Плагины

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.

Ограничители, обеспечиваемые движком, для роёв агентов DeepSeek Harness: контроль качества отклоняет незавершённую работу, отказоустойчивые контрольные точки возобновляют на месте — ИИ-команды не просто работают, а не ломаются.

Swarm в стиле Kimi-Code: пакетно-параллельная диспетчеризация субагентов с адаптивным планированием, команда /swarm и живые строки прогресса в чате.

Наблюдаемость Conversation Flow для роёв DeepSeek Harness: топология, инспекция маршрутизированных сообщений, паузы HITL, отслеживание в реальном времени и навигация по дочерним сессиям.

Канал устройства между агентом и вашим собственным телефоном: он отправляет только что созданные файлы, а вы делаете @-ссылку на то, что ваш телефон отправил обратно. P2P со сквозным шифрованием через SwarmDrop CLI, без учётной записи и публичного IP; статус узла, сопряжённые устройства и QR-сопряжение расположены в боковой панели (sidebar).

Порт TaskPlane для DSH: запускает волны, упорядоченные по зависимостям, в параллельных ветках git-worktree, с пакетами задач, межмодельной проверкой и восстановлением после сбоев.

Проводит дебаты «тезис — антитезис — печать», вердикт которых вычисляется по реальным кодам возврата команд и числу кейсов, а не по тексту агента.

Матрица-рой субагентов, которая маршрутизирует разнородные задачи к наиболее подходящей модели через gateway в стиле OpenRouter плюс cfgpu.com/llm/square, отправляет каждую задачу через in-process subagents или прямые вызовы LLM и отслеживает потребление токенов по моделям с feedback-driven рейтингом.

Danus-native DSH plugin suite: verifier-gated mathematical proof-search orchestration (fact graph, role-gated tools, cold-start verifier, worker swarm, orchestration tools, heartbeats).