Плагины

Мост для навыков и конфигурации Pi Agent в DeepSeek Harness

Совместимый с Symphony оркестратор задач с несколькими провайдерами и дашборд для DeepSeek Harness

Нативный мета-агентный плагин для DeepSeek Harness: модель на лету синтезирует рабочие процессы под конкретную задачу из пяти агентных паттернов (цепочка промптов, параллельные воркеры, маршрутизатор, супервизор, цикл оценки) и координирует инструменты и субагентов

Расширение-ассистент обучения для DeepSeek Harness (dsh): репетиторство DeepTutor для вашего агента — подробные объяснения, вопросы для самопроверки, учебные траектории, поиск по личной базе знаний (RAG) и архивирование заметок (сначала HTTP/WS, запасной вариант — CLI; автоматически подстраивается под локальный/удалённый режим)

Наблюдаемость Langfuse для DeepSeek Harness: экспортирует журналы сессий как трассировки OpenTelemetry (семантические соглашения GenAI) в эндпоинт OTLP Langfuse

Слой совместимости с Claude Code для DeepSeek Harness: загрузка навыков/команд/агентов .claude и установка плагинов из маркетплейсов Claude Code как нативных навыков dsh.

Стабильная, редактируемая генерация PPTX для AI-агентов — на входе семантическое промежуточное представление, на выходе нативный DrawingML

Самоизменяемая desktop-рабочая среда для DeepSeek Harness: полная копия dsh web с режимом редактирования, в котором агент изменяет саму рабочую среду (слои патчей, плагины, интерфейс) с горячей перезагрузкой.

Нативный интерактивный просмотр Git diff для DeepSeek Harness со структурированными аннотациями, отправляемыми обратно в текущую сессию агента.

Управление бюджетом токенов для дерева агентов.

Сканирует навыки и конфигурации MCP на предмет prompt injection, омоглифов, скрытого Unicode, опасных shell-команд и утечек учётных данных.

Инструменты для чтения информации об устройстве Windows: по одному инструменту агента на каждую категорию Win32-устройств (время, система, CPU, память, диск, GPU, сеть, батарея, процессы, USB, аудио, принтеры) через WMI/CIM и коллекторы Node os.

Переопределение модели, провайдера, персоны и toolFilter для каждого вызова при делегировании субагентам, со ссылками @preset: и составными идентификаторами provider/model.

Поиск инструментов по требованию для каждого агента и постепенное раскрытие схем.

Разворачивает .pack.json/.pack.zip в .agent-pack/modpacks/ и открывает навыки через allow-лист рабочего пространства.

Перенесите свою библиотеку Agent Skills (SKILL.md) в DSH: поиск навыков по путям Claude/Codex/Cursor/Gemini, внедрение индекса с постепенным раскрытием и загрузка содержимого по требованию.

Локальный сканер метаданных сессий/рабочих процессов Codex, Claude Code, WorkBuddy и CodeBuddy, безопасный для конфиденциальности; сохраняет агрегированные данные и рекомендует встроенные пресеты агентов DSH без сохранения содержимого, обращения к сети или изменения пресетов.

Память в рамках проекта между сессиями: снимок PROJECT.md внедряется в первое сообщение пользователя, инструмент memory_remember и авто-рефлексия после задач ReAct; у каждого проекта свой файл памяти.

Память с цитированием поверх безпотерьного журнала сессий DSH: сжатые факты несут ссылки `(sessionId, eventRange)`, разворачивающиеся обратно в точный исходный фрагмент журнала.

Deep-collaboration writing agent for DSH: per-user writing-style learning from edit pairs, clarify→outline→section-writing→red-team→reader-gallery flow, project-to-report synthesis (lab report / product intro / survey / README), 41 MCP tools, and web selection-improve UI with in-app file preview.

Drive Origin scientific plotting from DeepSeek Harness AI chat via MCP: write data, plot line/scatter/column, export PNG/SVG.

Falsification-driven correction loop for agent sessions: risky work commits an evidence-checkable claim first, deterministic gates verify it, falsified claims force mutually exclusive replacement hypotheses with discriminating experiments, and every event lands in an append-only evidence ledger.

Pre-flight plugin-library check for DSH agents: task-type requests trigger a Top-K hint of suitable plugins with use_when/not_for capability declarations, making plugin usage predictable instead of opportunistic.

Per-file-type multimodal chains: preset processing models per wildcard convert image/video/audio files into prompt tokens before they reach the text-only session model, with per-preset fallback chains and a Multimodal settings page.