Plugins
Navegue, filtre e instale plugins do DeepSeek-Harness.
269 plugins encontrados
dsh-pipeline-kernel
not-big-dog/dsh-pipeline-kernel
dsh-expert-team
yangdcm/dsh-expert-team
Equipe Multi-Agent por funções para DeepSeek Harness: produto, arquitetura, frontend, backend, revisão e QA trabalham em nove fases com controles; equipe persistente disponível. Sem dependências runtime ou build.
dsh-background-agents
perrylink/dsh-background-agents
Agentes filhos persistentes em segundo plano sobre o mecanismo oficial de subagentes: iniciam a partir de qualquer sessão, o progresso é acompanhado na barra lateral da Web UI, podem receber mensagens ou ser interrompidos a qualquer momento, com escopo de ferramentas por filho, persona e limites de profundidade de delegação.
DSH-EvoResearch (evoresearch-plugin)
karbo123/dsh-evoresearch
Suíte de agentes de pesquisa: controle de objetivos de longo prazo com cadeias de evidência auditáveis, agendamento via cron, equipes multiagente de especialistas, memória de pesquisa auto-evolutiva (recall FTS5 + RRF), workspaces de projeto e uma UI de workspace personalizada.
agent-body (dsh-anatomy-panel)
1420079678-ctrl/agent-body
Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.
agent-body (dsh-zero-residence)
1420079678-ctrl/agent-body
Motor de contexto Zero-residence: payloads grandes de ferramentas são removidos do contexto ativo para um armazenamento consultável e apenas ponteiros determinísticos permanecem, de modo que os tokens de prompt por turno deixam de crescer com a transcrição. Qualquer conteúdo mascarado é reconstruído literalmente a partir do log da sessão sob demanda, por id de chamada de ferramenta ou seq de sessão.
agent-body (dsh-organism)
1420079678-ctrl/agent-body
Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.
agent-body (dsh-cortex)
1420079678-ctrl/agent-body
O órgão de memória do Agent-Body: após 2 minutos de silêncio entra em sono leve e após 5 em sono profundo, onde regras determinísticas destilam a experiência real em cartões de memória (armadilhas, playbooks, pontos quentes, problemas não resolvidos, fatos). Comandos recebidos recuperam cartões relacionados por palavra-chave e os injetam no contexto; cartões sem uso decaem numa meia-vida e são arquivados em vez de excluídos. Também remove o ruído dos avisos de homeostase de todo o corpo: repetições dentro de uma janela são contadas em vez de reimpressas, e um aviso que se repete sem nunca sarar converge para um desvio de estado estacionário conhecido e silencia. A consolidação e a recordação não fazem chamadas ao modelo.
dsh-custom-mode
bowluna/dsh-custom-mode
Gerenciador de modos personalizados e assistentes. Em Settings, cada modo recebe seu próprio prompt de sistema, salvo como arquivo comum que o agent loop relê antes de cada etapa do modelo; por isso, uma edição entra em vigor na próxima etapa, mesmo em uma sessão ativa. É possível começar pela composição oficial standard/PTC/minimal/Cordis, alternar individualmente as linhas de plugins montadas por cada modo e dar a ele o nome desejado. Vários assistentes com prompts próprios — para programação, conversa ou uma persona de interpretação de papéis (RP) — podem coexistir na mesma máquina e ser escolhidos a cada nova sessão. Linhas não alteradas permanecem idênticas byte a byte às fornecidas, inclusive nas condições de plataforma.
sgme
freehul/sgme
Ponte para o ShiGuang Memory Engine (SGME): memória de longo prazo compartilhada entre múltiplos agentes via HTTP — destilação L0/L1/L1.5/L2, injeção baseada em cenário, busca unificada e sinais proativos de cuidado (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalável como `dsh-sgme`
oh-my-deepseekharness
1225sakura/oh-my-deepseekharness
Camada de orquestração multiagente para o DeepSeek Harness — modos de execução autopilot/ralph/team, 19 cartas de papel, 40 skills bilíngues e um servidor de estado MCP incluído, portado do oh-my-claudecode.
dsh-harness-one
chumingjun/dsh-harness-one
Workflow One - Orquestrador visual de fluxos de trabalho de IA para o DeepSeek Harness (dsh): DAGs multiagente, execução ao vivo, recuperação e integração com Feishu (edição em pacote único)
dsh-Kingdom
lusblead/dsh-kingdom
Reino de governança de agentes para o DeepSeek Harness: territórios, vinculações de função (bind/unbind/session com identidade de modelo/agente), e um ciclo de tarefas planejar→atribuir→executar→revisar em que as declarações do Worker nunca se autocompletam (Claim ≠ Fact), com um console de operações GUI local.
