Плагины

Навыки исследовательского рабочего процесса ARIS в виде бандла DeepSeek Harness: 82 навыка плюс межмодельное состязательное рецензирование через Codex.

Визуальные round-table встречи для DeepSeek Harness — узлы экспертов на кольце с направленными рёбрами, агрегирующий шлюз, proxy thinking для black-box worker models и adversarial review (red-team) утверждённых планов с endorse/reject по каждому взгляду.

Набор инструментов для цикла: состязательная проверка → исправление → ревью.

Цикл состязательной проверки → исправления → ревью.

Math Agent Framework для DeepSeek Harness: движок символьного вывода (CES / квадратичные формы / ODE / PDE), проверка SymPy, формальные доказательства, верифицированные компилятором Lean 4, и многоагентная состязательная верификация в стиле QED, предоставляемые как нативные DSH-инструменты через TS-оболочку, связывающую движок Python. Требуется клонировать репозиторий math-agent-framework и выполнить `pip install -r requirements.txt`, при этом MATH_AGENT_HOME должен указывать на корень репозитория. Каждый результат содержит информацию о происхождении (версии движка, seed, допуски) и помечается как недоверенные данные.

Глубокое исследование как режим агента: один проверенный цикл, который планирует, исследует в адаптивных параллельных раундах, управляемых пробелами, которые сами исследователи объявляют, синтезирует процитированный отчёт, а затем рецензирует его adversarial-методом, вместо скрипта, который модель переписывает при каждом вызове. Вопросы, до которых бюджет раундов не добрался, называются в отчёте, а не отбрасываются.

Навык многоракурсного структурного анализа: adversarial-first анализ по 16 lenses в 4 категориях с 10 структурными инструментами, калибровкой уверенности и многоуровневым выводом, привязанным к фактам.

Runs a thesis-antithesis-seal debate whose verdict is computed from real command exit codes and case counts, never from agent prose.

Строгий набор для открытых математических исследований: четыре agent skills (rigorous-open-math-research, manage-math-research-program, math-research-workflow, lean-verify) для доказательства теорем с враждебным аудитом, управлением исследовательской программой, оркестрацией пайплайна и аудитом формализации в Lean 4; тесты, проверенные CI, и механическая синхронизация с upstream.

Answers hard questions by staging a formal debate: two adversarial subagents argue opposite sides with research, then the main agent rules on the transcript through the debate_open, debate_round, and debate_verdict tools.

Command-triggered red/blue adversarial review for ANY plan (not quant-specific). /plan-adversarial <plan>: arms a gate that requires the agent to derive two independent subagents (red=attack, blue=defend), have them converge on a consensus plan with NO th

Competition math (IMO/Putnam/USAMO/AIME) solved with a pure-reasoning pass, an adversarial verifier in a fresh subagent context, and calibrated confidence output (high / medium / honest "no confident solution"); optional LaTeX-to-PDF rendering.

Adversarial code review — parallel finders inspect a diff through separate lenses (correctness, lifecycle, contract, security), then each finding goes to independent verifiers tasked with refuting it, and one refutation drops it.

Adversarial multi-lens code review: parallel correctness/security/maintainability lenses attack a diff, with deterministic severity grading, suppression rules and incremental review history.