Plugins

Vier schreibgeschützte Werkzeuge über eine WeKnora-Wissensdatenbank: Wissensdatenbanken auflisten, hybride Passagesuche, Chunks eines Dokuments in der richtigen Reihenfolge wieder zusammensetzen und WeKnoras eigene zitierte RAG- oder ReAct-Agent-Antwort mit fortsetzbarer Sitzungs-ID.

WeKnora-Wissensabrufwerkzeuge für DeepSeek Harness (dsh): semantische Suche, Dokumentenlesen und RAG-/Agent-Antworten über Ihre eigenen Wissensdatenbanken.

Reines Konfigurationspaket, das Ouroboros über den MCP-Client von DSH einbindet und 36 Workflow-Tools für Interview, Seed, Ausführung, Bewertung und Evolution in DSH bereitstellt.

Preset für evidenzgeprüfte Recherche: Schritte beruhen auf systemseitig bestätigten Beobachtungen, L3+-Aussagen gehen an eine unabhängige Prüfung; die Sitzung wird zu einem abspielbaren Protokoll und einer durchsuchbaren Domänenontologie. Erfordert DSH >=0.1.7-alpha.1.

Lua-gesteuerter externer 2D-Sandbox-Simulator für Miliastra, kompatibel mit DeepSeek Harness, Web und MCP.

Quantitatives F&E-Toolkit für DeepSeek Harness — 59 Tools in sechs Domänen für Marktdaten, Indikatoren, Faktorbewertung, walk-forward ML-Validierung, Risiko (VaR/CVaR/Drawdown/Beta mit Kupiec-POF), Optionen, Anleihen, FICC und Fondssimulation, mit einer End-to-End-Forschungs-Pipeline PDAT→PET.

Steuert das echte Chrome über eine lokale WebSocket-Brücke aus DSH: Tab-Verwaltung, Navigation, DOM-Snapshots, Auswertung von Seiten-JavaScript, Klicks, Eingaben, Screenshots, Wartezeiten und Dialoge. Aktivierung über einen Schalter in Settings.

Steuert Ihren echten Chrome aus DSH über eine lokale WebSocket-Brücke: Tab-Verwaltung, Navigation, DOM-Snapshots, Seiten-JS-Evaluation, Klicks, Tippen, Screenshots, Waits und Dialog-Handling hinter einem Settings-Toggle.

Lokale A-Share-Research-Workbench für DeepSeek Harness: Markt-Dashboards, Watchlists, Bewertung, vier Investor-Agents, versionierte Berichte und kontinuierlicher Post-Report-Chat.

Hostseitiges DSH-Evaluierungssteuerungs-Plugin: Injiziert Variablen, Budgetlimits, Sitzungs-Root und Fork-Abstammung eines Versuchs in den Agent-Prozess, leitet Modellaufrufe über einen Host-Broker mit gateway lease und schreibt einen schema-versioned bundle descriptor zur Beweiszuordnung.

Schreibt ausgehende `/chat/completions`-Anfragen mit einem evolvierten Chain-of-Thought-Gerüst um (Genom mit neun Dimensionen, Eliteselektion mit Fragment-Crossover, eine deterministische Neubewertung), bewertet Antworten anhand einer festen Basis aus 20 Zielen und hängt je Umschreibung eine Zeile an `live-requests.jsonl` im Plugin-Datenstamm an (Standard `<cwd>/.aecot`, änderbar mit `AECOT_ROOT`).

OMK — Observe. Measure. Know. Evidenzgestützte Wissensänderungen für KI-Anwendungen.

Evaluierungs-Harness für DSH-Plugins: YAML-Fälle steuern echte Headless-Agent-Läufe, prüfen Tool-Aufrufe, Argumente, Ergebnisse und Token-Nutzung, mit einem Baseline-Gate gegen CI-Regressionen.

