Plugins

LoopX, un kernel de estado y plano de control neutral respecto al proveedor y local-first para agentes de horizonte largo: mantiene el estado de Goal, Todo, gate, evidencia, cuota, recuperación y handoff por encima de DeepSeek Harness, mientras que el plugin inicializa la CLI y las skills, admite una continuación acotada dentro de la misma sesión y añade una GoalBar de loopback para el bucle exacto acotado.

Equipos multiagente AgentTeams.

Conecta DeepSeek Harness con la Bot Collaboration Network de Avernet mediante WebSocket V2, con incorporación automática, sesiones aisladas de agentes, eventos de llamadas a herramientas y herramientas de enrutamiento multi-bot.

Paquete de canales de DeepSeek Harness para la Avernet Bot Collaboration Network.

Dota a DeepSeek Harness de un entorno de oficina real. El complemento Univer Office integra hojas de cálculo, documentos, diapositivas, lienzos, tablas relacionales y más en un único runtime, con datos conectados, validación, cambios versionados y worktrees aislados para colaboración multiagente.

Complemento de memoria persistente entre agentes y con prioridad local para DeepSeek Harness (DSH), impulsado por Mnemon. Comparte la memoria a largo plazo entre agentes compatibles con Mnemon y añade memoria en tiempo de ejecución, documentos de proyecto con capacidad de búsqueda, recuperación semántica, grafo de conocimiento y una interfaz de barra lateral.

Capa mnemónica.

Exploración de arquitectura AGI de caja blanca: metacognición (bucle de autocognición), aprendizaje continuo (volante de conocimiento), modelo del mundo (espacio de condiciones, grafo de memoria espaciotemporal), auto-mejora (disciplina bootstrap), pipeline de caja blanca zero-LLM y barandillas de confianza auditables.

Escuadrones multimodelo persistentes que se configuran en Ajustes y se seleccionan en el Composer, con políticas de modelo y herramientas por miembro. Por defecto, el Agent líder completa él mismo el trabajo sencillo y solo delega cuando se necesita el escuadrón guardado; el trabajo delegado se ejecuta como un DAG acotado con revisión y reparación opcionales. Run Center registra los reintentos y los tokens por miembro a partir de los eventos de uso oficiales de Harness.

Plano de control de memoria de tres niveles para DeepSeek Harness: contexto de ejecución persistente, documentos de proyecto buscables, memoria a largo plazo conectable, enrutamiento inteligente, flujos de trabajo de agentes supervisados, WebUI y herramientas sin cabeza.

Orquestación multiagente al estilo UltraCode: una capa de workflow generable, guardable, gobernable, observable y reanudable.

Orquestación multiagente al estilo UltraCode: una capa de flujos de trabajo generable, guardable, gobernable, observable y reanudable.

Flujo de trabajo dinámico para DSH (marcador de posición).

baro como proveedor de subagentes de DeepSeek Harness: delega un objetivo con varias historias y recibe ejecución en paralelo, revisión independiente y un resultado verificado, con un panel de ejecución en vivo en la barra lateral.

Tablero de tareas multiagente compartido (crear/reclamar/transicionar/consultar) sobre una clave de servicio Cordis.

Plano de notificaciones y control remoto de DSH: una API `notify()` sobre 28 canales de salida, seis canales de control de entrada, aprobaciones/preguntas/control de tareas desde el teléfono, una UI nativa DSH Notify & Control, aplicación en caliente de salidas en vivo, enrutamiento multiagente y cero dependencias en tiempo de ejecución.

Un equipo de agentes persistente para colaboración de larga duración en DeepSeek Harness: identidades duraderas de agentes, Workspaces por proyecto, Channels con responsabilidad y Task Threads que encadenan agentes de sesión.

Colaboración de equipos multiagente para DeepSeek Harness con modelos, habilidades y servidores MCP por asistente, contextos independientes, espacios de trabajo compartidos, coordinación de tareas y gestión de conversaciones.

Plugin de pruebas de penetración basado en PTES con arquitectura Root-Orchestrator para DeepSeek Harness.

Flujo de trabajo multi-agente para concursos de modelado matemático: el preset "UltraMath" ejecuta un problema desde la lectura hasta el marco, derivación, codificación, verificación, paper y revisión, además de 4 presets de rol de una sola etapa (matemático, ingeniero, redactor, revisor) y 33 documentos de skill de biblioteca de modelos.

Consejo multimodelo para DeepSeek Harness: respuestas independientes, revisiones anónimas entre pares y una decisión final inspeccionable.

Instala cuatro presets de investigación matemática multiagente para DSH: v2 (pipeline guiado por probabilidad con debate entre varios verificadores), v3 (base de conocimiento Markdown estilo artículo con un agente planificador y una biblioteca de métodos reutilizable), v4 (residentes persistentes autoorganizados que se escriben y se reúnen) y v5 (un instituto de investigación con un académico que descompone y asigna el trabajo, investigadores que votan, trabajadores temporales, chat grupal y un tablero de tareas compare-and-set); los cuatro admiten reanudación desde checkpoint, intervención humana y un interruptor opcional de verificación formal en Lean (off/encourage/require) cuya prueba superada convierte el voto en una comprobación de fidelidad de los enunciados Lean.

Instala un preajuste de escritura de novelas multiagente para DeepSeek Harness: un agente director despacha cinco subagentes especializados: construcción de mundos, trama, gestión de personajes, redacción de prosa y revisión de calidad.

Herramientas Cordis de DeepSeek Harness para All in Flash, impulsadas por All in Luna