Плагины
Находите, фильтруйте и устанавливайте плагины DeepSeek-Harness.
Найдено плагинов: 36
OpenViking (dsh-memory-plugin)
volcengine/openviking
Пакет памяти и контекста OpenViking для DeepSeek Harness: автоматическое извлечение перед шагом и внедрение профиля, захват сессии, защита URI `viking://`, а также инструменты памяти для чтения/записи на основе сервера OpenViking.
MemOS (memos-local-plugin)
memtensor/memos
Плагин памяти local-first для DeepSeek Harness: многоуровневая память L1/L2/L3 с автоматическим сбором, ручные инструменты извлечения memos_* и встроенный просмотрщик памяти.
ipollowork
devin-axis/ipollowork
iPolloWork HyperFrames Video Studio и 27 редактируемых видеошаблонов в виде нативного окна диалога DeepSeek Harness.
ReMe (dsh)
agentscope-ai/reme
Подключает DeepSeek Harness к локальной самосовершенствующейся персональной базе знаний ReMe: автоматически сохраняет завершённые беседы главного агента как пользовательскую Markdown-память, ищет беседы и исходные материалы через reme_search с BM25, опциональными эмбеддингами и раскрытием wikilinks, а также планирует ежедневную консолидацию памяти.
ReMe (typescript)
agentscope-ai/reme
Подключает DeepSeek Harness к локальной саморазвивающейся персональной базе знаний ReMe: автоматически сохраняет завершённые диалоги основного агента как принадлежащую пользователю память в формате Markdown, выполняет поиск по диалогам и исходным материалам через reme_search с BM25, опциональными эмбеддингами и раскрытием вики-ссылок, а также планирует ежедневную консолидацию памяти.
agentdescent
birfy/agentdescent
Развивайте навыки, агентов, промпты, код и плагины прямо внутри DeepSeek Harness вместе с AgentDescent.
dsh-continual-evolve
zk-andy/dsh-continual-evolve
Непрерывная самоэволюция: версионируемое, проверяемое и безопасно откатываемое состояние harness (промпты, память, skills, спецификации субагентов), совершенствуемое по траекториям сессий, с контрольными точками ревью и горячей перезагрузкой skills.
DSH-EvoResearch (evoresearch-plugin)
karbo123/dsh-evoresearch
Набор для исследовательского агента: управление долгосрочными целями с проверяемыми цепочками доказательств, планирование по cron, команды экспертов из нескольких агентов, самоэволюционирующая исследовательская память (воспроизведение FTS5 + RRF), рабочие пространства проектов и кастомный UI рабочего пространства.
dsh-self-improved
madage/dsh-self-improved
Плагин долговременной памяти и самоэволюции для DSH: захват L0 → извлечение памяти L1 → группировка сцен L2 → персона пользователя L3, автоматическая инъекция воспоминаний, синтез навыков, полностью локальная работа (SQLite FTS5 + jieba, опциональный векторный поиск).
dsh-evolve
chenzheshushi-commits/dsh-evolve
Межсессионная память с детерминированным восстановлением без токенов (bigram-Jaccard, объединённый с FTS5 BM25 через RRF, с учётом китайской токенизации), усилением, которое укрепляет повторяющиеся наблюдения, и процедурами, кристаллизованными в файлы SKILL.md, редактируемые на месте через жизненный цикл active-stale-archived с обратимым архивированием и откатом. Для ingest и disposal задаётся выбираемый пользователем уровень автономности; конфликты и записи высокой важности всегда отправляются на проверку человеком, и ничего никогда не удаляется автоматически. Требуется Node 22.5+.
Co-Engram (dsh-plugin)
co-engram/co-engram
Самоэволюционирующая командная память в виде простого Markdown в git: нативный плагин Cordis, регистрирующий 38 инструментов памяти с bare-name и секцию prompt-сигналов, пересчитываемую при каждой сборке, с RPE-подкреплением, затуханием и консолидацией во сне; разделяет один репозиторий данных с хостами Claude Code (MCP) и OpenClaw; проверено на DSH 0.1.0-rc.6.
Co-Engram
co-engram/co-engram
Самоэволюционирующая командная память в виде обычного Markdown в git: нативный плагин Cordis, регистрирующий 38 инструментов памяти с простыми именами и раздел сигналов промпта, переоцениваемый при каждой сборке, с RPE-подкреплением, затуханием и консолидацией во сне; использует общий репозиторий данных с хостами Claude Code (MCP) и OpenClaw; проверено на DSH 0.1.0-rc.6.
