SEMANTIC DIRECTORY · plugin-directory-semantic-v3-18
模型与智能体质量评测
以受控实验和统计证据评估模型、提示词、RAG 或智能体配置，包括基准测试、A/B、回归、盲测、漂移检测、连通性诊断和发布治理；不承担日常运行遥测。
叶子目录成员
22 个插件
benchMauricioPerera/bench目录 已分析DSH plugin from MauricioPerera/bench兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号0 starsdeepseekharnessevalsuyoumo/deepseekharnesseval目录 已分析DSH plugin from suyoumo/deepseekharnesseval兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号5 starsdeepsiper-enthea8b-is/deepsiper-enthea目录 已分析Sovereign, agent-driven LLM evaluation harness forked from deepseek-harness (dsh) — Cordis plugin architecture, EntheAI backends, and multi-model benchmarking兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号1 starsdsh-agent-evolutionFriendsHL/dsh-agent-evolution目录 已分析Preset-composed Agent experiments and evolution primitives for DeepSeek Harness兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号0 starsdsh-agent-evolvejonah791/dsh-agent-evolve目录 已分析DSH self-built plugin兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号1 starsdsh-bench1105623876/dsh-bench目录 已分析一个用于做模型对照实验的DeepSeek Harness插件兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号1 starsdsh-blind-arenachanger-changer/dsh-blind-arena目录 已分析A blind, fair, local DSH Web arena: same task, isolated worktrees, shared verification, judge before reveal.兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号2 starsdsh-design-qadsh-design-qa目录 已分析给纯文本模型的设计稿保真判定：`deepseek_vision` 工具从任意 OpenAI 兼容视觉路由借来一只眼，让模型判断实现与设计稿是否一致——并附上支撑该判定的基准（4 组夹具、23 处注入缺陷、逐格原始输出）与其依赖的提问纪律。兼容性DSH 0.1.2-rc.1 · web依赖审计有限审计报告 0 项制品0.1.4证据更新2026-09-06公开信号23 stars · 873 downloadsdsh-gray-testLiLiLi-Zi/dsh-gray-test目录 已分析dsh gray-model detection plugin — launch N concurrent sessions, stream reasoning chains, auto-classify gray models (I'm+ing > Let me×5), normal models (Let me≥3), and abnormal models (no features). Supports standard/PTC/minimal/cordis presets.兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号1 starsdsh-harbor-evolutiondsh-harbor-evolution目录 已分析DeepSeek Harness plugin and Skill for Harbor Candidate and Historical Session evaluation workflows.兼容性DSH 0.1.2-rc.1 · web依赖审计有限审计报告 0 项制品0.9.5证据更新2026-09-08公开信号暂无公开使用信号dsh-model-deploylhwwxy/dsh-model-deploy目录 已分析LLM model selection & deployment analysis tool for DeepSeek Harness: deployability, VRAM, TTFT, latency, throughput and power for 38 models × 20 GPUs/NPUs兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号0 starsdsh-models-radardsh-models-radar目录 已分析在设置页展示 CodexRadar 模型能力评测，并在输入框旁显示当前会话所选模型的 DeepSWE 分数。兼容性DSH 0.1.2-rc.1 · web依赖审计有限审计报告 0 项制品0.1.21证据更新2026-09-07公开信号2 stars · 869 downloadsdsh-provider-probeWanbinyu/dsh-provider-probe目录 已分析Manual provider connectivity and latency checks for DeepSeek Harness兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号2 starsdsh-purgeYuJunZhiXue/dsh-purge目录 已分析DeepSeek Harness 破甲：让所有模型都能破甲，不同模型可换不同提示词；默认提示词面向国模「小码酱」。Jailbreak for every model — swap prompts per model. 求 Star 收藏 ⭐兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号389 starsdsh-research-labHarzva/dsh-research-lab目录 已分析DSH-native multi-runtime baseline, ablation, and reproducible evaluation control plane兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号0 starsdsh-self-evolutionLhy723/dsh-self-evolution目录 已分析Benchmark-driven self-evolution for DeepSeek Harness · 冻结基准上的 Agent Profile 自我进化：评测 → 候选 → 严格接受/回滚兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号3 starsdsh-self-harness-toolsSuTang-vain/dsh-self-harness-tools目录 已分析Two self-contained DeepSeek Harness plugins: dsh-prior-probe (frozen probe-battery tools, official bundle) and dsh-evidence-dashboard (archive dashboard).兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号1 starsdsh-skill-evalrenjianguojinqianfan/dsh-skill-eval目录 已分析DSH 插件：用 LLM judge 评测技能 description 的触发准确率（欠触发/过触发）兼容性DSH 0.1.2-rc.1 · web依赖审计未测试制品未解析证据更新2026-09-10公开信号2 stars
分类属于公开语义索引事实，不是最终推荐；兼容性、权限与来源证据仍需分别核对。