Plugins

Relecture automatique par un second modèle sur la chaîne de réponse d'approbation : un sous-agent relecteur en lecture seule renvoie des verdicts structurés d'autorisation/refus avec justification, avec repli sécurisé (fail-closed) par défaut.

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.

Approbation automatique basée sur des règles pour les escalades du bac à sable de DeepSeek Harness, avec un réviseur LLM optionnel et un repli humain natif.

Compétence de revue de code pilotée par modèles : flux de revue en cinq étapes, classement par sévérité (critique/moyen/mineur), notation quadridimensionnelle (qualité, sécurité, performance, maintenabilité), sortie double texte et HTML et base de connaissances de référence à la demande.

Équipe multi-agents par rôles pour DeepSeek Harness. /team réunit jusqu'à 12 sous-agents (produit, architecte, recherche, UI, backend, frontend, BD, sécurité, relecteur, QA, DevOps, docs) et exécute un pipeline à 9 phases avec jalons (clarifier, étudier, concevoir, relire la spec, approuver le plan, implémenter, relire, tester, livrer) sur des artefacts partagés. Les jalons qualité sont imposés par le code, non par les prompts : une tâche inachevée ne peut être marquée terminée, les constats arbitrés par le relecteur ou le QA, et les lacunes de couverture ou le rework apparaissent dans l'overlay et /team status. Livre un overlay (phases, effectif, DAG, artefacts, décisions), un mode équipe persistante et la comptabilité de tokens/temps. Pas de dépendance à l'exécution ni de build.

Le bundle DeepSeek Harness enregistre une compétence transformant la production longue (articles académiques, analyses sectorielles, commentaires d'affaires) en pipeline à 9 rôles : scouts T1 littérature / T2 données / T3 cas en parallèle, T4 analyste, T5 rédacteur, T6 compagnon critique, T7 auditeur, T8 finaliseur, T9 évaluateur par les pairs exécutés par le coordinateur. Sur 6 phases, vérification triangulaire, M-gate de 23 contrôles, audit G0-G14 incluant gate de traçabilité IA, notation peer-review avec correspondance de revues, et 4 points de contrôle humains. Installation avec `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch plus lib/index.js) ; fournit fiches de rôles T1-T9, modèles et 11 scripts de vérification sans dépendance, avec READMEs en cinq langues.

Approbation des permissions basée sur un modèle : un répondeur de demandes d'approbation adossé à un modèle relecteur distinct.

Essaims d'IA basés sur les rôles pour DeepSeek Harness : un architecte planifie, des constructeurs parallèles exécutent, des relecteurs filtrent la qualité, et un intégrateur livre. Épinglage de modèles par rôle avec chaînes de secours, boucles de revue, contrats de preuves, revues à validation humaine, pause/reprise tenant compte du quota, et un kanban en direct + diagramme de flux dans l'interface web. 40 tests ; installation depuis GitHub ou npm.

Un essaim gouverné de six agents DSH spécialisés — orchestrateur, planificateur, passerelle vers la base de connaissances, développeur et deux relecteurs — transforme une exigence en pipeline strict par phases où chaque livraison doit faire ses preuves avec des éléments de preuve structurés avant que la phase suivante ne puisse commencer ; les relecteurs sont en lecture seule, les fusions de code n’ont lieu qu’après une relecture, et un journal d’événements en ajout seul permet une relecture complète et un audit sur un tableau kanban en direct. Sa conception s’inspire du kanban de Hermes Agent.

Exécute le travail comme un équipage d'agents par rôle : un chef de produit rédige le PRD ou la DoD, attend votre confirmation, puis démarre architecte, ingénieur, QA et réviseurs dont les boîtes à outils sont verrouillées par rôle, et partage le travail via des fichiers sur disque.

Ajoute un préréglage de permission Approbation automatique à la Web UI, en utilisant un agent relecteur restreint et neuf pour autoriser ou refuser chaque demande d'approbation.

Réviseur de réponses agentique pour DeepSeek Harness : chaque tour final de l'assistant est réexaminé par un LLM distinct noté de 1 à 100 ; un score sous le seuil renvoie l'agent sur sa réponse avec des retours concrets. Le score apparaît sous forme de pastille sur la ligne d'action de la réponse (vert validé / rouge à retravailler, avec le nombre de tentatives et la raison au survol). Configuration de barrière en direct via un serveur HTTP 127.0.0.1, plus un dock replié au-dessus de la zone de rédaction et un onglet facultatif dans la barre latérale droite via dsh-better-sidebar.

Associe l'exécuteur en cours à un modèle réviseur plus puissant via des appels advisor() sans paramètre et des contrôles de patrouille par étape, renvoyant des consignes de plan, de correction ou d'arrêt.

GPT planifie les DAG de dépendances, les workers DeepSeek exécutent les tâches avec un parallélisme adaptatif, et un relecteur GPT optionnel audite les diff Git incrémentaux et pilote les cycles de correction.

FreeCodeGo non officiel pour DeepSeek Harness : une passerelle de modèles gratuits gérée et des catalogues de fournisseurs, la génération d'images et de vidéos derrière un seul interrupteur de paramètres, le routage des moteurs DeepSeek/Codex/Claude, un réviseur-conseiller indépendant, la revue de code, les graphes de code, la mémoire de projet et une chaîne d'outils d'équipe d'ingénierie.

Audite chaque tour achevé de l'assistant avec un modèle évaluateur indépendant et oriente l'agent pour corriger une sortie défaillante, avec au plus 2 tours de revue par tour et les standards du dossier SOP injectés comme dimension de revue supplémentaire.

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.

Relecteur d'approbation indépendant de style Codex Guardian pour DSH.

Relecteur d'approbation assisté LLM fail-closed pour DeepSeek Harness

Mode d'autorisation de révision automatique de style Codex : ajoute un préréglage de révision automatique qui approuve automatiquement les élévations de bac à sable sûres, demande pour celles risquées ou ambiguës et refuse les opérations critiques non confirmées.

Consultations headless Claude Code avec rôles advisor, reviewer et designer, renvoyées comme réponses de référence.