~/project/.dsh/skills/ProjektWczytuje się tylko dla tego repozytorium. Właściwe miejsce, żeby przeczytać pakiet, zanim zaufasz mu na całej maszynie.
Sesja dsh kończy się, gdy ją zamkniesz. Niektóre zadania nie powinny. SuperAgent prowadzi zadanie na trwałym kanwie, zachowuje to, czego się nauczył, i zatrzymuje się, gdy naprawdę Cię potrzebuje.
cp -r felo-skills/felo-superagent .dsh/skills/Otwartoźródłowy harness agentowy (podgląd dla deweloperów)
dsh czyta skille prosto z folderów, które mu wskażesz, więc pakiet Felo dzieli jedno kopiowanie od wywołania w sesji — i jedno usunięcie od zniknięcia.
Długo trwająca praca jest godna zaufania tylko wtedy, gdy widzisz, gdzie jest. Każdy etap zapisuje, co zrobił i na co czeka, więc możesz wyjść i wrócić bez czytania ściany wyników od nowa.
Zadanie zapisuje pytanie, źródła, z których może korzystać, i to, co uznaje się za ukończenie.
Ciągnie z wyszukiwania, stron i dokumentów, zapisując każde ustalenie na kanwie, gdy tylko się pojawi.
Dwa źródła nie zgadzają się co do liczby. Zatrzymuje się i pyta, zamiast po cichu wybrać jedno.
Pisze materiał w uzgodnionym formacie, trzymając dołączoną listę źródeł.
Oddaje szkic, źródła i otwarte pytania, których nie udało się domknąć.
Wszystko inne na tej stronie to narzędzie, które sesja wywołuje. Ten jest bliżej zadania, które sesja przekazuje dalej, więc miejsce montowania ma większe znaczenie niż zwykle.
~/project/.dsh/skills/ProjektWczytuje się tylko dla tego repozytorium. Właściwe miejsce, żeby przeczytać pakiet, zanim zaufasz mu na całej maszynie.
~/.agents/skills/UżytkownikWczytuje się w każdym projekcie i to ten sam folder, na który patrzą inne harnessy na tej maszynie.
mkdir -p ~/.agents/skills
cp -r felo-skills/felo-superagent ~/.agents/skills/Wypisz skille, które możesz wywołać z tego projektu.Trybem awarii jest tu przebieg, który wygląda na ciągły, a w rzeczywistości za każdym razem startuje od nowa.
Otwórz ponownie i zapytaj, co zadanie już zrobiło. Prawdziwa kanwa odpowiada szczegółami, których nie wklejałeś; fałszywa zaczyna zadanie od początku.
Znajdź pytanie, w którym dwa źródła się nie zgadzają. Przebieg powinien się zatrzymać i zapytać. Jeśli wybiera stronę bez informowania Cię, maszyna stanów jest tylko dekoracją.
Poproś o źródła zebrane dwa etapy wcześniej. Trwałość, która gubi pochodzenie, jest gorsza niż brak trwałości.
Używaj tego do pracy liczonej w dniach albo takiej, która ma dalej obserwować, gdy przestaniesz.
Śledź strony cennikowe i pakietowe tego dostawcy. Sprawdzaj co tydzień, raportuj tylko to, co się zmieniło, i nigdy z nikim się nie kontaktuj.Co wracaStały przegląd, który przychodzi jako różnica wobec zeszłego tygodnia, a nie jako świeże streszczenie, więc spokojny tydzień jest widocznie spokojny.
Badaj dalej ten rynek, gdy ja robię inne rzeczy. Zatrzymaj się i zapytaj, ilekroć dwa źródła nie zgodzą się co do liczby.Co wracaPytanie w tle, które posuwa się naprzód między sesjami i przerywa Ci tylko przy prawdziwych decyzjach.
Długo trwające zadanie potrzebuje wejść, którym może ufać, i miejsca, do którego trafi wynik.
Kanwa to pamięć, nie osąd. Dwie rzeczy zostają wyraźnie po Twojej stronie.
Zadanie cykliczne bez daty końca po prostu działa dalej. Ustaw częstotliwość i warunek zakończenia przy starcie, a nie wtedy, gdy zobaczysz rachunek.
Jeśli pytanie leżące u podstaw się zmieni — konkurent zmienia kierunek, polityka się przesuwa — przebieg dalej odpowiada na starą wersję, dopóki mu nie powiesz.
Przyjrzyj się uważnie dwóm, trzem pierwszym wynikom. Przebieg, który startuje lekko źle, narasta, a koszt wczesnego wyłapania jest znacznie niższy.
Pięć skilli napisanych dla DeepSeek Harness. Na tej platformie działają według tego samego schematu, więc możesz łączyć je w jednej sesji bez ponownego opisywania swojej konfiguracji.
Zacznij od skilla, a potem złóż modele, dane na żywo, wiedzę i narzędzia wyjściowe, których potrzebuje Twój przepływ w dsh — z tym samym kluczem, którego używają już skille Felo.
Korzystaj z opłacalnego dostępu do LLM, gdy agent potrzebuje własnego rozumowania lub generowania.
Daj agentom aktualne sygnały z sieci i mediów społecznościowych zamiast opierać się na nieaktualnym kontekście.
Oprzyj pracę na wiedzy, którą można wykorzystać ponownie, a potem zamień ją w materiały do udostępnienia.
Rozszerz przepływ od researchu po materiały wizualne i gotowe dla Office.