Plugins

Outil de compréhension vidéo à faible coût : un outil video_understand transforme un lien Bilibili / BV / une vidéo locale en couche d’informations AVIS (ASR + structure de scène + suivi d’objets + étiquettes YOLO) et renvoie un résumé + Q&R. Routage dynamique inter-couches guidé par les questions (L0 ASR / L1 suivi d’objets / L2 VLM sur image clé), réutilisation de la couche sémantique pour les questions répétées, plafond de budget par question. Moteur Python : la couche principale nécessite faster-whisper / opencv / yt-dlp (~200-300MB) ; la couche sémantique optionnelle ajoute ~2GB de torch / transformers / ultralytics. Un doctor --fix inclus configure le venv et installe les deux.

Plugin de routage automatique à double modèle : direct à faible coût / mise à niveau à coût élevé avec une boucle fermée d’apprentissage d’échappement (les mauvaises réponses directes apprennent automatiquement des empreintes, forçant la mise à niveau de la même empreinte la fois suivante), persisté et interopérable avec le ModelRouter Python.

Moteur d'habitudes auto-apprenant pour DeepSeek Harness : détecte les signaux de correction de l'utilisateur, évalue les habitudes avec un modèle à faible coût au seuil, et valide les candidats derrière une porte humaine à deux niveaux.