Плагины

Автоматическая проверка вторым модельным субагентом в цепочке ответов на запросы подтверждения: субагент-рецензент, работающий в режиме только для чтения, возвращает структурированные вердикты «разрешить/запретить» с обоснованием; по умолчанию используется принцип fail-closed (отказ при сомнении).

Мультиагентный рабочий процесс для конкурсов математического моделирования: пресет "UltraMath" ведёт задачу от чтения через фреймворк, вывод, кодинг, верификацию, статью и ревью, плюс 4 одноэтапных ролевых пресета (математик, инженер, писатель, рецензент) и 33 доков библиотеки моделей.

Автоматическое одобрение эскалаций песочницы DeepSeek Harness на основе правил, с опциональным LLM-рецензентом и встроенным резервным вариантом с участием человека.

Навык проверки кода на основе шаблонов: пятиэтапный процесс ревью, градация серьёзности (критическая/средняя/незначительная), четырёхмерная оценка (качество, безопасность, производительность, поддерживаемость), двойной вывод отчётов в текстовом и HTML-формате и справочная база знаний по запросу.

Командный мультиагентный режим по ролям для DeepSeek Harness. /team собирает до 12 субагентов (продукт, архитектор, исследования, UI, backend, frontend, БД, безопасность, ревьюер, QA, DevOps, docs) и ведёт пайплайн из 9 фаз с гейтами (уточнение, исследование, проектирование, ревью спеки, утверждение плана, реализация, ревью, тест, сдача) поверх общих артефактов (SPEC, PLAN, TASKS, STATE, REVIEW, TEST). Гейты качества обеспечивает код, а не промпты: незавершённую задачу нельзя отметить выполненной, находки разрешает ревьюер или QA, а пробелы покрытия или переработка видны в реальном времени в оверлее и /team status. В комплекте оверлей (фазы, состав с моделями, DAG задач, артефакты, кнопки решений), постоянный режим команды и учёт токенов и времени. Ноль зависимостей в рантайме, без сборки.

Бандл DeepSeek Harness регистрирует навык, превращающий длинный формат (академические статьи, отраслевой анализ, бизнес-комментарии) в конвейер из 9 ролей: параллельные скауты T1 литература / T2 данные / T3 кейсы, запускаемые координатором T4 аналитик, T5 писатель, T6 критический компаньон, T7 аудитор, T8 финализатор, T9 рецензент. На 6 фазах с треугольной проверкой доказательств, M-гейтом из 23 проверок, аудитом G0-G14 включая китайский шлюз ИИ-следа, оценкой peer-review с подбором журналов и 4 человеческими контрольными точками. Установка через `dsh plugin add lunheng-article-pipeline` (package.json#dsh.bundle.patch плюс запись lib/index.js регистрирующая навык); карточки ролей T1-T9, шаблоны и 11 скриптов проверки без зависимостей, README на пяти языках.

Подтверждение разрешений на основе модели: ответчик на запросы подтверждения, работающий через отдельную модель-рецензента.

Ролевые ИИ-рой для DeepSeek Harness: архитектор планирует, параллельные сборщики выполняют, ревьюеры контролируют качество, а интегратор поставляет. Закрепление моделей по ролям с цепочками отката, циклы ревью, контракты доказательств, ревью с участием человека, пауза/возобновление с учётом квот, живой канбан + блок-схема в веб-интерфейсе. 40 тестов; установка из GitHub или npm.

Управляемый рой из шести специализированных агентов DSH — оркестратор, планировщик, мост к базе знаний, разработчик и два рецензента — превращает требование в строгий конвейер фаз, где каждая поставка должна доказать себя структурированными доказательствами до начала следующей фазы; рецензенты работают только на чтение, слияние кода возможно только после прохождения review, а журнал событий только на добавление даёт полное воспроизведение и аудит на живой канбан-доске. Его дизайн вдохновлён канбаном Hermes Agent.

Выполняет работу как команда агентов по ролям: продакт-менеджер пишет PRD или DoD, ждёт вашего подтверждения, затем запускает архитектора, инженера, QA и ревьюеров, чьи наборы инструментов заблокированы по роли, и обменивается работой через файлы на диске.

Добавляет пресет разрешений Auto Approve в веб-интерфейс, используя свежего ограниченного агента-рецензента для одобрения или отклонения каждого запроса подтверждения.

Агентный рецензент ответов для DeepSeek Harness: каждый финальный ход ассистента повторно проверяется отдельной LLM и оценивается по шкале 1-100; оценки ниже порога возвращают агента назад с конкретной обратной связью. Оценка показывается чипом в строке действий ответа (зелёный pass / красный needs-work, при наведении — число повторов и причина). Живая настройка шлюза через HTTP-сервер на 127.0.0.1, а также свёрнутая панель над полем ввода и опциональная вкладка в правой боковой панели через dsh-better-sidebar.

Сочетает работающего исполнителя с более сильной моделью-ревьюером через вызовы advisor() без параметров и пошаговые patrol-проверки, возвращая указания по плану, исправлению или остановке.

GPT планирует DAG зависимостей, DeepSeek worker выполняет задачи с адаптивной параллельностью, а опциональный GPT reviewer аудирует инкрементальные Git diff и запускает раунды исправления.

Неофициальный FreeCodeGo для DeepSeek Harness: управляемый шлюз бесплатных моделей и каталоги провайдеров, генерация изображений и видео за одним переключателем настроек, маршрутизация движков DeepSeek/Codex/Claude, независимый рецензент-советник, ревью кода, графы кода, память проекта и инструментальная цепочка инженерной команды.

Проверяет каждый завершённый ход ассистента независимой моделью-ревьюером и направляет агента исправить неудачный вывод: не более 2 раундов ревью на ход, а стандарты папки SOP внедряются как дополнительное измерение проверки.

Filesystem permissions for shell calls, granted per path and capability rather than per command name. The command line is parsed for the read, write, create, delete and execute effects it needs, a capability it lacks raises the approval card instead of a flat refusal, and the same rules are compiled into the macOS Seatbelt profile the process, its children and the code its arguments never showed all run under. An Approvals tab in the conversation reads the audit log back and shows which rule, automatic reviewer or person answered each call.

Mandatory cross-review for design proposals and lessons-learned: auto-detects design doc writes and enqueues them (tier=review) into the task queue, delivers the external reviewer verdict back to the initiating session, and appends approved preventive measures to OPS-GUARDRAILS.md (append-only, conflict-checked).

Runs a parallel code review squad of read-only reviewer subagents (security, correctness, tests, style), each optionally on its own model, and aggregates one severity-grouped report from /review or a code_review tool call.

LLM approval answerer for sandbox escalations beyond workspace-write: a deterministic regex filter first, then a clean-context reviewer model; humans are asked only when it is unsure. Requires the bundled core patches.

Независимый ревьюер подтверждений в стиле Codex Guardian для DSH.

Fail-closed рецензент одобрения с помощью LLM для DeepSeek Harness

Режим разрешений автоматического ревью в стиле Codex: добавляет предустановку авто-ревью, которая автоматически одобряет безопасные эскалации песочницы, запрашивает подтверждение для рискованных или неоднозначных и отклоняет критичные неподтверждённые операции.

Headless-консультации Claude Code с ролями советника, рецензента и проектировщика, возвращаемые как справочные ответы.