DSH Marketplace

dsh-agency-agents

MichengAI/dsh-agency-agents

增加可召唤的领域专家名单,专家以子代理运行,主会话保留任务和最终答复。

22124TypeScriptApache-2.0源码

安装

把 dsh-agency-agents 装进 DeepSeek Harness

装到哪

npm 方式

直接拉已发布的 tarball,不用克隆整个仓库,也不需要额外配置。如果你用的是别的 profile,把 `web` 换成对应的名字。

GitHub 方式 · npm 包

从 GitHub 装会执行项目自己的构建脚本,而 pnpm 默认拦着不让跑——先跑一次这条命令,pnpm 会打印出要加到 ~/.dsh/profiles/web/pnpm-workspace.yaml 里 `allowBuilds` 下面的那个 key。

我们跑过之后

我们跑过,装得上

这里每条命令都在一次性容器里、对着干净 profile 真跑过,结果取自 harness 自己的记录,不是读源码猜的。 最近一次 11 天前,DeepSeek Harness 0.2.2-rc.1.

挂进你的 README

实测可装 — dshmarketplace

给维护者的:badge 取这条 listing 最近一次 sandbox 实测的结果,重跑之后它自己会变,读者点开就是这页的完整记录。

安装前须知

装 dsh-agency-agents 之前,先看这几条

  • 源码在这里: MichengAI/dsh-agency-agents——已进入社区精选库,DSH 自带的插件市场就是从这儿装的。
  • 开源协议:Apache-2.0。

安全

装 dsh-agency-agents 会执行什么

构建脚本

我们这次实装里没有构建脚本被拦。

来源:我们在沙箱里的实装,DeepSeek Harness 0.2.2-rc.1,11 天前。

安装钩子

package.json 里没有 preinstall / install / postinstall 脚本。

来源:最近一次同步时读到的 GitHub 上的 package.json。prepare 没有记录——它只在从 GitHub 装时执行,被 pnpm 拦下时会出现在「构建脚本」那一行。

README 里提到

shell 命令(bash、exec、spawn 之类)

来源:对 README 做的关键词匹配,只提示它可能碰到什么,不是代码分析。

这不是安全审计。上面是一次实装记录加两次文本扫描,没有人替你读过这个插件的代码。插件带着你 agent 的权限在跑。

AI 锐评

是什么 — 在 DSH 会话中召唤领域专家或专家团作为子 agent,父会话自己抓住任务并给出最终答案。

谁该装 — 你在 DSH 里做技术方案评审或内容选题策划,主会话要用手头这套模型收口结论,缺的是按领域拆开的子 agent 分工。 每个专家必须换不同模型来跑的人不必装,队友只沿用主会话的模型,没有独立专家模型配置。

注意 — 沙箱实测:在全新 profile 里装上,并被 harness 注册进 profile。 1.2.26 会拒绝 DeepSeek Harness 0.1.x;没有就绪的 Agent Team 时退回普通子代理,最多 4 路并发,并且会执行 shell 命令。

锐评 — 我会装,然后批量停掉用不上的专家、只留当前业务那一个团,并在插件详情页关掉在线更新。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。

dsh-agency-agents 是做什么的

Geometric specialist nodes converge through parallel channels into one central output block.

dsh-agency-agents 是一个 DeepSeek Harness 插件,用于在当前会话中召唤领域专家和专家团。它提供 331 名覆盖 22 个分类的内置专家、5 个内置团队,也允许创建最多 100 个自定义团队。专家以子代理运行,主会话保留原任务,负责核验结果、处理分歧并统一输出。

使用时可以从设置面板、聊天工具栏或 @ 引用专家;插件注册了 list_experts、summon_expert、summon_experts、list_expert_teams、get_expert_team 和 summon_expert_team 等工具。团队配置写入宿主的 agency-agents 命名空间,也可以通过 propose_custom_expert 和 propose_expert_team 在对话中生成草案。DeepSeek Harness 插件还支持按任务内容做本地专家推荐,该功能默认关闭,不调用后台模型。

