Plugin

Sciami di IA basati sui ruoli per DeepSeek Harness: un architetto pianifica, costruttori paralleli eseguono, revisori controllano la qualità e un integratore rilascia. Fissaggio dei modelli per ruolo con catene di fallback, loop di revisione, contratti di evidenza, revisioni con approvazione umana, pausa/ripresa consapevole della quota, e un kanban live + diagramma di flusso nella GUI web. 40 test; installazione da GitHub o npm.

Uno swarm governato di sei agent DSH specialisti — orchestrator, planner, bridge alla knowledge base, developer e due reviewer — trasforma un requisito in una pipeline di fasi rigida in cui ogni consegna deve dimostrare il proprio valore con evidenze strutturate prima che possa iniziare la fase successiva; i reviewer sono sola lettura, i merge del codice avvengono solo dopo un passaggio di review e un log eventi append-only offre replay completo e audit su una bacheca kanban live. Il suo design trae ispirazione dal kanban di Hermes Agent.

Esegue il lavoro come un equipaggio di agenti per ruolo: un product manager scrive il PRD o DoD, attende la tua conferma, quindi avvia architetto, ingegnere, QA e revisori i cui set di strumenti sono bloccati per ruolo, e condivide il lavoro tramite file su disco.

Failover ad alta disponibilità dei modelli (quarantena, circuit breaking, ripristino tramite probe) e orchestrazione di subagent (fanout/pipeline/supervisor) con interfaccia impostazioni bilingue.

Messaggistica tra sessioni per agenti DeepSeek Harness con scoperta delle sessioni, consegna offline, ricevute di consegna e navigazione alla sessione del mittente.

Preset RigorQuant + pacchetto di skill: ricerca multi-agente isolata e senza supervisione per matematica empirica e computazionale (economia, finanza, portafoglio), con una batteria di controlli in quattro parti prima dell'implementazione e un percorso di escalation jacobiano/Lean

Math Agent Framework per DeepSeek Harness: motore di derivazione simbolica (CES / forme quadratiche / ODE / PDE), verifica con SymPy, dimostrazioni formali verificate dal compilatore Lean 4 e verifica avversariale multi-agente in stile QED, esposti come strumenti DSH nativi tramite una shell TS che fa da ponte a un motore Python. Richiede la clonazione del repository math-agent-framework e `pip install -r requirements.txt`, con MATH_AGENT_HOME che punta alla radice del repository. Ogni risultato riporta la provenienza (versioni dei motori, seed, tolleranze) ed è contrassegnato come dati non attendibili.

Elenco di subagent con nome: gestisci le voci di ruolo (model, persona, filtro strumenti, profondità, background mode) da una pagina impostazioni con hot-reload; il modello ne sceglie uno con list_subagents e lo invia per id con delegate — foreground, background o continuable.

Collaborazione multi-agente durevole per DeepSeek Harness con canali, thread, attività e sessioni di agente riprendibili.

Stanze di squadra multi-agente persistenti e trasversali alle sessioni per DeepSeek Harness — membri, bus dei messaggi, bacheca condivisa dei task e una timeline condivisa che sopravvivono ai riavvii.

Compagno di livello desktop: notifiche native del browser per le domande dell'utente e le interazioni di approvazione, strumento modello di cattura schermo, vista a griglia affiancata multi-agente e shell desktop Tauri leggera.

Analisi multi-agente per azioni A-share dietro /trading-agent, portata da TradingAgents-AShare, esegue 14 ruoli (analisti, dibattito bull/bear, revisione rischi, trader) tramite il routing LLM dell'harness.

Rende l'attività live di sessioni multi-agent come un ufficio in pixel art in un pannello laterale della Web UI: ogni sessione è un lavoratore bue/cavallo che digita alla scrivania quando è occupato o vaga via quando è inattivo, con monitor del lavoro apribili con click e card di approvazione in loco.

Swarm in stile Kimi-Code: dispatch di subagent in parallelo a lotti con pianificazione adattiva, un comando /swarm e righe di progresso in diretta in chat.

Coordina Session DSH indipendenti e membri basati su provider senza unire le loro cronologie, usando Room native persistenti con menzioni `@` legate all'identità, consegna diretta, broadcast e controlli riservati al leader.

Messaggistica agente-agente cross-sessione per DeepSeek Harness: indirizza un'altra sessione per nome e recapita un messaggio nella sua casella di posta.

Instrada ogni attività verso un modello e la sua revisione verso un altro, con prove di qualifica, failover e un diario durevole.

Sessioni peer persistenti Endeavour e Challenger per DeepSeek Harness che pianificano, eseguono attività sequenziali e verificano i risultati riportati.

Modalità personalizzate / gestore di assistenti: personalizza il prompt di sistema di ogni modalità nelle impostazioni — file riletto dal ciclo dell'agente prima di ogni passo del modello, ogni modifica vale dal passo successivo — avviala dalla composizione ufficiale standard/PTC/minimal/Cordis, attivando/disattivando una per una le righe dei plugin montati (composizione personalizzata per modalità), rinominabile a piacere. Più assistenti, ognuno col suo prompt su una sola macchina: un assistente di programmazione, un compagno di chat e una persona per il roleplay (RP) — configurazione multi-agente da scegliere a ogni nuova sessione. Le righe intatte sono uguali byte per byte alle distribuite, condizioni di piattaforma incluse.

femo (Flow Emerges Mag Opus): orchestra mondi multi-agente come se scrivessi una sceneggiatura. Versione plugin dsh: motore, bridge ed editor visuale in un'unica cartella, autosufficiente; basta spostare l'intera cartella per usarlo.

Piano di orchestrazione e controllo multi-macchina e multi-agente per DSH: individua Agent e workspace tra dispositivi, instrada le attività per macchina, repository, capacità e carico verso runtime Agent locali o remoti, trasmette in streaming progresso e risultati, inoltra le approvazioni e recupera le attività durevoli dopo le disconnessioni.

Osservabilità del Conversation Flow per gli swarm di DeepSeek Harness, con topologia, ispezione dei messaggi instradati, pause HITL, follow live e navigazione alle sessioni figlie.

Esegue pipeline AItelier da DSH tramite MCP: 39 strumenti (22 lettura, 17 scrittura) per generare, eseguire, ispezionare, modificare, esportare e importare pipeline SkillFlow multi-fase. I passi vengono eseguiti in AItelier anziché nella sessione DSH e sono interrogati tramite run_id, si mettono in pausa ai checkpoint imposti dal motore a cui si risponde con answer_checkpoint, e lasciano tracce per passo e output di passo da leggere successivamente; add_provider / map_model / edit_role puntano un singolo ruolo verso un endpoint locale o più economico. Include un'abilità aitelier-pipelines.

Orchestrazione multi-agente per DeepSeek Harness -- agenti specializzati, orchestrazione attività, skill di workflow.