Плагины

Общая Markdown-память для DSH и других агентов кодинга с автоматическим захватом, инъекцией контекста перед шагом, поиском по запросу и самоэволюцией памяти в навыки через панель проверки.

DSCODE для Harness Desktop: совместная работа над кодом, память сессий, сценарии браузера и задачи.

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.

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

Плагин для DeepSeek Harness, превращающий решения Jev в три автоматических действия — обрезку слишком большого вывода инструментов до фрагментов, релевантных запросу, проверку загруженных страниц на инструкции, адресованные модели, и выбор навыка для следующего шага — плюс инструменты jev_ask и jev_gate, журнал решений, переживаемый перезапуски, и отчёт /jev-status. Требуется ключ TypeSafe API; без него он неактивен и ничего не отправляет.

Интеллектуальная оптимизация token с помощью сортировки Jev System One, динамического сокращения инструментов и маршрутизации к субагентам.

Автоматически классифицирует сеансы DeepSeek Harness с помощью моделей принятия решений Jev или инструментов Agent и добавляет эмодзи-статус к заголовку (в работе 🚧, заблокирован ⏸️, проверка 👀, готово ✅, план 💡, ошибка 🐛). Включает плавное восстановление жизненного цикла, необязательный инференс Jev (требуется API-ключ Jev), обслуживание инструментов модели и наглядную панель настроек.

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.

На каждом ходе добавляет вступление с выбором навыков, которое выбирает локальная модель JEV рабочей области jev-decision-kit, чтобы агент загружал только эти навыки, не просматривая каталог. Требуется отдельно настроенная рабочая область jev-decision-kit (Python .venv, host/preface_worker.py, models/jev/head.json); без неё ничего не добавляется.

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.

Skill проверяет утверждения по открытой сети, а не по памяти модели. Разбивает утверждение на независимо проверяемые факты, направляет их по иерархии первоисточников для области, параллельно ищет в местных и международных экосистемах, получает и оценивает первичные страницы, затем ищет с опровергающими словами. Сначала вывод, для каждого тезиса полный URL и место цитаты; непроверенное/неопределимое отделено от подтверждённого. При наличии ключа три суждения можно передать TypeSafe Jev (System One); без ключа действуют детерминированные правила. Модель может только понизить уровень уверенности.

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.

Используйте парадигму решающей модели Jev (System One) с любой OpenAI-совместимой LLM — ключ TypeSafe не нужен. Регистрирует инструмент jev_decide, который за один вызов возвращает ответы с распределением вероятностей на типизированные вопросы (choice/score/boolean).

TypeSafe Jev как полноценный сервис Cordis и три инструмента, видимые модели, для DeepSeek Harness — по умолчанию офлайн, исходящий трафик раскрывается, никогда не включён по умолчанию.

Показывает в чате DSH планы задач, выбранные JeV, ход выполнения и сводки этапов; есть встроенный перевод или лёгкие резюме. Нужен ключ JeV; сервис Jev вызывается извне и может быть платным. Поддерживает иерархические последовательные/параллельные потоки задач.

Китайский multi-agent workflow для DeepSeek Harness: fallback модели по ролям, версионируемые планы задач Mermaid, независимые проверки Agent и Jev, постоянное сотрудничество экспертов и инструменты вычислений на чистых функциях.

Добавляет ориентированные на пользователя советы TypeSafe Jev в вопросы DSH с выбором ответа. По умолчанию — по запросу, автоматические запросы необязательны. Есть рекомендации, вероятности, уверенность, предупреждение о близком выборе, копируемые варианты, принятие одним нажатием, раскладки карточек по профилю и временные предпочтения. Необязательный предварительный просмотр маскирует общие учётные данные; доступны локальная проверка состояния и очищенный экспорт диагностики.

Пятислойный конвейер распознавания намерений (правила, поиск pgvector, оценка Jev, дообученная арбитрация и резервный LLM) с интерфейсом управления сценариями, хранилищем PostgreSQL и распространяемыми API-сервисами.

Browser provider для DeepSeek Harness: выполняет веб-задачу по шагам в реальном браузере, используя индексированную таблицу действий вместо HTML или снимков. На шаг — одно решение Jev вместо полного хода модели; медиана benchmark репозитория 1,1 с против 2,8–3,6 с на ход chat-model. В беседу возвращается только вывод, контекст не растёт вместе со страницей. Цели берутся с только что прочитанной страницы; изменившуюся страницу перечитывает. Использует браузер Session и не трогает ваш обычный Chrome, если не включить attach mode.

Плагин автоматического выбора уровня рассуждений для DeepSeek Harness (DSH): модель Jev System One определяет, сколько размышлений заслуживает каждое сообщение, ступени выводятся из объявленных моделью уровней, контекстный конверт фиксированного размера позволяет таким уточнениям, как «продолжай», наследовать глубину темы, при равенстве берётся верхняя ступень, а при любом сбое молча сохраняется прежний уровень. | Уровень рассуждений на сообщение на базе Jev: лестницы для каждой модели выводятся из того, что заявляет сама модель, конверт контекста фиксированного размера, чтобы уточнения наследовали глубину темы, ничьи решаются вверх, молчаливый откат на любом пути сбоя.

Слой принятия решений для dsh: типизированные оценки, не зависящие от провайдера (сначала Jev), за защитой инструментов, маршрутизацией модели, оценкой результата и точками подтверждения машиной.

Jev-оцененная компрессия контекста DeepSeek Harness: важные сообщения оставить, неважные сжать.