它适合代码审查、设计、产品、运营和研究等需要多种专业视角的任务。如果任务并不需要拆分,或需要为每位专家单独指定模型,则不应优先使用它:团队成员通常沿用主会话的模型选择。1.2.26 不再支持 DeepSeek Harness 0.1.x。检测到的风险面为终端,因为召唤出的 agent 在主会话中运行,并使用会话可用的能力。

dsh-agency-agents 的文档

dsh-agency-agents 的配置

DeepSeek Harness 将团队配置保存到 agency-agents 命名空间。设置 updater: false 可关闭在线更新,并进行平台级只读锁定。README 未说明独立配置文件或环境变量接口。自定义团队最多保存 100 个,每个团队包含 2~8 名成员;停用或删除团队不会停用专家,也不会删除历史会话。

dsh-agency-agents 的命令

插件提供以下工具:

  • list_experts、summon_expert、summon_experts:列出或召唤个人专家。
  • list_expert_teams、get_expert_team、summon_expert_team:列出、读取或召唤专家团。
  • propose_custom_expert、propose_expert_team:在对话中生成创建草案。

任务智能推荐默认关闭,使用本地切词和轻量打分,防抖时间为 250ms,不会调用后台模型。

行为说明

当 Agent Team 和当前会话工具均可用时,DeepSeek Harness 使用原生团队、共享任务板和队友消息;否则使用普通子代理。显式设置 maxDepth 时使用普通模式。普通模式最多并发四名专家,部分失败时保留已完成结果;不会额外创建团长。取消操作只停止尚未启动的任务。

环境要求与已知限制

1.2.26 不支持 DeepSeek Harness 0.1.x,README 的兼容信息列至 0.2.2-rc.1。专家不能继续召唤专家,也不能自动追加分析轮次。团队成员通常沿用主会话的模型选择,不能单独配置专家模型。

根据项目自己的文档整理,会跟着上游更新。两边对不上时以源码仓库为准—— 去 GitHub 看原始 README

同一分类

dsh-agency-agents 的同类插件

dsh-skill-explorer

zhu1090093659

10k

技能中心:按来源分级浏览已加载的全部 skill,启用/禁用模型调用、创建新技能、删除进可恢复回收站。

我们跑过,装得上

npm 包TypeScript2 天前

AI 锐评

dsh-skill-explorer

是什么 — 在 DSH Web GUI 里按来源列出已加载 skill,可开关模型调用,并支持新建和可恢复删除。

谁该装 — 你在 DSH Web GUI 里跑 agent,官方、社区、本地 skill 叠在一起,模型会调用你想保持静默的那批。 只在编辑器和终端里改 skill 文件、从不开 Web 界面的人,不必占这个 plugin 位。

注意 — 实测在全新 profile 里能装上,harness 也把它注册进去了。没发现明显的坑。

锐评 — 装完拨一次调用开关,不值一个常驻 plugin;我只在需要反复启停 skill 时才装。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1详情

把回答做成一页可视化 HTML:模型只写简短的 Markdown 草稿,随包附带的 `am` 命令行生成页面,支持流程图、时序图、树、时间线、ER 图、表格和提示框。

我们跑过,装得上

GitHub 源码JavaScript今天

AI 锐评

answer-me-with-html

是什么 — 模型只写短 Markdown,捆绑的 am CLI 再生成带流程、时序、树、时间线、ER 图、表格和 callout 的单页 HTML。

谁该装 — 在 DeepSeek Harness 里用 agent 把 TCP 握手、仓库模块关系或 Redis 和 Memcached 选型讲清楚,终端长文对不上结构图。只让 agent 改代码并跑测试、或回答已经写入自有文档仓库的人不必装,多出来的 HTML 文件插不进那条链路。

注意 — 实测在全新 profile 里能装上,并被 harness 注册。需要 Node.js 20 或更新;会调用捆绑的 am CLI,从而执行 shell 命令。仓库在 Claude Sonnet 5.5、普通 Claude Code 环境下的对比是模型写出的 token 约 4,893 对 612、31 s 对 12 s,账单大约只少 15%,因为每轮仍读取 system prompt、问题和对话。

锐评 — 换我按用途拆 profile:只有讲解要交给别人或过几天还要打开时才装,随口问完就关的会话不加。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1详情

skillhub

iflytek

5.3k

在 DeepSeek Harness 内浏览、搜索 SkillHub 技能,并管理本地技能的安装、更新和卸载。适配 DSH 0.2.0-rc.2 与 0.2.1-rc.2,暂不兼容 0.2.1-rc.3。

