Plugins

Herramienta de comprensión de video de bajo coste: una herramienta video_understand convierte un enlace de Bilibili / BV / video local en una capa de información AVIS (ASR + estructura de escenas + seguimiento de objetos + etiquetas YOLO) y devuelve un resumen + Q&A. Incluye enrutamiento dinámico entre capas guiado por preguntas (L0 ASR / L1 seguimiento de objetos / L2 VLM de fotograma clave), reutilización de la capa semántica para preguntas repetidas y un tope de presupuesto por pregunta. Motor Python: la capa principal necesita faster-whisper / opencv / yt-dlp (~200-300MB); la capa semántica opcional añade ~2GB de torch / transformers / ultralytics. Un doctor --fix incluido configura el venv e instala ambos.

Plugin de enrutamiento automático de doble modelo: directo de bajo coste / mejora de alto coste con un bucle cerrado de aprendizaje de escape (las respuestas directas erróneas aprenden huellas automáticamente y fuerzan la mejora de la misma huella la próxima vez), persistente e interoperable con el ModelRouter de Python.

Motor de hábitos con autoaprendizaje para DeepSeek Harness: detecta señales de corrección del usuario, juzga los hábitos con un modelo de bajo coste al alcanzar un umbral y consolida los candidatos tras una puerta humana de dos niveles.