Plugin

Evolvi skill, agenti, prompt, codice e plugin dall'interno di DeepSeek Harness, con AgentDescent.

Osservatore in sola lettura del percorso di lavoro della sessione: ripiega i turni in riepiloghi di fase, esecuzione, durata e tok/s, poi espande rami paralleli, risultati degli strumenti e ragionamento visibile al fornitore.

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

Confronta due build Vite in esecuzione nelle conversazioni DSH, consente una scelta alla cieca e verifica l’adozione rispetto alle modifiche correnti del progetto. Richiede un progetto Vite nella root di un repository Git con almeno un commit.

Bridge Feishu/Lark per DeepSeek Harness: associazione PersonalAgent tramite scansione, card in streaming, aree di lavoro di progetto con git-worktree, attività parallele per ambito, agenti multi-ruolo, notifiche tra sessioni, gestione di modello/chiave in chat e un guardiano di rete di sicurezza che continua a rispondere su Feishu anche dopo un crash di dsh.

Lettura approfondita e sintesi per DSH: libri, articoli, video e web trasformati in note strutturate di Obsidian tramite parser di plugin, sottoagenti paralleli MapReduce di lettura profonda, output JSON Schema e cache idempotente.

Visualizzazione di flowgraph in tempo reale per sessioni DeepSeek Harness, incluse chiamate agli strumenti, gruppi paralleli, rami di subagenti e dettagli espandibili.

Toolset di debug ROS2 e analisi visiva dello stato del robot per DeepSeek Harness: enumerazione di node/topic/service/action/interface/TF, JSON della topologia dell'intero grafo, controlli rosdep, build con approvazione e scaffolding di messaggi personalizzati, screenshot GUI e osservazione visiva multimodale, più rendering offscreen headless RViz2 (mesh low-poly, lettura diretta dei pixel, passthrough GPU - rendering del movimento a 30Hz) con analisi VLM parallela in tempo reale.

Bundle DeepSeek Harness per testi lunghi (articoli accademici, analisi di settore, commenti economici), pipeline a 9 ruoli/6 fasi: T1 letteratura, T2 dati e T3 casi in parallelo; T4 analista, T5 autore, T6 compagno critico, T7 revisore, T8 finalizzatore eseguito dal coordinatore, T9 peer reviewer. Include verifica triangolare delle prove; M-gate: 26 controlli (25 script + 1 umano); audit G0-G16 con controllo delle tracce di scrittura AI nei testi cinesi; punteggio peer review con abbinamento alla rivista; 4 checkpoint umani. Installa: `dsh plugin add lunheng-article-pipeline` (`package.json#dsh.bundle.patch` e `lib/index.js` registrano la skill). Schede T1-T9, modelli, 36 script senza dipendenze e README in 5 lingue.

Trasforma un requisito in una riga in una consegna verificata. TeamFlow esegue triage, PRD, design, piano tecnico, sviluppo parallelo, QA con correzione dei difetti e accettazione. Include 12 strumenti `teamflow_*` e una postazione con grafico della pipeline live e kanban del backlog. Ogni requisito ha una cartella con PRD, design, piano tecnico, rapporto QA e verbale di accettazione.

Pipeline di ricerca multipiattaforma e ricerca profonda: harvest_scout per la scoperta parallela su GitHub, Web, Twitter, Reddit, Xiaohongshu, Bilibili e YouTube; harvest_deep_research per report di ricerca completi automatizzati; più estrazione, verifica incrociata delle fonti e audit di credibilità.

Ricerca web fusa multi-motore, recupero pagine, ricerca in tempo reale su X (Twitter) con fallback senza credenziali, ricerca approfondita e ricerca multi-agente parallela per DeepSeek Harness. Livello gratuito: Bing / DuckDuckGo / Yahoo / Exa MCP (tutti senza chiave, verificati in tempo reale); api la

Composer stile terminale per la GUI Web DSH: cronologia dei prompt shell (↑/↓, ricerca per prefisso, Ctrl+R), completamento e previsione del prompt successivo stile Codex (accetta con Tab o →), barra di selezione (copia/cita/chiedi nella chat laterale), incolla col tasto destro, indice chat trascinabile e thread parallelo nella barra laterale destra.

