Plugins

Revisão automática por um segundo modelo na cadeia de respostas de aprovação: um subagente revisor somente leitura retorna vereditos estruturados de permitir/negar com justificativas, com fail-closed por padrão.

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.

Aprovação automática baseada em regras para escalonamentos de sandbox do DeepSeek Harness, com revisor LLM opcional e fallback humano nativo.

Skill de revisão de código orientada por modelos: fluxo de revisão em cinco etapas, classificação por severidade (crítica/média/menor), pontuação quadridimensional (qualidade, segurança, desempenho, manutenibilidade), saída dupla em texto e HTML e base de conhecimento de referência sob demanda.

Equipe multiagente por papéis para o DeepSeek Harness. O /team reúne até 12 subagentes (produto, arquiteto, pesquisa, UI, backend, frontend, BD, segurança, revisor, QA, DevOps, docs) e executa um pipeline de 9 fases com portões (esclarecer, pesquisar, projetar, revisar spec, aprovar plano, implementar, revisar, testar, entregar) sobre artefatos compartilhados. Os portões de qualidade são impostos pelo código, não pelos prompts: tarefa inacabada não é marcada como concluída, os achados são arbitrados pelo revisor ou QA, e lacunas de cobertura ou retrabalho aparecem ao vivo no overlay e em /team status. Inclui overlay ao vivo (fases, elenco com modelos, DAG, artefatos, decisões), modo de equipe persistente e contabilidade de tokens/tempo. Zero dependências em runtime, sem build.

O pacote DeepSeek Harness registra uma habilidade que converte produção longa (artigos acadêmicos, análises setoriais, comentários empresariais) em pipeline de 9 papéis: scouts T1 literatura / T2 dados / T3 casos em paralelo, T4 analista, T5 redator, T6 companheiro crítico, T7 auditor, T8 finalizador, T9 revisor par executados pelo coordenador. Em 6 fases com verificação triangular de evidências, M-gate de 23 verificações, auditoria G0-G14 incluindo gate de rastreamento IA chinês, pontuação peer-review com correspondência de periódicos, e 4 checkpoints humanos. Instala com `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch mais lib/index.js); envia fichas de papel T1-T9, modelos e 11 scripts de verificação sem dependências, com READMEs em cinco idiomas.

Aprovação de permissões baseada em modelo: um respondente de solicitações de aprovação apoiado por um modelo revisor separado.

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.

Um enxame governado de seis agentes especializados DSH — orquestrador, planejador, ponte para base de conhecimento, desenvolvedor e dois revisores — transforma um requisito em um pipeline rígido de fases em que cada entrega precisa provar-se com evidências estruturadas antes que a próxima fase possa começar; os revisores são somente leitura, merges de código só após uma passagem de revisão, e um log de eventos apenas de acréscimo fornece replay completo e auditoria em um quadro kanban ao vivo. Seu design se inspira no kanban do Hermes Agent.

Executa o trabalho como uma tripulação de agentes de função: um gerente de produto escreve o PRD ou DoD, espera pela sua confirmação e inicia arquiteto, engenheiro, QA e revisores cujos conjuntos de ferramentas são bloqueados por função, compartilhando o trabalho por meio de arquivos em disco.

Adiciona um preset de permissão Auto Approve à Web UI, usando um Reviewer Agent restrito e recém-criado para aprovar ou negar cada solicitação de aprovação.

Revisor agêntico de respostas para o DeepSeek Harness: cada turno final do assistente é revisto por um LLM separado com nota de 1 a 100; pontuações abaixo do limiar reconduzem o agente com feedback concreto. A pontuação aparece como uma etiqueta na linha de ações da resposta (verde aprovado / vermelho precisa de trabalho, com número de tentativas e motivo ao pairar). Configuração de barreira ao vivo sobre um servidor HTTP em 127.0.0.1, além de uma doca recolhida acima do compositor e um separador opcional na barra lateral direita via dsh-better-sidebar.

Emparelha o executor em execução com um modelo revisor mais forte por meio de chamadas advisor() sem parâmetros e verificações de patrulha por passo, retornando orientação de plano, correção ou parada.

O GPT planeja DAGs de dependência, os workers DeepSeek executam tarefas com paralelismo adaptativo e um revisor GPT opcional audita diffs incrementais de Git e conduz rodadas de reparo.

FreeCodeGo não oficial para o DeepSeek Harness: um gateway gerenciado de modelos gratuitos e catálogos de provedores, geração de imagens e vídeos atrás de um único interruptor de configurações, roteamento de motores DeepSeek/Codex/Claude, um revisor consultor independente, revisão de código, grafos de código, memória de projeto e uma cadeia de ferramentas de equipe de engenharia.

Audita cada turno concluído do assistente com um modelo revisor independente e orienta o agente a corrigir saídas com falha, com no máximo 2 rodadas de revisão por turno e padrões da pasta SOP injetados como dimensão extra de revisão.

Filesystem permissions for shell calls, granted per path and capability rather than per command name. The command line is parsed for the read, write, create, delete and execute effects it needs, a capability it lacks raises the approval card instead of a flat refusal, and the same rules are compiled into the macOS Seatbelt profile the process, its children and the code its arguments never showed all run under. An Approvals tab in the conversation reads the audit log back and shows which rule, automatic reviewer or person answered each call.

Mandatory cross-review for design proposals and lessons-learned: auto-detects design doc writes and enqueues them (tier=review) into the task queue, delivers the external reviewer verdict back to the initiating session, and appends approved preventive measures to OPS-GUARDRAILS.md (append-only, conflict-checked).

Runs a parallel code review squad of read-only reviewer subagents (security, correctness, tests, style), each optionally on its own model, and aggregates one severity-grouped report from /review or a code_review tool call.

LLM approval answerer for sandbox escalations beyond workspace-write: a deterministic regex filter first, then a clean-context reviewer model; humans are asked only when it is unsure. Requires the bundled core patches.

Revisor de aprovação independente no estilo Codex Guardian para o DSH.

Revisor de aprovação assistido por LLM fail-closed para DeepSeek Harness

Modo de permissão de revisão automática no estilo Codex: adiciona uma predefinição de revisão automática que aprova automaticamente escalonamentos seguros de sandbox, pergunta sobre os arriscados ou ambíguos e rejeita operações críticas não confirmadas.

Consultas headless ao Claude Code com papéis de advisor, reviewer e designer, retornadas como respostas de referência.