Plugins

LoopX, um kernel de estado e plano de controle neutro em relação ao provedor e local-first para agentes de longo horizonte: mantém os estados de Goal, Todo, gate, evidência, cota, recuperação e handoff acima do DeepSeek Harness, enquanto o plugin inicializa a CLI e as skills, admite continuação limitada na mesma sessão e adiciona uma GoalBar de loopback para o loop exatamente delimitado.

AgentTeams: equipes multiagente.

Conecta o DeepSeek Harness à Bot Collaboration Network da Avernet via WebSocket V2, com onboarding automático, sessões de agente isoladas, eventos de chamadas de ferramenta e ferramentas de roteamento multi-bot.

Pacote de canais do DeepSeek Harness para a Avernet Bot Collaboration Network.

Dá ao DeepSeek Harness um verdadeiro ambiente de escritório. O plugin Univer Office reúne planilhas, documentos, slides, telas, tabelas relacionais e mais em um único runtime, com dados conectados, validação, alterações versionadas e worktrees isolados para colaboração multiagente.

Plugin de memória persistente entre agentes e local-first para o DeepSeek Harness (DSH), desenvolvido com Mnemon. Ele compartilha memória de longo prazo entre agentes compatíveis com Mnemon e adiciona memória em tempo de execução, documentos de projeto pesquisáveis, recall semântico, grafo de conhecimento e uma interface de barra lateral.

Camada mnemônica.

Exploração de arquitetura AGI de caixa branca: metacognição (loop de autocognição), aprendizagem contínua (volante de conhecimento), modelo de mundo (espaço de condições, grafo de memória espaço-temporal), autoaperfeiçoamento (disciplina bootstrap), pipeline de caixa branca zero-LLM e guardrails de confiança auditáveis.

Esquadrões multimodelo persistentes configurados em Configurações e selecionados no Composer, com políticas de modelo e ferramentas por membro. Por padrão, o Agent líder conclui ele mesmo o trabalho simples e delega apenas quando o esquadrão salvo é necessário; o trabalho delegado roda como um DAG limitado com revisão e reparo opcionais. O Run Center acompanha tentativas e tokens por membro a partir dos eventos de uso oficiais do Harness.

Plano de controle de memória em três níveis para DeepSeek Harness: contexto de runtime persistente, documentos de projeto pesquisáveis, memória de longo prazo plugável, roteamento inteligente, fluxos de trabalho de agente supervisionados, WebUI e ferramentas headless.

Orquestração multiagente no estilo UltraCode: uma camada de workflow gerável, salvável, governável, observável e retomável.

Orquestração multiagente no estilo UltraCode: uma camada de workflow gerável, salvável, governável, observável e retomável.

Fluxo de trabalho dinâmico para o DSH (placeholder).

baro como provedor de subagentes do DeepSeek Harness: delegue um objetivo com várias histórias e receba de volta execução paralela, revisão independente e um resultado verificado — com um painel de execução ao vivo na barra lateral

Quadro de tarefas compartilhado para múltiplos agentes (criar/reivindicar/transicionar/consultar) sobre uma chave de serviço Cordis.

Plano de notificação e controle remoto do DSH: uma única API `notify()` para 28 canais de saída, seis canais de controle de entrada, aprovações/perguntas/controle de tarefas pelo celular, uma UI nativa DSH Notify & Control, aplicação a quente das configurações de saída, roteamento multiagente e zero dependências em tempo de execução.

Uma equipe de agentes persistente para colaboração de longa duração no DeepSeek Harness: identidades duráveis de agentes, Workspaces por projeto, Channels com responsabilidade e Task Threads encadeando agentes de sessão.

Colaboração de equipe multiagente para DeepSeek Harness com modelos, habilidades e servidores MCP por assistente, contextos independentes, espaços de trabalho compartilhados, coordenação de tarefas e gestão de conversas.

Plugin de teste de invasão baseado em PTES com arquitetura Root-Orchestrator para DeepSeek Harness.

Workflow multi-agente para concursos de modelagem matemática: o preset "UltraMath" executa um problema desde leitura até framework, derivação, codificação, verificação, artigo e revisão, além de 4 presets de papel de estágio único (matemático, engenheiro, escritor, revisor) e 33 documentos de skill de biblioteca de modelos.

Conselho multimodelo para o DeepSeek Harness: respostas independentes, revisões anônimas entre pares e uma decisão final inspecionável.

Instala quatro presets de pesquisa matemática multiagente para o DSH: v2 (pipeline guiado por probabilidade com debate entre vários verificadores), v3 (base de conhecimento Markdown em estilo de artigo com um agente planejador e uma biblioteca de métodos reutilizável), v4 (residentes persistentes auto-organizados que trocam mensagens e se reúnem) e v5 (um instituto de pesquisa com um acadêmico que decompõe e atribui o trabalho, pesquisadores votantes, trabalhadores temporários, chat em grupo e um quadro de tarefas compare-and-set); os quatro suportam retomada por checkpoint, intervenção humana e um interruptor opcional de verificação formal em Lean (off/encourage/require), cuja prova aprovada transforma o voto em uma checagem de fidelidade das afirmações Lean.

Instala uma predefinição de escrita de romances multiagente para o DeepSeek Harness: um agente condutor distribui o trabalho para cinco subagentes especializados — construção de mundo, enredo, gerenciamento de personagens, redação da prosa e revisão de qualidade.

Ferramentas Cordis do DeepSeek Harness para o All in Flash, desenvolvidas com o All in Luna