ANet (dsh)
anetresearch/anet
Conecta DSH a um nó anet local por cliente MCP stdio. Inclui 3 skills e 14 ferramentas para descobrir agentes na AgentNetwork, enviar/acompanhar/responder tarefas A2A criptografadas de ponta a ponta, pagar ou recusar skills pagas dentro dos limites do operador, ler a cadeia local de evidências e informar o estado do nó. Apenas Linux/macOS; requer nó anet 0.3.0+ em execução local.
dsh-expert-orchestrator
mario841859784/dsh-expert-orchestrator
Preset de orquestração multiagente para DeepSeek Harness. O chief orchestrator nunca implementa: classifica cada pedido, encarrega um PM expert de planejar e delega a implementação a especialistas por um roster integrado (ferramentas para listar e convocar). Coordena paralelismo com taskboard DAG de dependências, usa message bus baseado em arquivos e exige revisão independente antes da entrega. Inclui 11 especialistas principais. Equipes adicionais (Agency agents EN/ZH, classic collections) podem ser baixadas com um clique em Settings por dois canais, GitHub/CDN, com verificação sha256. Publicado no npm como dsh-expert-orchestrator; requer DSH >= 0.1.7-alpha.2.
dsh-expert-mode
asher-2000/dsh-expert-mode
Preset modo especialista DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordenador + 17 subagentes com delegação automática. Funções: taskboard (estados pending/ready/running/done/failed, DAG dependências, reivindicação atômica, retry, recuperação), portas qualidade (pipeline 5 etapas: requisitos, implementação, verificação, revisão, integração; 2 reelaborações), Five-Anchor (revisão/convergência/anti-deriva/colaboração/recursos), Near-distance (modelo identidade/tarefa/saída), divulgação progressiva (~28% economia tokens), persistência, barramento P2P, revisão cruzada, pool experiência, via rápida, auto-retry. 17 especialistas: dados, redação, jurídico, PM, frontend, UI/UX, arquiteto, social, growth, fin. quant., backend, DevOps, BD, QA, segurança.
dsh-domain-role (dsh-domain-bridge)
1lany2a/dsh-domain-role
Camada de identidade de domínio para sessões longas de agentes: endereçamento de domínio prioritariamente declarativo, fábrica de sessões, pausa em quatro níveis e despacho de modelos para coordenar várias sessões de nível superior.
dsh-swarm-orchestrator
linkbag/dsh-swarm-orchestrator
Enxames de IA baseados em papéis para DeepSeek Harness: um arquiteto planeja, construtores paralelos executam, revisores controlam a qualidade e um integrador entrega. Fixação de modelos por papel com cadeias de fallback, loops de revisão, contratos de evidência, revisões com gate humano, pausa/retomada ciente de cota e um kanban ao vivo + fluxograma na GUI web. 40 testes; instala a partir do GitHub ou npm.
dsh-search-boost
mr-remon219/dsh-search-boost
Busca web fundida em múltiplos mecanismos, obtenção de páginas, busca em tempo real no X (Twitter) com fallback sem credenciais, pesquisa profunda e pesquisa multiagente paralela para o DeepSeek Harness. Camada gratuita: Bing / DuckDuckGo / Yahoo / Exa MCP (todos sem chave, verificados ao vivo); api la
ikanban
isomoes/ikanban
Pacote de aplicativo web iKanban orientado a teclado para o DeepSeek Harness
dsh-agent-team-presets
bloodarea/dsh-agent-team-presets
Predefinições reutilizáveis de Agent Team para DeepSeek Harness. Settings salva Teams nomeados: um captain com prompt e lista de ferramentas permitidas próprios, além de membros com rota provider/model, reasoning effort, prompt e ferramentas próprios. Um controle no composer aplica um Team à Session atual, instala o prompt do captain e registra spawn_team_member, get_team_preset e update_team_preset.
agent-body
1420079678-ctrl/agent-body
Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.
ai-company-framework
yyyy231209/ai-company-framework
AI Company Framework: transforme uma frase em uma empresa multi-agente — 15 Skills planos (boss/pipeline/role-template/11 roles/generic customer-memory), 7 templates de workflow, runtime AgentTeams + painel de atividades, sidebar de funcionários com isolamento por sessão, bridge para bot do Feishu (bot do boss e bots por funcionário, roteamento de grupo, push autônomo, gate de decisão humana, guia de contato externo), memória SQLite por cliente com memória de três camadas (merge cross-group), switch de modo /company; sem RAG.
dsh-rigorquant
linxichen/dsh-rigorquant
Preset RigorQuant + pacote de skills: pesquisa multiagente isolada e não supervisionada para matemática empírica e computacional (economia, finanças, portfólio), com uma bateria de verificação em quatro partes antes da implementação e uma via de escalonamento jacobiano/Lean