yangdongzhen590/dsh-knj-workflow
配置驱动的工作流与开发任务编排：图式工作流（任务/网关/人工审批节点）+ 阶段级断点持久化，内置 AI 助手在图编辑器中通过对话配置工作流，逐条校验实时应用到画布。
关于此插件
- 工作流管理：可新增 N 个工作流，每个工作流由多个阶段组成；阶段行为由 prompt（提示词）+ 可选 skill 定义 - 模板导入/导出：工作流列表与图编辑器均支持把模板导出为 .workflow.json 文件、从文件导入（跨机器移植）；导入后先进入编辑器检查再保存，同 ID 冲突会提示 - 开发任务：创建任务并绑定工作流，自动启动执行 - 可视化进度：右侧栏「开发任务」tab 横向步骤条展示每个阶段状态（待执行/运行中/完成/失败），实时刷新 - 阶段重跑 / 继续：失败的阶段可点击「重跑」，暂停/失败的任务可点击「继续」——基于断点持久化（每阶段结果落盘） - 斜杠命令：/dev-task new 、/dev-task list、/dev-task status 、/dev-task wf - 定时调度集成（可选）：为 dsh-scheduler 提供进程内 knjWorkflowScheduler 服务；定时触发时按最新保存的流程定义创建并启动任务，历史可直达该任务详情 - UI 融入原生：左侧栏底部「新建任务」入口 + 右侧栏两个 tab（better-sidebar
$ dsh plugin --profile web add dsh-knj-workflow$ dsh plugin --profile web add github:yangdongzhen590/dsh-knj-workflow健康评分构成
39 / 100评分综合许可证、社区信号、文档与分发情况，并非代码审计。安装前请审阅源码与 manifest。
安全信息
关键指标
Related
相关插件
dsh-agent-teams turns the current DeepSeek Harness session into a captain that can assemble durable sub-agents, split a goal into dependency-aware tasks, and coordinate work through direct messages.
运行在 DeepSeek Harness 内的一组 agent preset（vibe-math-v2 / vibe-math-v3 / vibe-math-v4）， 用多代理协作自动求解数学问题并对结论做多代理交叉验证。三个预设共享「断点续跑、 中途人工干预、进度汇报、自然语言驱动」底座能力，但采用三代不同的求解架构： 💡 vibe-math-v2 与 vibe-math-v3 同级主推——两者都是成熟可用、正在维护的主推架构，根据你的实际需求自行选择（详见下方「怎么选」）；vibe-math-v4 是最新的「常驻自组织合作研究」架构（实验性）。 - vibe-math-v2（概率驱动 · JSON 数据层）✅ 主推：qs.json 问题清单 + Propos/ 命题库 + 概率驱动调度 + 代码启发式调度； - vibe-math-v3（第三代 · 论文式 md + 规划代理 + 方法库）✅ 主推：全部知识以 Markdown 论文/研究报告式 存储与续写（Problems/ 问题清单+依赖+来源动机、Progress/ 研究日志、Propos/ 命题库、Methods/ 通用理
graph LR A[用户 Prompt] --B[DeepSeek Harness Agent] B --C[generateimage 工具] C --D[Gemini / OpenAI / Seedream / DashScope] D --E[图片数据] E --F[当前 Conversation 对话流]
dsh-image-gen 不只是简单的对话生图，而是为 DSH 补齐从 对话生成与连续修图、AI 创作画布、Studio 批量创作、多模型横向对比，到 Prompt 灵感库 与 本地 ComfyUI 的完整图像创作能力。
dsh-claude runs the locally installed Claude Code CLI as a first-class conversation provider inside DeepSeek Harness (DSH). It uses Claude Code's official Agent SDK protocol instead of recreating the agent with a separate API client.
DSH bundle 技能包：把深度长文生产（学术论文 / 行业分析 / 商业评论）拆成 9 角色流水线——T1 文献 / T2 数据 / T3 案例三线并行检索、T4 分析、T5 写作、T6 批判伙伴、T7 审计、T8 终检（主控亲执行）、T9 同行评审，跨 6 个阶段，含三角验证、M 门 23 项机械终检、G0-G14 独立审计（含中文 AI 痕迹闸）、审稿评分与期刊匹配，以及 4 个人在环节点。以 bundle 分发（`package.json#dsh.bundle.patch` + `lib/index.js` 入口注册技能），`dsh plugin add lunheng-article-pipeline` 即装；随包 T1-T9 角色卡、模板与 11 个零依赖校验脚本，README 五语。