Plugin

Plugin studio TongFlow per DeepSeek Harness (dsh): modello di progetto in stile troupe cinematografica, flussi di lavoro TongFlow creati dall'agente, generazione multimediale deterministica, tela incorporata.

Report di ricerca industriale deterministici per DeepSeek Harness — i flussi di ricerca aziendale e industriale producono report strutturati e verificabili da evidenze staged.

Memoria a lungo termine curata e basata su file per DeepSeek Harness — note markdown leggibili dall'uomo, un unico archivio di file di testo semplice condiviso tra gli host (ignorato da git quando si trova all'interno di un repository di progetto) e un limite deterministico dell'indice imposto da ctx.tools.guard()

Labirinto di esecuzione per le sessioni DSH: il percorso reale dell'agente — avanzamento principale, deviazioni fallite o senza uscita, ritorni indietro, ritentativi di richiesta e rami dei subagent — disegnato su una sola timeline di tempo reale, con tre tracce sotto ciascuna corsia che condividono quell'asse (densità dei tool-call, impulso dei token, pressione del contesto) e un pannello di analisi deterministico sotto di esso (matrice dei risultati degli strumenti, catene fallimento-recupero, distribuzione delle durate); guardalo crescere in tempo reale in una scheda sessione, oppure carica fino a 5 log di sessione per un confronto sullo stesso asse.

Report di ricerca deterministici per fondi comuni pubblici cinesi costruiti da dati di fonte pubblica (Tiantian Fund ed Eastmoney), metriche pure-function (decomposizione delle performance, penetrazione delle partecipazioni, attribuzione dello stile, profilo del manager) e report versionati con un'appendice di tracciabilità snapshot per numero.

Pacchetto completo di abilità di saggezza tradizionale cinese (XuanShu) come plugin Cordis per DeepSeek Harness: calcolo di bazi, ziwei-doushu, liuyao, meihua, qimen, daliuren, taiyi, wuyun-liuqi, costituzione e feng shui, con un motore deterministico locale e una dashboard di visualizzazione.

Guardia per la scrittura accademica (bilingue inglese/cinese): rimuove la scrittura difensiva tipica dell'IA, protegge le prove scientifiche (numeri, citazioni, forza delle affermazioni, risultati non significativi, ambito) durante la revisione e calibra il testo verso una rivista target (Journal Profile + Journal Fit). Regex/statistica locale deterministica, senza rete né LLM; include writing_rules / writing_audit / writing_style_profile / writing_journal_profile con audit automatico durante la stesura dell'articolo.

Plugin per la produzione 3D in Blender con 30 skill di modellazione/ricostruzione, 13 strumenti runtime e 26 helper deterministici per l'adattamento a riferimenti, il rendering, la validazione, l'animazione e l'esportazione portabile; installabile come `dsh-blender`.

Ricerca e fetch web unificati multi-provider: pool di chiavi BYOK, monitoraggio dello stato e fallback deterministico.

Genera titoli di sessione deterministici e configurabili per DeepSeek Harness a partire da campi semantici del prompt e template.

DeepTrace — report d'agente deterministici basati sui log di sessione (giornalieri/settimanali/mensili/annuali/personalizzati): ripartizione di costi e token, 8 regole di analisi, revisione della collaborazione, saldo del provider in tempo reale, esportazione PDF/PNG/HTML; di sola lettura, non riscrive mai la cronologia.

Toolkit a dipendenza zero: tempo / codifica / json / calcolatrice / csv / regex / markdown / diff / statistiche / schema — dieci strumenti deterministici in un'unica installazione.

Guida il plotting scientifico di OriginLab Origin dalla chat AI via MCP: 62 strumenti. Watchdog dei dialoghi modali, gate di sicurezza LabTalk, release/reconnect, fitting con parametri iniziali/fissi/pesati, modifiche fini di grafici e sheet, strumenti matriciali, FigureSpec YAML dichiarativo (diff-abile e rieseguibile), snapshot di sola lettura delle MCP Resources, ponte matplotlib-figure, assemblaggio PowerPoint con etichette dei pannelli, ricerca di modelli nel Graph Gallery, esportazione EPS, whitelist di accesso ai file, baseline di regressione visiva e OPJU modificabile con verifica deterministica di rilettura.

