Plugin

LoopX, un kernel di stato e un control plane neutrali rispetto ai provider e local-first per agenti di lungo orizzonte: mantiene lo stato di Goal, Todo, gate, evidenza, quota, recupero e handoff al di sopra di DeepSeek Harness, mentre il plugin esegue il bootstrap della CLI e delle skill, ammette una continuazione limitata nella stessa sessione e aggiunge un GoalBar di loopback per il ciclo limitato esatto.

AgentTeams: squadre multi-agente.

Collega DeepSeek Harness alla Bot Collaboration Network di Avernet tramite WebSocket V2, con onboarding automatico, sessioni agente isolate, eventi di tool-call e strumenti di routing multi-bot.

Bundle di canali DeepSeek Harness per l'Avernet Bot Collaboration Network.

Dota DeepSeek Harness di un vero ambiente d'ufficio. Il plugin Univer Office riunisce fogli di calcolo, documenti, diapositive, canvas, tabelle relazionali e altro in un unico runtime, con dati connessi, validazione, modifiche versionate e worktree isolati per la collaborazione multi-agente.

Plugin di memoria persistente cross-agent e local-first per DeepSeek Harness (DSH), basato su Mnemon. Condivide la memoria a lungo termine tra gli agenti compatibili con Mnemon e aggiunge memoria di runtime, documenti di progetto ricercabili, richiamo semantico, grafo di conoscenza e un'interfaccia a barra laterale.

Livello mnemonico.

Esplorazione dell'architettura AGI white-box: metacognizione (ciclo di auto-cognizione), apprendimento continuo (volano della conoscenza), modello del mondo (spazio delle condizioni, grafo di memoria spazio-temporale), auto-miglioramento (disciplina bootstrap), pipeline white-box zero-LLM e guardrail di fiducia verificabili.

Squadre multi-modello persistenti configurate in Impostazioni e selezionate nel Composer, con policy di modello e strumenti per membro. Per impostazione predefinita l'Agent principale completa da sé il lavoro semplice e delega solo quando serve la squadra salvata; il lavoro delegato viene eseguito come DAG limitato con revisione e riparazione opzionali. Run Center traccia i tentativi e i token per membro dagli eventi di utilizzo ufficiali di Harness.

Piano di controllo della memoria a tre livelli per DeepSeek Harness: contesto di runtime persistente, documenti di progetto ricercabili, memoria a lungo termine collegabile, instradamento intelligente, workflow di agent supervisionati, WebUI e strumenti headless.

Orchestrazione multi-agente in stile UltraCode: un layer di workflow generabile, salvabile, governabile, osservabile e riprendibile.

Orchestrazione multi-agente in stile UltraCode: un livello di workflow generabile, salvabile, governabile, osservabile e ripristinabile.

Workflow dinamico per DSH (segnaposto).

baro come provider di subagent per DeepSeek Harness: delega un obiettivo multi-storia e ottieni in cambio esecuzione parallela, revisione indipendente e un risultato verificato — con un pannello di esecuzione in tempo reale nella barra laterale

Bacheca condivisa di attività multi-agente (crea/rivendica/transizione/interroga) tramite una service key Cordis.

Piano di notifica e telecontrollo per DSH: una sola API `notify()` su 28 canali in uscita, sei canali di controllo in entrata, approvazioni/domande/controllo attività dal telefono, una UI nativa DSH Notify & Control, hot-apply live in uscita, routing multi-agente e zero dipendenze di runtime.

Un team di agenti persistente per la collaborazione a lungo termine in DeepSeek Harness: identità degli agenti durature, Workspaces per progetto, Channels con responsabilità e Task Threads che collegano gli agenti di sessione.

Collaborazione di team multi-agente per DeepSeek Harness con modelli, abilità e server MCP per assistente, contesti indipendenti, spazi di lavoro condivisi, coordinamento dei task e gestione delle conversazioni.

Plugin di penetration testing basato su PTES con architettura Root-Orchestrator per DeepSeek Harness.

Workflow multi-agente per gare di modellistica matematica: il preset "UltraMath" esegue un problema dalla lettura attraverso framework, derivazione, coding, verifica, carta e revisione, più 4 preset di ruolo a stadio singolo (matematico, ingegnere, scrittore, revisore) e 33 documenti skill di libreria di modelli.

Consiglio multi-modello per DeepSeek Harness: risposte indipendenti, revisioni anonime tra pari e una decisione finale ispezionabile.

Installa quattro preset di ricerca matematica multi-agente per DSH: v2 (pipeline guidata dalla probabilità con dibattito tra più verificatori), v3 (base di conoscenza Markdown in stile paper con un agente pianificatore e una libreria di metodi riutilizzabile), v4 (residenti persistenti auto-organizzati che si scrivono e si incontrano) e v5 (un istituto di ricerca con un accademico che scompone e assegna il lavoro, ricercatori votanti, lavoratori temporanei, chat di gruppo e una board di attività compare-and-set); tutti e quattro supportano la ripresa da checkpoint, l'intervento umano e un interruttore opzionale di verifica formale Lean (off/encourage/require) la cui prova superata trasforma il voto in un controllo di fedeltà delle affermazioni Lean.

Installa un preset di scrittura di romanzi multi-agente per DeepSeek Harness: un agente direttore assegna il lavoro a cinque sottoagenti specializzati — costruzione del mondo, trama, gestione dei personaggi, scrittura della prosa e revisione QA.

Strumenti Cordis di DeepSeek Harness per All in Flash, basati su All in Luna.