没有一行式安装命令——这个插件在一个大仓库的子目录里,也没发 npm 包。

GitHub 源码Java25 天前

AI 锐评

skillhub

是什么 — 在 DeepSeek Harness 里检索 SkillHub 注册表上的 skill,并完成本机安装、更新和卸载。

谁该装 — 你在 DeepSeek Harness 里跑 agent 任务,团队已经把可复用 skill 发到组织或社区的 SkillHub,还在靠切浏览器或拷目录往本机塞。skill 只在 git 仓库或共享文件夹里流转、工作台根本不在 DSH 里的人,不必接这个 plugin。

注意 — 没有可一条命令安装的发布包,只能从仓库子目录自行接入。运行时会执行 shell 命令,并且要准备 API key 或 token。声明只对准 DSH 0.2.0-rc.2 和 0.2.1-rc.2,尚未兼容 0.2.1-rc.3。

锐评 — 注册表还没在跑的话,我不会为了这个客户端去先把 SkillHub 整套立起来。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
2源码

dashi-taskboard

chuspeeism

3.4k

现代化可灵活嵌入的任务面板,支持 Codex、DeepSeek Harness

我们跑过,装得上

GitHub 源码JavaScript19 天前

AI 锐评

dashi-taskboard

是什么 — 本机 issue 看板,UI 与 taskctl 共用 HTTP API,经 CDP 注入 Codex。

谁该装 — 在 Codex 里按仓库切片交付时,需要 agent 能读 issue、改状态,而不是把待办只留在对话里。工作面只有 DeepSeek Harness、指望装完就出现对等嵌入面板的人不必装:给定说明停在 Codex 注入和桌面 App,没有写出 DSH 里的界面或 Skill 行为。

注意 — 沙箱实测:全新 profile 能装上,并被 DeepSeek Harness 注册。它会执行 shell 命令,还要提供 API key 或 token;服务端要求 Node.js 22.5 或更新。嵌进 Codex 期间 launcher 或 injector 必须一直开着;自己打桌面包还要 Rust 1.88 以及 Xcode 或 Visual Studio Build Tools。

锐评 — 值得留下的是那道闸:Skill 在你明确验收前不会把 issue 标成 done。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
2源码

vox-director

Alisa0808

2.5k

Turn one topic into a finished Vox-style paper-collage explainer/ad video — automated end to end on Atlas Cloud + ffmpeg. An agent skill.

我们跑过,装得上

GitHub 源码Python1 个月前

AI 锐评

vox-director

是什么 — 给一句 topic ,依次做分镜、拼贴海报、运动、旁白配乐和烧字幕,输出 Vox 纸拼贴风 mp4 。

谁该装 — 你在 Claude Code 或 Codex 里做科普或广告短片,手头是一句 topic 、一段口播或一张产品照,缺的是把纸拼贴分镜做到成片的 agent skill 。只想在现成剪辑工程里换旁白或 BGM 的人不必装:它不是可拆的配音插件,必须重新走进 beats.json 。

注意 — 成片要打 Atlas Cloud 的生图、 i2v 、 TTS 和配乐,再在本地用 ffmpeg 拼接,过程会执行 shell 。你先批 beat map 、再眼选风格,其余才自动。沙箱实测:全新 profile 里能装上,并被 harness 注册进 profile 。

锐评 — 装,但时间和 Atlas Cloud 预算只押海报:拼贴不够厚就卸,不跟后面的视频模型死磕。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码
1.9k

Daily radar for new AI terms: names of new models, products and repos, caught on X, Hugging Face, GitHub and sitemaps before keyword tools list them.

我们跑过,装得上

GitHub 源码Python20 天前

AI 锐评

new-term-radar

是什么 — 从 X、Hugging Face、GitHub 和站点地图收集新模型、产品与仓库名,赶在关键词工具收录之前。

谁该装 — 给 AI 工具站做新词页面或给行业通讯定当天选题时,缺的是刚冒头的模型名和产品名。主要在 DeepSeek Harness 里写代码、接 agent 工作流的人,这份名单没有可接的下游。

注意 — 实测可在全新 profile 里装上,并被 DeepSeek Harness 注册。X 和新站点信号要 AIsa key,按次计费;Hugging Face、GitHub 和站点地图那几路不收费。运行时会执行 shell 命令。

锐评 — 每天都要出报告我才留;只是偶发查一次新词,不值得占一个 plugin 槽。

grok-4.6 写的,只当参考,不当结论。里面说装得上或装不上,是在干净 profile 里真跑过的;其余都是读仓库读出来的。以实际运行为准。去看源码
1源码