Guardrail per la scrittura di romanzi: 20 strumenti novel_* impongono coerenza del registro dei fatti, gate di fase e capitolo, audit automatico con metriche deterministiche e revisioni solo come proposte; un workbench del pannello di destra copre lettura, riproduzione TTS, rifinitura, correzione di bozze, controlli di continuità e stesura in batch, e un motore di bypass esegue i passaggi interni fuori dalla conversazione principale.

Motore di contesto Zero-residence: i payload di grandi dimensioni degli strumenti vengono espulsi dal contesto attivo verso un archivio interrogabile e rimangono solo puntatori deterministici, così i token di prompt per turno smettono di crescere con la trascrizione. Qualsiasi contenuto mascherato viene ricostruito alla lettera dal log della sessione su richiesta, tramite id di chiamata dello strumento o seq della sessione.

Kernel di organi di Agent-Body: plugin organizzati come un unico corpo. Ogni comando diventa un impulso nervoso che innerva deterministicamente l'organo competente e nomina la capacità; i riflessi scattano senza chiamata al modello; un battito a intervallo variabile pompa direttive dell'operatore, propriocezione e avvisi di omeostasi ovunque; i guasti seguono un'attribuzione deterministica (strumento, argomenti, permesso, timeout, rete), una prescrizione e un ciclo di ricontrollo, e gli errori di argomento non vengono mai ritentati. Un organo mancante è compensato da quello con maggiore sovrapposizione di capacità, e gli schemi degli strumenti sono filtrati dall'intento corrente (riduzione misurata dell'84,7%, riproducibile nel repository). Pacchetto kernel del repository agent-body.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Guardrail causale white-box per dsh: ogni chiamata a un tool viene giudicata prima dell'esecuzione lungo una catena logica causale deterministica — blocca operazioni distruttive e su file di credenziali, intensifica violazioni ripetute dei confini, interrompe i collegamenti che causano guasti finché non sono verificati come corretti, e fornisce verdetti di rischio sull'esecuzione non auditabile; gira interamente in locale con costo API zero, più 6 strumenti white-box di self-check.

DAG dal vivo guidato da proiezioni per i subagenti e i flussi di lavoro duraturi di una Session: stato e navigazione, layout deterministico di catene profonde, controlli di adattamento/panoramica della canvas e riorganizzazione dei nodi della sessione corrente.

Memoria cross-sessione con richiamo deterministico a zero token (bigram-Jaccard fuso con FTS5 BM25 via RRF, tokenizzazione consapevole del cinese), rinforzo che rafforza le osservazioni ripetute, e procedure cristallizzate in file SKILL.md rifiniti in loco tramite un ciclo di vita active-stale-archived con archivio e rollback reversibili. L'ingestione e la disposizione espongono entrambe un livello di autonomia scelto dall'utente; conflitti e scritture ad alta importanza vanno sempre a revisione umana, e nulla viene mai eliminato automaticamente. Richiede Node 22.5+.

Compressione deterministica del contesto per dsh — zero chiamate LLM, potatura basata su regole che preserva testualmente percorsi, comandi, tracce di errore e attività aperte. Comprime ~80k token in poche centinaia.

Comando Cordis /hongtou: pipeline a due fasi (JSON strutturato da LLM + rendering deterministico di modelli XML Word 2003)

Strumenti di scrittura che rimuovono i pattern dall'aspetto AI e si adattano alla tua voce personale. 8 strumenti deterministici scansionano il testo, costruiscono un'impronta di stile dai tuoi campioni e restituiscono brief di riscrittura.

Compattazione del contesto protetta per DeepSeek Harness (dsh): la LLM propone, le guardie deterministic decidono — riduzione eager per atomo (extract/summary/false sotto guardie verbatim) + eviction lazy del reference-graph (0-LLM) + recall byte-esatto da un log append-only.