Plugins

Découverte, évaluation, hiérarchisation adaptatives des modèles et routage des sous-agents pour DeepSeek Harness.

Observabilité Langfuse pour DeepSeek Harness (DSH) : arbres de traces par tour agrégés par identifiant de session, avec versionnage des prompts et évaluation.

Rejoue des tours réels de DeepSeek Harness contre des candidats Standard, Minimal, Anchored ou plugin, avec des preuves figées de la surface de requête

Vérifiez quels plugins DeepSeek Harness sont réellement chargés et consultez les tableaux d'évaluation publics sur trapstreet.run.

E/S de design pour agents de codage : génération d'UI contrôlable via des déclarations (spec/domaine/craft/design/composants/template) et des contrats (skill/évaluateur). Pour l'UI produit — console, tableau de bord, ops d'agents, applications CJK-first.

Skill for building a game design brief into a playable, publishable TapTap Maker project: it picks the browser workspace or local MCP route, extracts the five elements of the brief, writes a first-round prompt for a minimal core loop, iterates in the official order, checks preview and release materials, and keeps credit, credential and irreversible-action limits in view. Includes eight reference notes on the product, credits, themes and asset limits, the leaderboard, brief parsing, iteration, publishing and safety, four templates, and three read-only Python checks for brief completeness, project layout and release materials.

QMS NCR ingest, batch alias resolution, impact evaluation, CAPA and 8D state.

Unity 2022.3 editor control for the agent: 20 tools that read the scene hierarchy, create and edit GameObjects, components and serialized properties, drive Play mode, capture screenshots, evaluate C# inside the editor and start player builds.

Moteur d’attention pour DeepSeek Harness, conçu pour prendre soin d’une personne. La météo est la première source : température ressentie et humidité pour conseiller vêtements/parapluie, notifications quotidiennes activables selon la routine, alertes météo extrême et rappels. Évalue les notifications au réveil de l’agent ; un host comme qq-bridge peut le réveiller selon un horaire. Préférences locales.

Plugin d’évaluation diagnostique pour DeepSeek Harness : fige la configuration Harness confirmée, lance un benchmark, conserve toute la trace de session et attribue les échecs au modèle, à Harness, au benchmark ou à l’environnement.

Connecte Synthesizer V Studio 2 Pro local à l’agent via sa propre API de scripts Lua. Cinq outils : découverte, pont persistant, composition vocale, édition de notes et intégration DAW (VST3/ARA + MIDI). Windows 10/11 uniquement ; nécessite Synthesizer V Studio 2 Pro 2.1.2+ avec un projet ouvert.

Enregistre plugin_guard pour analyser statiquement un package DSH avant installation. Signale raisons : dsh.bundle.patch absent/cassé, dsh.permissions manquant, install scripts, API risquées/obfuscation, risque de dépendance et source non indexée donc invérifiable. Lecture seule : aucun import, install, eval ou run du code.

Enregistre un outil `valuation_service` qui lit un workpaper tree JSON 01/02/04 et renvoie un schema unifié : six groupes de ratios, ratios prévisionnels, champs d’entrée DCF avec marqueurs explicites d’absence, PS/PE comparables et IRR. Traitement déterministe et local ; WACC, croissance, capex, D&A ou fonds de roulement manquants restent vides plutôt que d’être devinés, et les écarts d’hypothèses sont signalés pour examen.

Gate de release qualité des réponses IA. Deux voies : rejouer une archive VeriScope via le gate Python d’origine, ou appliquer avec Node seul un seuil à un export Ragas par ligne, sans VeriScope, Python ni pandas. Renvoie PASS/FAIL/REVIEW avec preuves et reçu revérifiable ; seuils par ligne et comparaison décimale exacte. Aucune réévaluation ni appel modèle ; REVIEW ne devient jamais PASS.

Vérifie la cohérence arithmétique entre maximums, scores inscrits et total de chaque facteur d’une grille d’évaluation. Signale les écarts, sans juger la justesse ni l’équité de l’évaluation.

Mémoire intersessions pour l’agent dsh : mémorise, rappelle et revérifie au lieu de supposer.

Pierre de touche pour DSH : ajoute une étape d’évaluation à l’« auto-amélioration ». Exécute un jeu de cas de référence avant et après la modification, note et compare ; garde le changement s’il est bon, sinon l’annule.

Évaluation rétrospective des sessions d’agents : produit des fiches de notation déterministes et des différences de régression intersessions à partir des journaux persistés. Aucun benchmark ni juge LLM.

Mesure si un changement de configuration DSH a réellement aidé : enregistre et exécute des cas reproductibles, puis compare les résultats avant/après modification des règles, skills ou modèles.

AlphaRSI : boucle d’auto-amélioration à trois rôles qui fait évoluer la recette d’entraînement des modèles de séquences alpha. Operator exécute le walk-forward, Evaluator note avec OOS RankIC et Refiner propose des hyperparamètres par recherche bayésienne TPE ; seules les recettes strictement meilleures sont conservées. Exécution hors ligne en une commande, bundle de données vérifié par sha1, détection GPU automatique. Une skill incluse.

Plugin d’évaluation d’agents à portée limitée pour DSH : compare l’original à un prompt candidat ou à des changements de configuration pris en charge selon les vérifications fournies par l’utilisateur, consigne les preuves et les coûts, et lui laisse la décision d’adoption.

Runtime déterministe d’orchestration d’ingénierie pour DeepSeek Harness : orbit_controller et OrbitService exécutent les enfants Commander, Executor et Smart Watchdog via PLAN, EXECUTE, EVALUATE, correction limitée et récupération à l’exécution. État durable dans <project>/.cx/state.json.

Plugin Web DSH : ajoute l’onglet LiveBench à la vue Trajectory, à droite de 对话/轨迹. Évalue tous les modèles configurés dans DeepSeek Harness ; choisissez fournisseur/modèle, catégorie, tâche, release et plage de questions via des menus, puis suivez la progression.

Workflows de session DSH pour créer des capsules vérifiables, évaluer des Skills réutilisables et comparer des trajectoires de session contrôlées.