Plugin

Strumento a basso costo per la comprensione dei video: un tool video_understand trasforma un link Bilibili / BV / un video locale in un layer informativo AVIS (ASR + struttura delle scene + tracking degli oggetti + etichette YOLO) e restituisce summary + Q&A. Routing dinamico tra layer guidato dalle domande (L0 ASR / L1 tracking oggetti / L2 VLM su keyframe), riuso del layer semantico per domande ripetute, tetto di budget per singola domanda. Motore Python: il layer base richiede faster-whisper / opencv / yt-dlp (~200-300MB); il layer semantico opzionale aggiunge ~2GB di torch / transformers / ultralytics. Un doctor --fix incluso configura il venv e installa entrambi.

Plugin di auto-routing a doppio modello: diretto a basso costo / upgrade ad alto costo con un ciclo chiuso di apprendimento delle vie di fuga (le risposte dirette errate apprendono automaticamente le impronte, forzando l'upgrade della stessa impronta la volta successiva), persistente e interoperabile con il ModelRouter di Python.

Motore di abitudini auto-apprendente per DeepSeek Harness: rileva segnali di correzione dell'utente, valuta le abitudini con un modello a basso costo al superamento di una soglia e consolida i candidati dietro un cancello umano a due livelli.