige Rollen-Presets (Mathematiker, Ingenieur, Writer, Reviewer) und 33 Model-Library-Skill-Docs.

Regelbasierte automatische Genehmigung für Sandbox-Eskalationen in DeepSeek Harness, mit optionalem LLM-Prüfer und nativem menschlichem Fallback.

Vorlagengesteuerte Code-Review-Fähigkeit: Fünf-Schritte-Review-Flow, Schweregrad-Einstufung (kritisch/mittel/gering), vierdimensionale Bewertung (Qualität, Sicherheit, Performance, Wartbarkeit), duale Text- und HTML-Berichtsausgabe und eine On-Demand-Referenzwissensdatenbank.

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.

Das DeepSeek Harness-Bündel registriert eine Fertigkeit, die lange Produktionen (wissenschaftliche Arbeiten, Branchenanalysen, Wirtschaftskommentare) in eine 9-Rollen-Pipeline verwandelt: T1 Literatur- / T2 Daten- / T3 Fall-Scouts parallel, T4 Analyst, T5 Autor, T6 kritischer Begleiter, T7 Prüfer, T8 Finalisierer, T9 Peer-Reviewer vom Koordinator ausgeführt. Über 6 Phasen mit dreieckiger Evidenzprüfung, 23-Prüfungen-M-Gate, G0-G14-Audit inkl. chinesischem KI-Tracing-Gate, Peer-Review-Bewertung mit Journal-Matching und 4 menschlichen Checkpoints. Installation mit `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch plus lib/index.js-Eintrag); liefert Rollenkarten für T1-T9, Vorlagen und 11 Verifizierungsskripte ohne Abhängigkeiten, mit fünfsprachigen READMEs.

Modellbasierte Freigabe von Berechtigungen: ein Freigabe-Beantworter, gestützt auf ein separates Reviewer-Modell.

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.

Fügt der Web UI ein Auto-Approve-Berechtigungspreset hinzu, das mit einem frischen, eingeschränkten Reviewer-Agenten jede Freigabeanfrage erlaubt oder ablehnt.

Agentische Antwortprüfung für DeepSeek Harness: Jeder letzte Turn des Assistenten wird von einem separaten LLM mit 1–100 bewertet; Ergebnisse unterhalb der Schwelle lenken den Agenten mit konkreten Hinweisen zurück. Die Punktzahl erscheint als Chip in der Aktionszeile der Antwort (grün bestanden / rot: Überarbeitung nötig, mit Anzahl der Wiederholungen und Grund beim Darüberfahren). Konfiguration des Gates live über einen HTTP-Server auf 127.0.0.1, dazu ein eingeklapptes Dock über dem Eingabefeld und ein optionaler Tab in der rechten Seitenleiste über dsh-better-sidebar.

Paart den laufenden Executor mit einem stärkeren Reviewer-Modell über parameterlose advisor()-Aufrufe und schrittbasierte Patrol-Checks und liefert Plan-, Korrektur- oder Stopp-Hinweise zurück.

GPT plant Abhängigkeits-DAGs, DeepSeek-Worker führen Aufgaben mit adaptiver Parallelität aus, und ein optionaler GPT-Reviewer prüft inkrementelle Git-Diffs und steuert Reparaturrunden.

Inoffizielles FreeCodeGo für DeepSeek Harness: ein verwaltetes Gateway für kostenlose Modelle und Provider-Kataloge, Bild- und Videogenerierung hinter einem einzigen Einstellungsschalter, Routing der Engines DeepSeek/Codex/Claude, ein unabhängiger Berater-Reviewer, Code-Review, Code-Graphen, Projektgedächtnis und eine Engineering-Team-Toolchain.

Prüft jeden abgeschlossenen Assistenten-Turn mit einem unabhängigen Reviewer-Modell und steuert den Agenten zum Beheben fehlerhafter Ausgaben, mit höchstens 2 Review-Runden pro Turn und SOP-Ordner-Standards als zusätzlicher Prüfdimension.

Filesystem permissions for shell calls, granted per path and capability rather than per command name. The command line is parsed for the read, write, create, delete and execute effects it needs, a capability it lacks raises the approval card instead of a flat refusal, and the same rules are compiled into the macOS Seatbelt profile the process, its children and the code its arguments never showed all run under. An Approvals tab in the conversation reads the audit log back and shows which rule, automatic reviewer or person answered each call.

Mandatory cross-review for design proposals and lessons-learned: auto-detects design doc writes and enqueues them (tier=review) into the task queue, delivers the external reviewer verdict back to the initiating session, and appends approved preventive measures to OPS-GUARDRAILS.md (append-only, conflict-checked).

Runs a parallel code review squad of read-only reviewer subagents (security, correctness, tests, style), each optionally on its own model, and aggregates one severity-grouped report from /review or a code_review tool call.

LLM approval answerer for sandbox escalations beyond workspace-write: a deterministic regex filter first, then a clean-context reviewer model; humans are asked only when it is unsure. Requires the bundled core patches.

Unabhängiger Codex-Guardian-artiger Freigabe-Prüfer für DSH.

Fail-Closed LLM-unterstützter Approval-Reviewer für DeepSeek Harness

Auto-Review-Berechtigungsmodus im Codex-Stil: Fügt eine Auto-Review-Voreinstellung hinzu, die sichere Sandbox-Eskalationen automatisch genehmigt, bei riskanten oder mehrdeutigen nachfragt und kritische unbestätigte Vorgänge ablehnt.

Headless-Claude-Code-Konsultationen mit Berater-, Reviewer- und Designer-Rollen, als Referenzantworten zurückgegeben.