DSH-AGINT
anmulzhao/dsh-agint
Саморазвивающийся агентный фреймворк для DeepSeek Harness (dsh): 40 плагинов Cordis и 4 пресета для памяти, рефлексии, ограничителей, метрик и проверяемого цикла развития. Установка не выполняется одной командой. Клонируйте репозиторий и запустите install/install.sh --profile=web (нужны bash, Node 20+, python3 и DSH 0.1.7-rc.1 или новее с инициализированным профилем), затем перезапустите.
dsh-self-evolving (dsh-self-evolving)
timwhitez/dsh-self-evolving
Контроллер самоэволюции с приоритетом доказательств: ограниченная генерация кандидатов Cordis, однократный приём настоящего Loader, оценка Harbor и журналируемая родословная с возможностью возобновления после сбоя.
dsh-auto-evolve
lispking/dsh-auto-evolve
Самоэволюционирующий плагин для DeepSeek Harness: наблюдает за работой агента, предлагает улучшения своих ресурсов через LLM, проверяет каждое предложение в пробном агенте в песочнице и применяет только проверенные изменения — с версионируемым журналом и автоматическим откатом при регрессии.
agent-immune
meat-daemon-404/agent-immune
Самообучающаяся защита от ошибок для coding agent (Claude Code, Codex, Cursor, ZCode, DSH): сохраняет неудачные, затем исправленные эпизоды работы инструментов как «антитела» в SQLite+FTS5 и внедряет их до повтора ошибки. Зависимостей для runtime нет.
dsh-git-plugins (bundle)
sakthiveltofficial/dsh-git-plugins
Набор плагинов Git и управления исходным кодом для DeepSeek Harness: локальные git-операции плюс адаптеры GitHub, GitLab, Bitbucket, Azure DevOps и Gitea, с самоэволюционирующей памятью.
dsh-proactive
beijingwahw/dsh-proactive
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.
dsh-plugin-immune
meat-daemon-404/dsh-plugin-immune
Самообучающаяся защита от ошибок для DeepSeek Harness: записывает каждый эпизод сбоя инструмента с последующим исправлением, сохраняет его как повторно используемое «антитело» в SQLite+FTS5 и добавляет подходящие случаи до того, как агент повторит ошибку.
dsh-phoenix
stvli/dsh-phoenix
Корректный перезапуск + автоматическое переподключение клиента + продолжение цели после перезапуска для DeepSeek Harness (dsh). После обновления плагина dsh-phoenix перезапускает dsh на безопасной границе простоя, сохраняет подключение страницы браузера и возобновляет выполняемую цель, чтобы задача могла продолжаться.
dsh-anagenesis
3likofj/dsh-anagenesis
`anagenesis` — программируемый слой оркестрации памяти и движок саморазвития для DeepSeek Harness. Включает замкнутое хранилище памяти без внешних плагинов, 17 семантических инструментов памяти для Agent (вызов, запись, повышение, понижение, разделение, блокировка, истечение срока и контрфактический пересмотр), смену стратегии внедрения во время работы и самонастройку метаполитики с аудитом и откатом. Все эффекты обратимы. Пресет Agent `anagenesis` регистрируется автоматически; визуализация без зависимостей включает терминальную панель, текстовые диаграммы Mermaid/D2/ASCII и необязательное окно рабочего стола.
dsh-plugin-zerone
yahoolcj/dsh-plugin-zerone
Саморазвивающийся агент уровня проекта для DeepSeek Harness: 16 рабочих процессов SDD (уточнение, PRD, задача, кодирование, локализация, приёмка, ревью) плюс память и знания проекта, которые накапливаются со временем.
computer-use-vision
xuanyuanluoxue/computer-use-vision
Управление компьютером в Windows для DSH: снимок экрана, анализ моделью зрения, имитация мыши и клавиатуры с саморазвивающейся базой знаний. Есть двойной режим инструментов плагина и резервный pwsh только на основе skill.
dsh-ronge-adaptive-skill-archive
bugtakue/dsh-ronge-adaptive-skill-archive
Нативный skill-cockpit для DSH: декомпозиция задач, сочетание навыков из разных областей, создание skills, локальные рекомендации и проверки безопасности.