Plugins

Wendet OpenQuantum-Branding, Browser-Metadaten und PWA-Assets auf die native DeepSeek Harness Web-UI an.

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.

Best Practices für Quantenalgorithmen.

Expert-Preset für DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): Chefkoordinator + 17 Domänen-Subagenten mit Auto-Delegation. Funktionen: Taskboard (Zustände pending/ready/running/done/failed, DAG, atomare Beanspruchung, Retry, Wiederherstellung), Quality Gates (5-stufige Pipeline: Anforderungen, Implementierung, Verifikation, Prüfung, Integration; 2 Überarbeitungen), Five-Anchor (Prüfung/Konvergenz/Anti-Drift/Zusammenarbeit/Ressourcen), Near-distance (Vorlage Identität/Aufgabe/Ausgabe), progressive Offenlegung (~28 % Token-Einsparung), Persistenz, P2P-Bus, Kreuzprüfung, Erfahrungspool, Schnellweg, Auto-Retry. 17 Experten: Daten, Redaktion, Recht, PM, Frontend, UI/UX, Architekt, Social, Growth, Quant.-Finanzen, Backend, DevOps, DB, QA, Sicherheit.

DeepSeek-Harness-(dsh)-Plugin für Aktienanalyse, Screening und Strategie-Backtesting an den Märkten A/HK/US/JP/KR/TW

„Single-Core Writing“-Plugin für DeepSeek Harness: Werkzeuge gründlich verschlankt und Ausgabe gehärtet für quantisierte kleine Modelle, geeignet für lokale Langroman-Pipelines mit On-Device-Modellen.

A-Aktien-Analyse- und Screening-Skill: Echtzeitkurse, technische Timing-Scores, Kauf-/Verkaufssignale und eine verwaltete Watchlist.

RigorQuant-Preset + Skill-Paket: unbeaufsichtigte, abgeschottete Multi-Agent-Recherche für empirische und rechnergestützte Mathematik (Wirtschaft, Finanzen, Portfolio), mit einer vierteiligen Prüfbatterie vor der Umsetzung und einer Eskalationsschiene über Jacobian/Lean.

Bayesianisches Aktienvorhersage-Plugin, das MACD, RSI, gleitende Durchschnitte, Volumen und weitere technische Signale zu einer Posterior-Wahrscheinlichkeit eines Kursanstiegs fusioniert, mit Multi-Horizont-Vergleich, Trendzustandsklassifikation und Positionsrisikokennzahlen für A- und US-Aktien.

DSH-Tools zum Nachbilden und Validieren des ml-quant-trading protocol v1 CPU-Benchmarks und zum anschließenden Entwurf eines berichtsbereiten Issues. Erfordert einen lokalen Klon von initial-d/ml-quant-trading (als workspace oder repoPath festgelegt) sowie Python und PyTorch; dieses Plugin lädt das Repository nicht und installiert seine Abhängigkeiten nicht.

Quant-Werkbank für A-Aktien / Hongkong-Aktien: Watchlist, K-Liniendiagramme, Unternehmensdaten, Strategiekonfiguration und Backtesting. · Quant-Werkbank für A-Aktien und Hongkong-Aktien für DeepSeek Harness.

Finanzquant-Workbench und Aktienticker: schwebender Ball und Schubladenpanel, Echtzeit-Kurse der A/HK/US-/globalen Märkte, mehrperiodige K-Linien und 5-Tages-Intraday-Charts, Tiefenauftragsbuch, Kapitalfluss, Sektor-Heatmap und KI-Anlagerecherche.

Leitet OpenRouter-Anfragen über eine konfigurierte Anbieterliste und ein Quantisierungslimit, injiziert als provider.only/order mit allow_fallbacks, plus provider.quantizations.

Command-triggered red/blue adversarial review for ANY plan (not quant-specific). /plan-adversarial <plan>: arms a gate that requires the agent to derive two independent subagents (red=attack, blue=defend), have them converge on a consensus plan with NO th

SparkElf-maintained fork of dsh-quant: AI-native & DSH-native quant toolkit — 59 tools across 6 pluggable domains (data/alpha/ML/risk/execution), one end-to-end PDAT→PET research pipeline. Fork adds A-share-correct annualization, cross-sectional IC, and u

DeepSeek Harness plugin that exposes QBoson Kaiwu Ising solving as an agent-callable solve_ising tool.

A plugin for dsh: quantify every dsh Agent interaction as a visualized performance metric and automatically sync it to WakaTime -- use data to showcase your productivity with Agent.

Ranks OpenRouter providers for the current DSH model by quantization, speed, cache-heavy price, context, and uptime, with one-click switching to help reduce token costs.

Community DSH plugin for constrained, auditable diePi research backtests