跳过主要内容
全部文章
插件

最佳 DeepSeek Harness 工作流与自动化插件(2026)

八款 DeepSeek Harness 多智能体团队、定时任务与研究编排插件,以及它们与官方工作流引擎、goal 机制的关系。

DeepSeek Harness(dsh)官方自带一个工作流引擎(ctx.workflowEngine)和一套用于持久化、多轮次目标的"goal"子系统,但多智能体团队编排、类似 cron 的定时任务、特定领域的研究循环,全都是社区插件的地盘。以下是 FindHarness curated 索引里的八款工作流与自动化插件,按截至 2026 年 8 月的 GitHub star 数排序。

一览表

插件Star 数做什么链接
dsh-agent-teams253多智能体团队编排插件详情
dsh_workflow54可生成、可治理、可续跑的工作流层插件详情
mstar-harness43Skill 驱动的 harness/loop 工程工作流 agent插件详情
dsh-automation32带审计历史的定时编码任务插件详情
dsh-suite (plugin-team-board)16共享的多智能体任务看板插件详情
dsh-deep-research10基于官方工作流引擎的深度研究编排器插件详情
dsh-science9ReAct 研究循环 + 10 个基因组学/生物信息学 skill插件详情
dsh-sentinel6条件驱动唤醒:文件/命令/http/webhook 监听插件详情

这八款插件全部来自 FindHarness curated(source: awesome)索引下的 workflow-automation 分类。以上没有一款经过 FindHarness 的安全评估——安装前请先读插件安全检查清单,尤其是在给这些插件放开较大范围的多智能体或定时任务权限之前。

这个分类里哪些是官方的、哪些是插件

这个分类里有两块内容确实是 dsh 一等公民的官方概念,值得和下面的插件分开看:

  • 工作流引擎workflow/workflowworkflow/tool-ralph):一个通用工作流引擎,暴露为 ctx.workflowEngine,再加一个"Ralph loop"工具——一种特定模式:每一轮都跑在一个全新的、不带历史记录的子 session 里,状态只通过共享工作区和一份结构化的交接报告(status/summary/evidence/next steps/blocker)向前传递。
  • Goalgoal/goalgoal/command-goal):挂在已有 session 上的一个持久化目标,有 active/paused/blocked/complete 四种状态,以及一个 /goal 人类命令。

**子代理(Subagent)**也是官方的——dsh 的 ctx.subagents 注册表支持委派给进程内子代理、Claude Code、Codex,或一个外部 ACP 进程。下面的 dsh-agent-teams 是在这个底层能力之上构建出的一种特定多智能体团队模式,而不是取而代之。

八款插件详解

1. dsh-agent-teams —— 多智能体团队编排

github.com/nanmicoder/dsh-agent-teams · 253 star · MIT · npm:@nanmicoder/dsh-agent-teams

star 数遥遥领先的工作流插件。"AgentTeams multi-agent teams" 是 FindHarness 索引里的完整描述——团队具体如何定义和协调,需要查看仓库自己的 README,但仅凭 star 数就能看出,这是社区对"如何让多个 agent 一起协作"这个问题、超出 dsh 原生子代理委派原语之外的默认答案。

dsh plugin --profile web add @nanmicoder/dsh-agent-teams

2. dsh_workflow —— 可治理的工作流层

github.com/icetomoyo/dsh_workflow · 54 star · MIT

描述为"UltraCode 风格的多智能体编排":一个可生成、可保存、可治理、可观测、可续跑的工作流层。对治理和可观测性的强调,把它和一个简单的任务执行器区分开来——它面向的是那些你想在运行过程中检查和控制的工作流,而不是发射后不管。

dsh plugin --profile web add github:icetomoyo/dsh_workflow

3. mstar-harness —— skill 驱动的循环工程

github.com/btspoony/mstar-harness · 43 star · MIT · npm:@mstar-harness/dsh

一个"skill 驱动的 harness/loop 工程工作流 agent 插件"。围绕循环工程的表述暗示它和 dsh 自己的 Ralph loop 概念有重叠,但作为一个专门围绕 skill 构建的插件——在假定它们等价之前,先去 README 里看看它和官方的 workflow/tool-ralph package 是如何组合或有何不同的。

dsh plugin --profile web add @mstar-harness/dsh

4. dsh-automation —— 定时编码任务

github.com/titanwings/dsh-automation · 32 star · MIT

在全新 agent session 里跑定时编码任务,带可审计的历史记录。这是列表里最接近"dsh 版 cron"的插件——每次定时运行都会启动一个新 session 而不是复用已有的,历史记录保持可审计,如果你在跑无人值守的任务、想要一份每次运行实际做了什么的记录,这一点很重要。

dsh plugin --profile web add github:titanwings/dsh-automation

5. dsh-suite (plugin-team-board) —— 共享任务看板

github.com/whyihaveyou/dsh-suite(packages/plugins/plugin-team-board)· 16 star · MIT

