Plugin

Quattro strumenti di sola lettura su una base di conoscenza WeKnora: elenca basi di conoscenza, ricerca ibrida di passaggi, riassembla i chunk di un documento in ordine, e la risposta RAG citata o la risposta agente ReAct di WeKnora con un session id ripristinabile.

Strumenti di recupero della conoscenza WeKnora per DeepSeek Harness (dsh): ricerca semantica, lettura di documenti e risposte RAG/agente sulle tue basi di conoscenza.

Pacchetto di sola configurazione che monta Ouroboros tramite il client MCP di DSH, esponendo 36 strumenti di flusso di lavoro per interviste, Seed, esecuzione, valutazione ed evoluzione in DSH.

Preset di ricerca verificata: ogni passaggio usa osservazioni confermate dal sistema, le affermazioni L3+ passano a un valutatore indipendente e la sessione diventa un registro riproducibile e un’ontologia consultabile. Richiede DSH >=0.1.7-alpha.1.

Simulatore sandbox esterno 2D per Miliastra, basato su Lua e compatibile con DeepSeek Harness, Web e MCP.

Toolkit di R&D quantitativa per DeepSeek Harness — 59 strumenti in sei ambiti che coprono dati di mercato, indicatori, valutazione dei fattori, validazione ML walk-forward, rischio (VaR/CVaR/drawdown/Beta con Kupiec POF), opzioni, obbligazioni, FICC e simulazione di fondi, con una pipeline di ricerca end-to-end PDAT→PET.

Controlla il Chrome reale da DSH tramite un bridge WebSocket locale: gestione schede, navigazione, snapshot DOM, valutazione del JavaScript della pagina, clic, digitazione, screenshot, attese e gestione dei dialoghi. Si attiva con un interruttore in Settings.

Controlla il tuo Chrome reale da DSH tramite un bridge WebSocket locale: gestione tab, navigazione, snapshot DOM, valutazione JS di pagina, click, digitazione, screenshot, attese e gestione dialog dietro un toggle nelle Impostazioni.

Workbench di ricerca A-share local-first per DeepSeek Harness: dashboard di mercato, watchlist, valutazione, quattro agenti investitori, report versionati e chat post-report continua.

Plugin host-side per il controllo delle valutazioni DSH: inietta variabili della prova, limiti di budget, root della sessione e lineage dei fork nel processo agente; instrada le chiamate al modello tramite host broker sotto gateway lease e scrive un bundle descriptor versionato per attribuire le prove.

Riscrive le richieste `/chat/completions` in uscita con uno schema evolutivo chain-of-thought (genoma a nove dimensioni, selezione elitaria con crossover di frammenti, una rivalutazione deterministica), valuta le risposte su una base fissa di 20 obiettivi e aggiunge una riga per riscrittura a `live-requests.jsonl` nella root dati del plugin (predefinita `<cwd>/.aecot`, configurabile con `AECOT_ROOT`).

OMK — Osserva. Misura. Conosci. Modifiche della knowledge supportate da evidenze per applicazioni AI.

Harness di valutazione per i plugin DSH: casi di test YAML guidano esecuzioni reali dell'agente in modalità headless, verificano chiamate agli strumenti, argomenti, risultati e utilizzo dei token, con un gate di baseline per le regressioni in CI.

Motore di persona per DeepSeek Harness: un config.json governa il nome con cui l'IA si presenta (per modello e livello), come ti chiama, la postura relazionale, il testo del carattere, contratti per elemento con interruttori, la lingua della catena di pensiero e il tono delle risposte, più memoria subordinata alla conferma umana: l'IA può solo accodare candidati, una riga di conferma li attiva, e il registro è in sola aggiunta e riproducibile. Le voci confermate vengono iniettate come blocco citato di dati, non di istruzioni; quelle con un kind vanno in file arbitrari e non raggiungono mai il prompt. Il prompt viene riletto dal disco a ogni assemblaggio: le modifiche si applicano senza riavvio. Preset: istantanee JSON condivisibili. Senza dipendenze, rete o shell.

Memoria di team auto-evolutiva come semplice Markdown in git: un plugin nativo Cordis che registra 38 strumenti di memoria bare-name più una sezione di segnali di prompt rivalutata ad ogni assemblaggio, con rinforzo RPE, decadimento e consolidamento durante il sonno; condivide un repository dati con i suoi host Claude Code (MCP) e OpenClaw; verificato con DSH 0.1.0-rc.6.

Memoria di team auto-evolutiva come semplice Markdown in git: un plugin Cordis nativo che registra 38 strumenti di memoria dal nome semplice più una sezione di segnali del prompt rivalutata a ogni assemblaggio, con rinforzo RPE, decadimento e consolidamento durante il sonno; condivide un unico repository dati con i suoi host Claude Code (MCP) e OpenClaw; verificato con DSH 0.1.0-rc.6.

Valutatore sicuro di espressioni matematiche, con parser a discesa ricorsiva a dipendenza zero.

Controller di autoevoluzione con priorità alle evidenze: generazione delimitata di candidati Cordis, ammissione one-shot del Loader reale, valutazione Harbor e una discendenza journaled ripristinabile dopo un arresto anomalo.

Una finestra Chrome visibile per sessione DSH: 16 strumenti chrome_* (open/status/close/navigate/tabs/snapshot/screenshot/click/click_at/fill/type/press_key/hover/scroll/evaluate/wait), una tab Chrome nella Web GUI con vista screencast live (fallback screenshot-heartbeat per pagine idle), gestione tab, controlli finestra e una cronologia screenshot.

Plugin di valutazione degli asset dati con metodi basati sui costi (costo di sostituzione) e sul reddito.

Controlla da DeepSeek Harness il browser headless Moli installato localmente: fetch renderizzato, valutazione JavaScript, Markdown, alberi semantici, screenshot e PDF. Un selettore CSS restituisce un contenitore invece dell’intera pagina; secondo le misurazioni dell’autore, nelle pagine elenco usa 40–80 volte meno token. Lo scroll attiva il lazy loading. Installa Moli se assente. L’autore riferisce test con un motore reale su Windows, Linux e macOS.

Plugin di configurazione LSP Lua per DeepSeek Harness che usa lua-language-server.

Toolkit di dati finanziari per agenti DSH: formattazione di numeri e valute (incluse le unità cinesi wan/yi), calcoli di rendimento e CAGR, rapporti di valutazione e redditività, PV/FV, metriche di rischio e una checklist per la qualità dei dati.

Plugin proattivo di scheduling multi-modello: intake segnali multi-fonte con dedup e ranking di urgenza, motore decisionale a quattro vie execute/defer/dismiss/ask-user, generazione piano DAG con esecuzione parallela di modelli, riflessione qualità con retry automatico e switch di modello, memoria a lungo termine per pattern di task e lezioni, ed evoluzione della strategia tramite algoritmi genetici con valutazione sandboxed e rollout canary.