Плагины

Непрерывность между моделями в DeepSeek Harness: память, skills и правила хранятся в локальных файлах, поэтому контекст суждений переживает смену сессии и модели. Цель не в накоплении памяти, а в её полезном применении после смены модели.

StartLux Decision — недорогой слой принятия решений для DeepSeek Harness; реализует все девять точек: разрешение инструментов, маршрутизацию моделей, делегирование, compaction, продолжение хода, retrieval, выбор skill, заголовок сессии и перевод COT.

Средство оценки защитного аудита кода для DeepSeek Harness: обнаруживает сессии, пишущие код, проверяет их по Code Security Defense Architecture Rules, рекомендует одну или несколько необходимых архитектур защиты, выявляет конфликты и обучает ИИ сессии после повторных ошибок. Если в панели выдать право на проверку, блокирует завершение задачи до её прохождения; без разрешения только наблюдает.

Справочник по анализу структурной динамики дорожных покрытий: 59 карточек в 8 главах отмечают названия глав, преувеличивающие содержание, формулы, которые ломаются при копировании, и числа, которые нельзя переносить и цитировать в другом контексте.

Справочник по выбору методов проектирования дорожных покрытий: 76 карточек в 9 главах о выборе метода, назначении показателей, критериях параметров, пересчёте осевых нагрузок и климатическом районировании. Главу об аэропортах восстановили повторным OCR исходного целого PDF.

Совет по написанию: параллельные черновики нескольких моделей, консенсус судьи и синтез критики, улучшение AI-prompts, иллюстрация визуальных концепций и предпросмотр Markdown-файлов.

На каждом ходу оценивает эмоцию самой работающей модели и незаметно добавляет её перед следующим ходом, замыкая цикл самонаблюдения, переноса состояния и изменения поведения. В комплекте host-плагин, панель у поля ввода, инструмент emotion_status только для чтения и дополнительный HTTP-маршрут только для чтения.

Китайский multi-agent симулятор дебатов: 8 участников, обсуждение в двух колонках и черновые заметки, судьи/табло, часы одной стороны, ZIP каждой серии. Учебная сторона завершается по порогу побед или фиксированному числу раундов. Есть Word-пакет подготовки.

Перед публикацией проверяет геометрию: пиксели, пропорции, dpi, размер/формат, ширину печати и цветовой режим. Содержимое не проверяет (QR, доля текста/изображения, права, запреты). Только стандартная библиотека Python, без сторонних пакетов; входы не меняет. Python 3.8+. 10 платформ/20 слотов с уровнем уверенности: WeChat MP, Xiaohongshu, Bilibili, Zhihu, Weibo, Douyin, WeChat Channels, журналы, печать, доставка клиенту. Поиск платформы по ID/китайскому имени/alias (нечеткий). Вручную или после сохранения файла, если указан канал публикации; при успехе одна строка, подробности только при ошибках. Для журналов/печати считает реальную ширину (пиксели/dpi), выявляет мелкий отпечаток даже с корректным dpi metadata. Для нескольких изображений проверяет набор и указывает выбивающийся файл.

Skill повторного использования по доказательствам для DeepSeek Harness: до реализации, переноса, выбора зависимостей или устранения проблем ищет готовые решения на локальном проекте и машине по нескольким уровням. Решение о повторном использовании опирается на проверяемые доказательства; при невыполненных требованиях или рисках отказывается от него и сообщает непроверенное. DSH bundle регистрирует skill в ctx.skills.

Игра в социальную дедукцию против собственных конфигураций моделей. За столом N мест (по умолчанию шесть, одно ваше); некоторые остальные занимают агенты с разными настройками provider, model, temperature, system prompt и disguise. Задавайте вопросы и сопоставляйте ответы, чтобы определить нечеловеческие места. Личность места и конфигурация модели агента скрыты в host state до вынесения вердикта; после него раскрываются параметры disguise. Каждый раунд экспортирует JSONL диалога по каждому месту и запись вердикта. Одинаковые seed и script ходов воспроизводятся побайтно идентично, позволяя сравнивать запуски с разными моделями или уровнем disguise.

Проверяет полноту FMEA и расчёт RPN по severity, occurrence и detection согласно опубликованным методам. Сообщает несоответствия, но не оценивает уместность оценок.

Проверяет обязательные поля наряда на электрические работы и порядок выдачи/разрешения по действующим правилам. Сообщает расхождения, но не оценивает безопасность работ или действительность разрешения.

Проверяет арифметическое соответствие максимумов факторов, записанных баллов и итога в оценочной матрице торгов. Сообщает расхождения, но не оценивает правильность или справедливость оценки.

Превращает исходные числа репозитория GitHub в обоснованную оценку: концентрация участников и bus factor, включая файлы с одним автором; время слияния с медианой рядом со средним для выявления выбросов; очередь issues без pull request и черновиков. Читает публичный REST API без SDK и не выдаёт усечённую страницу за полный результат.

Проверяет код с помощью Open Code Review: область и правила разрешаются детерминированно, оценку выполняет собственная модель DSH. API-ключ не нужен.

Защита разрешений DeepSeek Harness: работа внутри рабочего пространства никогда не прерывается; проверяется только дополнительное разрешение, запрошенное вызовом. Безопасные для машины действия проходят, изменения системы требуют подтверждения с анализом последствий, разрушительные действия отклоняются.

Ретроспективная оценка сеансов агентов: по сохранённым журналам создаёт детерминированные карточки оценок и межсессионные различия регрессии. Без запуска бенчмарков и судей-LLM.

Набор плагинов для DeepSeek Harness: grill_tree — инструмент поиска пространства решений с фиксированной политикой. Разворачивает одно решение на узел, запускает независимых авторов предложений, поручает отдельному судье отсечение ветвей и ограничивает ширину beam на каждом уровне. Может выдавать завершенные проекты.

Плагин повторной проверки влияния CVE для DeepSeek Harness: создаёт отпечаток цели, сверяет её с диапазоном CVE, собирает пассивные свидетельства и сообщает вердикт с уровнем уверенности и ограничениями.

Отбор резюме для HR в DeepSeek Harness: импорт до 100 тыс. резюме Word/PDF/Excel в библиотеку с поиском по навыкам, общим категориям и времени добавления; новые резюме импортируются автоматически с удалением дубликатов. Сначала правила БД отбирают кандидатов по запросу на обычном языке, затем LLM подробно оценивает несколько подходящих. Экспорт CSV. Совместим с 0.1.7–0.2.x, проверен на 0.2.0-rc.1.

Параллельное многоролевое обсуждение для DeepSeek Harness: запускает реальные CLI Codex и Claude параллельно, модель DSH (Judge) записывает сторонний вердикт в беседу. Также есть прямой чат с одним agent в стиле Obsidian и настройка модели по ролям.

Плагин DeepSeek Harness перед генерацией добавляет ограничения на более человеческий стиль и формирует отчет об обнаружении AI-стиля, оцениваемый кодом: без расхода токенов, результат воспроизводим.

Изолированные дебаты нескольких агентов для DeepSeek Harness: участники с разным темпераментом исследуют вопрос независимо, затем проводят перекрёстный опрос, а судьи формируют вывод. Фоновая задача показывает прогресс и расход токенов каждого агента, поддерживает параллельные волны и возобновление по ссылке на сессию.