Плагины

Интегрирует TypeSafe Jev в DeepSeek Harness для выбора skills и файлов, контроля задач, исправления общих находок, фильтрации вывода инструментов, помощи с подтверждениями и перехода по записанным этапам. Все функции по умолчанию выключены.

Каузальная память для dsh: MCP-мост stdio без зависимостей, монтирующий 17 инструментов сервера causal-memory под чистыми именами (без префикса mcp__) — связи решение → результат с типизированными отношениями (caused / enabled / prevented) в локальном хранилище SQLite, сохраняющемся после compaction, — а также закреплённая секция системного промпта. Требуется бинарный файл сервера causal-memory в PATH (pip install causal-memory или готовый релиз).

Мультимодельный совет для DeepSeek Harness: независимые ответы, анонимные взаимные рецензии и проверяемое итоговое решение.

Правая панель деталей, превращающая коллекцию навыков Мэтта Покока в доску квестов DSH: карты решений wayfinder, действия триажа/исправления/обсуждения/выполнения по тикетам, зонд 9 ключевых навыков + радар 20 навыков, проверки окружения и передача в один клик между сессиями.

Классифицирует ожидающие вызовы инструментов с помощью Jev (негенеративная решающая модель TypeSafe AI) на хуке tools/pre-execute: уверенно рискованные вызовы отклоняются, неоднозначные эскалируются на подтверждение, а явно разрешённые обратимые вызовы авто-одобряются на approval/request при гейтинге по аргументам-доказательствам. Также наследует резолвер ссылок на сессии, чтобы снапшоты сохраняли сообщения с оценкой Jev, а не отбрасывали самые старые. При любом сбое провайдера деградирует до штатного поведения; теневой режим с командой /jev-stats; эндпоинты TypeSafe или OpenRouter; 64 теста.

Механизм принятия решений Jev DSH｜Структурированный плагин принятия решений для Agent Harness. Нативная поддержка DeepSeek Harness, поддержка OpenCode и Codex Harness через iPolloWork.

Плагин слоя принятия решений на базе Jev для DeepSeek Harness

StrataGate даёт DeepSeek Harness эволюционирующую долгосрочную память по принципу local-first для пользовательских предпочтений, проектных решений, диалогов и результатов инструментов между сессиями; она наслаивает историю с настраиваемым пользователем временным затуханием, укрепляет воспоминания через использование в реальных ответах, показывает учитывающие рабочее пространство счётчики использования и сохраняет извлечённые доказательства прослеживаемыми до исходных сообщений.

Промежуточный ввод для управления во время работы в DeepSeek Harness Web: пока агент работает, над композером появляется поле ввода, чтобы вносить запросы на изменение в следующее решение через agent.steer(), не останавливая диалог. Черновики сохраняются по сессиям, непрочитанные внедрённые сообщения можно вызвать из пузыря, поддерживается опциональный guiding prefix.

Межсессионная память для DeepSeek Harness: агенты сохраняют, ищут и обновляют предпочтения пользователя, факты и проектные решения; важные записи внедряются в последующие сессии, а раздел Settings позволяет их просматривать, редактировать, архивировать или удалять.

AI Company Framework: одно предложение превращается в мультиагентную компанию — 15 плоских Skills (boss/pipeline/role-template/11 ролей/generic customer-memory), 7 шаблонов workflow, среда выполнения AgentTeams + панель активности, боковая панель сотрудников с изоляцией по сессиям, мост бота Feishu (бот-boss и боты по сотрудникам, маршрутизация групп, автономные пуши, шлюз решений человека, гайд по внешним контактам), SQLite-память по клиенту с трёхуровневой памятью (межгрупповое слияние), переключатель режима /company; без RAG.

Страж отклонения требований во время выполнения, удерживающий долго работающих агентов DSH в соответствии с одобренной пользователем целью, ограничениями и решениями.