一个共享的多智能体任务看板——创建、认领、流转、查询任务——基于一个 Cordis 服务 key 实现,让多个 agent/插件能通过它协调工作。它解决的问题比 dsh-agent-teams 更窄:这是一个协调原语(一块共享看板),而不是一个完整的团队编排框架,很可能可以被用在一个自定义多智能体方案的底层。注意这个插件位于一个 monorepo 的 packages/plugins/plugin-team-board 子目录下——请先查看该仓库自己的 README 确认准确的安装路径。

dsh plugin --profile web add github:whyihaveyou/dsh-suite

6. dsh-deep-research —— 基于官方引擎的研究编排

github.com/omdsh-dev/dsh-deep-research · 10 star · MIT

一个自适应深度研究编排器,明确说明是构建在官方工作流引擎之上,而不是自己重新实现一套循环逻辑。正因为这一点值得单独指出:如果你想找一个建立在 ctx.workflowEngine 之上、而不是绕开它自建一套的插件长什么样的实际例子,这是 curated 索引里少数明确说明这一点的插件之一。

dsh plugin --profile web add github:omdsh-dev/dsh-deep-research

7. dsh-science —— 特定领域的研究工作台

github.com/biociao/dsh-science · 9 star · MIT

一个"Claude Science 风格的研究工作台":一个暴露 research_* 工具的 ReAct 研究循环引擎、通过 artifact_* 工具实现带溯源的版本化产物,以及十个打包好的、覆盖基因组学、病原体、生物信息学的科学 skill。这是本文里领域针对性最强的插件——如果你的工作确实涉及这些领域会最有用,但即便不涉及,它也是一个很好的参考,展示了一个功能齐全的研究工作流插件(循环 + 产物 + skill)该长什么样。

dsh plugin --profile web add github:biociao/dsh-science

8. dsh-sentinel —— 条件驱动唤醒

github.com/fuhefei/dsh-sentinel · 6 star · BSD-3-Clause

对文件、命令、HTTP 端点、进程或 webhook 进行持久监听,条件触发时唤醒 agent。这是和 dsh-automation 的定时运行不同的一种自动化形态——不是"每 N 小时跑一次",而是"X 发生时才跑",对于真正由事件驱动(文件变化、webhook 触发)而不是由时间驱动的任务,这一点很重要。

dsh plugin --profile web add github:fuhefei/dsh-sentinel

多智能体方案怎么选

这里有三款插件从不同角度涉及多智能体协调:

  • dsh-agent-teams —— 采用最广的通用"跑一个 agent 团队"插件。
  • dsh_workflow —— 一个可治理的工作流层,更偏重结构和可观测性,而不是团队组成本身。
  • dsh-suite (plugin-team-board) —— 一个更窄的协调原语(一块共享任务看板),而不是完整框架——如果你在搭建一套自定义方案、只需要这块看板,这个更合适。

哪一个适合你取决于:你想要一个现成的团队模式(dsh-agent-teams)、一套受治理的工作流结构(dsh_workflow),还是一个自己拼装用的协调构建块(plugin-team-board)。

FAQ

用 dsh 的子代理需要装这些插件吗?

不需要——子代理委派(ctx.subagents,包括委派给 Claude Code 或 Codex)是 dsh 的官方能力,不是这些插件加上去的。这里这些插件加的是在这个原语之上的编排层:团队模式、定时调度、治理机制。

Ralph loop 和这些工作流插件有什么区别?

Ralph loop 是 dsh 自己针对一种特定迭代风格的官方模式:每一轮都是一个全新的、不继承历史的子 session,只通过共享工作区和一份结构化的交接报告来协调。这里的插件(dsh_workflow、mstar-harness)可能实现相似或不同的循环模式——请查看各自的 README,不要想当然地认为它们都遵循 Ralph 的形态。

dsh-automation 和 cron 任务是一回事吗?

功能上相似——在全新 session 里跑定时编码任务——但它是一个 dsh 插件,不是操作系统层面的 cron。它以一种和裸 cron 调用 dsh --profile headless 不会自动获得的方式,和 dsh 的 session、历史模型集成在一起(纯 CLI 方案见DeepSeek Harness 无头模式)。

这些插件哪些发布到了 npm,哪些只能从 GitHub 装?

dsh-agent-teams(@nanmicoder/dsh-agent-teams)和 mstar-harness(@mstar-harness/dsh)已经发布到 npm——预构建安装,不会触发 allowBuilds 提示。其余六款都是 GitHub 源码安装,如果需要构建步骤,首次安装可能会触发 allowBuilds 提示。

dsh-deep-research 或 dsh-science 可以和 goal 子系统组合使用吗?

描述里没有排除这种可能,dsh-deep-research 明确构建在官方工作流引擎之上,而 goal 也会和这个引擎交互——但这不是我们能确认的已文档化行为,投入正式使用前先在一个临时 profile 里测试一下这种组合。

下一步

想了解本文提到的官方概念——子代理、工作流引擎、Ralph loop——见 DeepSeek Harness 子代理。浏览完整分类见 /categories/workflow-automation,或者查看《2026 年 10 款最佳 DeepSeek Harness 插件》里我们更全面的精选。