プラグイン

分離された Git ワークツリー内でコーディングエージェントを、決定論的な検証、スコアリング、明示的な勝者の適用によって比較します。

Run the same prompt through every model you have, and see the difference without squinting.

Evidence-first multi-model coding comparison workbench for DeepSeek Harness

Evidence-backed Skill self-evolution for DeepSeek Harness: redacted trajectory learning, quarantined proposals, arena validation, canary monitoring, automatic rollback.