Типизированные решения Laya (`noul` да/нет, `choice`, `score`) как первоклассный сервис Cordis (`ctx.laya`) плюс видимые для модели инструменты `laya_ask` и `laya_plan`. Сам плагин ничего не устанавливает и не скачивает: он является клиентом сайдкара `laya-mcp serve`, который вы запускаете сами, и сообщает, что сайдкар не запущен, вместо непонятного сбоя при первом вызове инструмента.

Пошаговый model router: именованные пресеты с упорядоченными правилами групп изображений/ключевых слов направляют каждый шаг агента через всех подключённых провайдеров и моделей, добавляя потоки совместной работы для транскрипции изображений, защиту изображений, панель квот по нескольким тарифам и наблюдаемость решений на каждом шаге.

Звуки уведомлений для DeepSeek Harness: мягкий сигнал, когда агенту нужно решение или задача завершена. Системное уведомление возвращает в окно; громкость и звуки настраиваются в параметрах.

Управление компьютером macOS с приоритетом AX для DeepSeek Harness: снимки доступности со стабильными ссылками, фоновый ввод, ввод Unicode, меню, приложения, скриншоты set-of-mark, OCR на устройстве, проверенные действия и опциональные семантические защиты Jev (TypeSafe System One) — 1.

Компьютерное использование macOS с приоритетом AX для DeepSeek Harness: снапшоты accessibility со стабильными refs, фоновый ввод, ввод Unicode, меню и приложения, скриншоты set-of-mark, OCR на устройстве и проверяемые действия — 11 инструментов, подключённых к CLI macos-cu.

Навык методологии клонирования сайтов: дерево решений с приоритетом реального источника, охватывающее статические сайты, контентные сайты на React/Vue/Next и фронтенды с обилием WebGL/Canvas, обязательную проверку исполняемого кода, цитируемого из вторичных ИИ-анализов, и 13 Node-скриптов без зависимостей для разведки браузера через CDP, сбора ресурсов/шрифтов, обхода маршрутов, поиска sourcemap и аудита по различию пикселей.

Отправка subagent'ов с именованными профилями (model, reasoning effort и tool scope для каждой задачи), проверками безопасности, оценкой стоимости с сравнением экономии и полным журналом решений по dispatch.

Плагин для DSH Desktop: проверяемые факты. Ограничения внедряются лишь по релевантности — простой чат не тратит токенов; внедрение слоистое (стабильное — в системном промпте, изменчивое — хвостовым снапшотом), кэш промпта валиден. Ход классифицируется (вопрос/исследование/обсуждение/диагностика/выполнение): без правок файлов на вопросах, без незапрошенных исправлений на диагностике; ловятся ссылки на не открытые строки кода и «я не проверял» под видом «жду решения». Память: предупреждения о 75%/90% контекста, экспорт резюме, знания проекта между сессиями, удаление по id. Артефакты: контракт задачи, журналы изменений и гипотез. Дашборд: маршрутизация и сборка блоков → lume-metrics.jsonl (через lume_metrics); персонажи — из логов, романов и карточек, с постоянной и временной памятью.

Проактивный плагин мультимодельной диспетчеризации: приём мультиисточниковых сигналов с дедупликацией и ранжированием срочности, движок решений из четырёх направлений (выполнить/отложить/отклонить/спросить пользователя), генерация DAG-планов с параллельным выполнением моделей, рефлексия качества с автоматическим повтором и сменой модели, долгосрочная память о паттернах задач и уроках, эволюция стратегии через генетические алгоритмы с песочничной оценкой и канареечным развёртыванием.

Поиск по сообществу, анализ сходства и принятие решений об установке/дедупликации/самостоятельной сборке для экосистемы dsh-plugin.

Тренировка heads-up (1 на 1) в Техасском холдеме с независимым ИИ-соперником, постоянной памятью публичных действий и разбором решений.

TypeSafe Jev (решающая модель System One) как инструмент jev_decide для DeepSeek Harness: вопросы noul, choice и score возвращают калиброванные вероятности; учётные данные переиспользуют credential-шов DSH; встроен повтор с backoff при 429/529.