Persona-Engine für DeepSeek Harness: eine config.json steuert den Selbstnamen der KI (pro Modell, pro Stufe), die Anrede, die Beziehungshaltung, den Charaktertext, Arbeitsverträge pro Element mit Schaltern, die Sprache der Gedankenkette und den Antwortton, plus Langzeitgedächtnis nur mit menschlicher Bestätigung: die KI hängt nur Vorschläge an, eine Bestätigungszeile setzt sie in Kraft, das Log ist nur anhängbar und wiedergabefähig. Bestätigte Einträge kommen als zitierter Daten-statt-Anweisungen-Block; mit kind markierte gehen in beliebige Dateien und erreichen den Prompt nie. Der Prompt wird bei jeder Zusammenstellung neu von der Platte gelesen: Änderungen greifen ohne Neustart. Presets: teilbare JSON-Snapshots. Keine Abhängigkeiten, kein Netzwerk, keine Shell.

Selbstentwickelnder Team-Speicher als reines Markdown in Git: Ein natives Cordis-Plugin, das 38 Bare-Name-Speicher-Tools plus einen bei jeder Assemblierung neu bewerteten Prompt-Signale-Abschnitt registriert, mit RPE-Verstärkung, Abklingung und Schlafkonsolidierung; teilt ein Daten-Repository mit seinen Claude Code (MCP)- und OpenClaw-Hosts; verifiziert gegen DSH 0.1.0-rc.6.

Selbstentwickelndes Team-Gedächtnis als reines Markdown in git: ein natives Cordis-Plugin, das 38 Speicher-Tools mit einfachem Namen sowie einen bei jedem Assembly neu bewerteten Prompt-Signale-Abschnitt registriert, mit RPE-Verstärkung, Zerfall und Schlafkonsolidierung; teilt sich ein Daten-Repository mit seinen Claude-Code-(MCP)- und OpenClaw-Hosts; verifiziert mit DSH 0.1.0-rc.6.

Sicherer Auswerter für mathematische Ausdrücke, Recursive-Descent-Parser ohne Abhängigkeiten.

Beweiserster Selbstentwicklungs-Controller: begrenzte Cordis-Kandidatengenerierung, einmalige Echt-Loader-Aufnahme, Harbor-Bewertung und eine absturzwiederherstellbare protokollierte Abstammung.

Ein sichtbares Chrome-Fenster pro DSH-Sitzung: 16 chrome_* Tools (open/status/close/navigate/tabs/snapshot/screenshot/click/click_at/fill/type/press_key/hover/scroll/evaluate/wait), ein Chrome-Tab in der Web-GUI mit Live-Screencast-Ansicht (Screenshot-Heartbeat-Fallback für Leerlaufseiten), Tab-Verwaltung, Fenstersteuerung und Screenshot-Verlauf.

Plugin zur Bewertung von Daten-Assets mit kostenbasierter (Wiederbeschaffungskosten) und ertragsbasierter Bewertung.

Steuert den lokal installierten Moli-Headless-Browser aus DeepSeek Harness: gerendertes Fetch, JavaScript-Auswertung, Markdown, semantische Bäume, Screenshots und PDFs. Ein CSS-Selektor liefert einen Container statt der ganzen Seite; laut Messung des Autors 40–80-mal weniger Tokens auf Listenansichten. Scrollen löst Lazy Loading aus. Installiert Moli bei Bedarf. Laut Autor mit echter Engine unter Windows, Linux und macOS geprüft.

Lua-LSP-Konfigurations-Plugin für DeepSeek Harness mit lua-language-server.

Finanzdaten-Toolkit für DSH-Agenten: Zahlen- und Währungsformatierung (einschließlich chinesischer wan/yi-Einheiten), Rendite- und CAGR-Berechnungen, Bewertungs- und Rentabilitätskennzahlen, PV/FV, Risikokennzahlen und eine Datenqualitäts-Checkliste.

Proaktives Multi-Modell-Scheduling-Plugin: Multi-Source-Signalaufnahme mit Dedup und Dringlichkeits-Ranking, eine Vier-Wege-Execute/Defer/Dismiss/Ask-User-Entscheidungsmaschine, DAG-Plan-Generierung mit paralleler Modell-Ausführung, Qualitäts-Reflexion mit automatischem Retry und Modell-Switch, Langzeit-Gedächtnis für Task-Muster und Lektionen und Strategie-Evolution über genetische Algorithmen mit sandboxed Evaluation und Canary-Rollout.