Plugins

LoopX, un noyau d'état et plan de contrôle neutre vis-à-vis du fournisseur et local-first pour les agents à long horizon : il conserve l'état Goal, Todo, gate, preuves, quota, reprise et handoff au-dessus de DeepSeek Harness, tandis que le plugin initialise la CLI et les skills, autorise une poursuite bornée dans la même session et ajoute une GoalBar en loopback pour la boucle bornée exacte.

AgentTeams : équipes multi-agents.

Connecte DeepSeek Harness au Bot Collaboration Network d'Avernet via WebSocket V2, avec onboarding automatique, sessions d'agent isolées, événements de tool-call et outils de routage multi-bot.

Ensemble de canaux DeepSeek Harness pour l'Avernet Bot Collaboration Network.

Offre à DeepSeek Harness un véritable environnement bureautique. Le plugin Univer Office réunit tableurs, documents, diapositives, canevas, tableaux relationnels et plus dans un seul runtime, avec données connectées, validation, modifications versionnées et worktrees isolés pour la collaboration multi-agents.

Extension de mémoire persistante inter-agents et local-first pour DeepSeek Harness (DSH), propulsée par Mnemon. Elle partage la mémoire à long terme entre les agents compatibles Mnemon et ajoute une mémoire d'exécution, des documents de projet consultables, un rappel sémantique, un graphe de connaissances et une interface de barre latérale.

Couche mnémotechnique.

Exploration de l'architecture AGI en boîte blanche : métacognition (boucle d'auto-cognition), apprentissage continu (volant d'inertie des connaissances), modèle du monde (espace de conditions, graphe de mémoire spatio-temporelle), auto-amélioration (discipline bootstrap), pipeline en boîte blanche zéro-LLM et garde-fous de confiance auditables.

Escouades multi-modèles persistantes configurées dans les Réglages et sélectionnées dans le Composer, avec des politiques de modèle et d'outils par membre. Par défaut, l'Agent principal effectue lui-même le travail simple et ne délègue que lorsque l'escouade enregistrée est nécessaire ; le travail délégué s'exécute sous forme de DAG borné avec revue et réparation facultatives. Run Center suit les nouvelles tentatives et les tokens par membre à partir des événements d'usage officiels de Harness.

Plan de contrôle mémoire à trois niveaux pour DeepSeek Harness : contexte d'exécution persistant, documents de projet recherchables, mémoire à long terme enfichable, routage intelligent, flux de travail d'agent supervisés, WebUI et outils headless.

Orchestration multi-agents façon UltraCode : une couche de workflow générable, sauvegardable, gouvernable, observable et reprenable.

Orchestration multi-agents façon UltraCode : une couche de workflow générable, sauvegardable, gouvernable, observable et reprenable.

Workflow dynamique pour DSH (espace réservé).

baro comme fournisseur de sous-agents pour DeepSeek Harness : déléguez un objectif découpé en plusieurs stories et recevez en retour une exécution parallèle, une revue indépendante et un résultat vérifié — avec un panneau d'exécution en direct dans la barre latérale

Tableau de tâches multi-agents partagé (créer/réclamer/transitionner/interroger) via une clé de service Cordis.

Plan de notification et de contrôle à distance pour DSH : une API `notify()` unique sur 28 canaux sortants, six canaux de contrôle entrants, approbations/questions/pilotage des tâches depuis le téléphone, une interface Native DSH Notify & Control, application à chaud des canaux sortants, routage multi-agents, et aucune dépendance à l'exécution.

Une équipe d’agents persistante pour une collaboration de longue durée dans DeepSeek Harness : identités d’agents durables, Workspaces par projet, Channels porteurs de responsabilité et Task Threads chaînant des agents de session.

Collaboration d'équipe multi-agents pour DeepSeek Harness avec modèles, compétences et serveurs MCP par assistant, contextes indépendants, espaces de travail partagés, coordination des tâches et gestion des conversations.

Plugin de test d'intrusion basé sur PTES avec architecture Root-Orchestrator pour DeepSeek Harness.

Workflow multi-agents pour concours de modélisation mathématique : le preset « UltraMath » exécute un problème de la lecture au framework, dérivation, codage, vérification, papier et revue, plus 4 presets de rôle à étape unique (mathématicien, ingénieur, rédacteur, relecteur) et 33 docs skill de bibliothèque de modèles.

Conseil multi-modèles pour DeepSeek Harness : réponses indépendantes, revues croisées anonymes et décision finale inspectable.

Installe quatre presets de recherche mathématique multi-agents pour DSH : v2 (pipeline guidé par les probabilités avec débat multi-vérificateurs), v3 (base de connaissances Markdown façon article avec un agent planificateur et une bibliothèque de méthodes réutilisable), v4 (résidents persistants auto-organisés qui s'écrivent et se réunissent) et v5 (un institut de recherche avec un académicien qui décompose et attribue le travail, des chercheurs votants, des intérimaires, un chat de groupe et un tableau de tâches compare-and-set) ; les quatre gèrent la reprise sur point de contrôle, l'intervention humaine et un interrupteur optionnel de vérification formelle Lean (off/encourage/require) dont la preuve validée transforme le vote en contrôle de fidélité des énoncés Lean.

Installe un préréglage d'écriture de roman multi-agents pour DeepSeek Harness : un agent chef d'orchestre répartit le travail entre cinq sous-agents spécialisés — construction du monde, intrigue, gestion des personnages, rédaction de la prose et révision qualité.

Outils Cordis DeepSeek Harness pour All in Flash, propulsés par All in Luna