Plugins

Quatre outils en lecture seule sur une base de connaissances WeKnora : lister les bases de connaissances, recherche hybride de passages, réassembler les chunks d'un document dans l'ordre, et la réponse RAG citée ou ReAct-agent de WeKnora avec un identifiant de session reprenable.

Outils de récupération de connaissances WeKnora pour DeepSeek Harness (dsh) : recherche sémantique, lecture de documents et réponses RAG/agent sur vos propres bases de connaissances.

Ensemble de configuration uniquement qui monte Ouroboros via le client MCP de DSH, exposant 36 outils de flux de travail d'entretien, Seed, exécution, évaluation et évolution dans DSH.

Plugin de sécurité pour rétro-ingénierie et pentest en un seul bundle : filtrage des outils au premier tour, routage par domaine et 33 outils couvrant APK, web, binaires natifs, protocoles, malwares et échantillons LLM — avec playbooks d'extraction, de contournement de licences et d'anti-analyse, moteur d'évaluation H-CoT (routage sémantique, commande /hcot), atelier web avec étagère d'outils pilotée par grand livre, flux de cas sur disque (chaîne de preuves persistée, conclusions validées numérotées E, reprise après compactage), découverte d'outils externes basée sur GitHub et 361 documents de référence à la demande.

Boîte à outils de R&D quantitative pour DeepSeek Harness — 59 outils répartis sur six domaines couvrant les données de marché, les indicateurs, l’évaluation de facteurs, la validation ML walk-forward, le risque (VaR/CVaR/drawdown/Beta avec Kupiec POF), les options, les obligations, les FICC et la simulation de fonds, avec un pipeline de recherche bout en bout PDAT→PET.

Contrôle votre vrai Chrome depuis DSH via un pont WebSocket local : gestion d'onglets, navigation, snapshots DOM, évaluation JS de page, clics, saisie, captures d'écran, attentes et gestion de dialogues derrière une bascule dans Paramètres.

Atelier de recherche A-share local-first pour DeepSeek Harness : tableaux de bord de marché, listes de surveillance, valorisation, quatre agents investisseur, rapports versionnés, et chat post-rapport continu.

Plugin de contrôle d’évaluation DSH côté hôte : injecte dans le processus agent les variables, limites de budget, racine de session et filiation des forks d’un essai ; route les appels modèle via un host broker sous gateway lease et écrit un bundle descriptor versionné pour attribuer les preuves.

OMK — Observer. Mesurer. Savoir. Modifications de connaissances étayées par des preuves pour les applications IA.

Harness d'évaluation pour les plugins DSH : des cas au format YAML pilotent de vraies exécutions d'agent en mode headless, avec des assertions sur les appels d'outils, les arguments, les résultats et l'utilisation des tokens, ainsi qu'une barrière de référence pour la non-régression en CI.

Contrôleur d'auto-évolution axé sur les preuves : génération bornée de candidats Cordis, admission Loader réelle en une seule tentative, évaluation Harbor et lignée journalisée reprenant après incident.

Drives a locally installed Moli headless browser from DeepSeek Harness: rendered fetch, JavaScript evaluation, Markdown, semantic trees, screenshots and PDFs. A CSS selector returns one container rather than the whole page (measured 40-80x fewer tokens on listing pages) and scroll triggers lazy loading. Installs Moli when it is missing; verified with a real engine on Windows, Linux and macOS.

Boîte à outils de données financières pour les agents DSH : formatage des nombres et des devises (y compris les unités chinoises wan/yi), calculs de rendement et CAGR, ratios de valorisation et de rentabilité, PV/FV, métriques de risque et liste de contrôle de la qualité des données.

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Lance 3 ou 5 candidats coding-agent dans des Git worktrees détachés, valide leurs patches via les commandes du projet, ne classe que les candidats réussis et exige une approbation séparée avant d'appliquer le gagnant.

Recherche sur les actions A chinoises : recherche par code, annonces sur toute plage de dates, fiches de rapports financiers, profils de valorisation et explications des facteurs de signal (environ 5 000 actions depuis 2011, service de données publiques en lecture seule), ainsi qu’un outil de lien vers un produit externe de bac à sable de trading.

Runtime de vision et Computer Use multiplateforme auditable pour DeepSeek Harness avec des preuves préservant la source.

Consultant en évaluation et amélioration des relations publiques : évalue la probabilité de réussite des relations publiques en fonction des anti-modèles historiques et des modèles de réussite, avec une notation en un clic et des suggestions exploitables.

Pipeline quotidien automatisé de contenu pour Insta360 GO 3S : capture à distance BLE/WiFi de séquences d'aquarium, importation sans fil, évaluation de qualité ffmpeg avec journal de décisions, montage automatique (sélection de segments, narration TTS, musique, sous-titres) et téléversement Bilibili via biliup (dry-run par défaut).

Actuaire d'assurance — exécute de vrais calculs actuariels (valorisation des réserves vie et P&C sous C-ROSS II BEL+RM, tests de profit NBV/VNB/IRR, valeur embedded EV, tarification et réserves en triangles de sinistres), pas seulement des explications.

Exécute des expériences reproductibles de profils et correctifs DSH, avec création guidée de cas, assertions, rapports de comparaison Web, récupération et barrières de politique.

Un plugin de méta-agent natif au modèle pour DeepSeek Harness : le modèle synthétise à l'exécution des workflows spécifiques à la tâche à partir de cinq patrons de workflow agentique (chaînage de prompts, workers parallèles, routeur, superviseur, boucle d'évaluation) et coordonne les outils et les sous-agents.

Evaluation guard for DSH: workspace-only filesystem, no network/subagents, wall-clock limits, and task installation for meow-ai-arena and benchmark tasks.

Read-only Skill inspector for DeepSeek Harness. It shows which Skills a conversation actually loaded — from observed loading evidence only — and which Skills the current environment can discover, and gives each Skill a detail page whose left column switches between the framework, the evidence, validation, evaluation, step evidence, run logic, the before/after of a modification when there is one, the definition facts and the raw SKILL.md. Declaration and run stay apart: the body is split into structure, declared workflow and progressive disclosure, the run logic is read from local receipts, and every declared step carries its own evidence — no observed evidence is reported as exactly that, not as executed or not executed, and the run's instruction hash sits beside the current definition as match, mismatch or unavailable. The evidence view gives each subject one of three states (declared, observed, unavailable), walks definition → load → use → outcome, names what each stage cannot reach, declines to attribute an outcome to the Skill, and can copy the snapshot out as byte-stable JSON. Validation checks the Agent Skills open standard and the platform profiles separately, each finding on a rule id and labelled standard compliance or platform compatibility. Evaluation keeps repeatable cases with the conditions each run was recorded under and the four stages of runtime evidence, comparing two runs of one case item by item without scoring them. The trigger boundary keeps should-trigger and should-not-trigger prompts, has you run them in a real new session, then records what was observed — whether a load record appeared and whether it was model-invoked or user-explicit; a typed /name is not a natural trigger, and an absent load record is reported as not observed, not as not triggered. The same projections are exposed to the agent as a read-only skill_review tool, which returns a structured review packet and says what it omitted when the packet will not fit whole. The inspector, the evidence chain and these reviews are computed on this machine from the definition and the session receipts; the Chinese reading version sends the body through the host's model when you ask for it, keeping code fences, paths and frontmatter verbatim and storing the result on this machine. A Skill can also be cloned into a local copy. It does not write back to the source Skill and does not run its scripts.