Un motore di scrittura per web novel per DeepSeek Harness: stesura in parallelo, scaletta e brainstorming con una chiave DeepSeek separata, gestione di lore e presagi narrativi, recupero vettoriale semantico, una libreria di corpus, un registro di utilizzo, correzione di bozze meccanica e un piano di serializzazione locale.

Ricerca web multi-motore per agenti di programmazione — un unico core SearchBoost (ricerca fusa, fetch, X) con MCP (Cursor, Codex, Claude Code, Grok Build, Antigravity), estensione pi e adattatori bundle per DeepSeek Harness

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.

Plugin Mixture-of-Agents per DeepSeek Harness: un comando /moa distribuisce un prompt a più modelli in parallelo, unisce le risposte in uno spazio di lavoro di file e si integra con Live Canvas per l'output visivo.

Preset di orchestrazione multi-agent per DeepSeek Harness. Il chief orchestrator non implementa mai: smista ogni richiesta, affida il piano a un PM expert e delega l’implementazione a specialisti tramite un roster unificato (strumenti di elenco e convocazione). Coordina il lavoro parallelo con un taskboard DAG delle dipendenze, usa un message bus basato su file e richiede una review indipendente prima della consegna. Include 11 esperti principali. Team aggiuntivi (Agency agents EN/ZH, classic collections) si scaricano con un clic in Settings tramite due canali, GitHub/CDN, con verifica sha256. Pubblicato su npm come dsh-expert-orchestrator; richiede DSH >= 0.1.7-alpha.2.

Provider di ricerca web aggregata che distribuisce una query a 11 motori (Exa, Parallel, DuckDuckGo, SearXNG, Brave, Tavily, Serper, Mojeek, DeepSeek, Anthropic, OpenAI) in parallelo, deduplica per URL e unisce i risultati. Include una scheda impostazioni per commutare i backend, archiviare le chiavi API nel credential store e regolare concorrenza e timeout.

Instrada in modo automatico e intelligente ogni task delegato al modello configurato migliore usando alias, tag di capacità e guida d’uso, mantenendo il lavoro di routine veloce ed economico mentre invia quello complesso a specialisti più forti. Configura il tuo team di modelli nella Web UI o con setup guidato, esegui specialisti in parallelo con unione affidabile dei risultati e vedi il modello scelto a colpo d’occhio nelle viste degli subagent e inline nell’albero Tasks di Better Sidebar.

Preimpostazione agente di flusso di lavoro ingegneristico per dsh: cinque fasi con gate (chiarimento requisiti, approvazione piano, TDD, subagent paralleli, finalizzazione verificata) con sei competenze di flusso di lavoro adattate da obra/superpowers.

Protezione di rivendicazione/rilascio dei file per sessioni DSH parallele sullo stesso spazio di lavoro (takeover per heartbeat obsoleto, area di merge a tre vie in sospeso).

Ricerca approfondita come modalità agente: un unico ciclo revisionato che pianifica, ricerca in round paralleli adattivi guidati dai gap che i ricercatori stessi dichiarano, sintetizza un rapporto citato e poi lo rivede in modo avversariale, invece di uno script che il modello riscrive a ogni chiamata. Le domande che il budget dei round non ha mai raggiunto vengono nominate nel rapporto anziché scartate.

Skill Windows PowerShell 5.1 per grandi asset GitHub Release. Esamina l'host in sola lettura: porte proxy, proxy/variabili di sistema, core/config Clash Verge, versione curl. Misura in parallelo 4 percorsi (proxy, core headless, mirror, diretto), poi prova brevemente concorrenza a tempo. Scarica con curl byte ranges paralleli; verifica byte e SHA256 del digest. Salta il test sotto 100 MB o da 3 MB/s per connessione. Misure dell'autore: 6,3× su nodo limitato (1.234→7.759 KB/s), 0,72× su nodo veloce (5.829→4.175 KB/s). Senza aria2/7z; non modifica il proxy né chiede porte/concorrenza. Se assente: candidati reali e `ASSET_NOT_FOUND`, senza sostituzione. Senza digest: solo dimensione, `DOWNLOAD_SIZE_OK_NO_DIGEST`.