Plugin

Applica branding OpenQuantum, metadati del browser e asset PWA all'interfaccia web nativa di DeepSeek Harness.

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.

Best practice per gli algoritmi quantistici.

Preset modalità esperto DeepSeek Harness (v0.9.2, npm dsh-expert-mode, EN/ZH): coordinatore + 17 subagenti esperti con delega automatica. Funzioni: taskboard (stati pending/ready/running/done/failed, DAG dipendenze, rivendicazione atomica, retry, ripristino), gate qualità (pipeline 5 fasi: requisiti, implementazione, verifica, revisione, integrazione; 2 rilavorazioni), Five-Anchor (revisione/convergenza/anti-deriva/cooperazione/risorse), Near-distance (modello identità/compito/output), divulgazione progressiva (~28% risparmio token), persistenza, bus P2P, revisione incrociata, pool esperienza, via rapida, auto-retry. 17 esperti: dati, copywriting, legale, PM, frontend, UI/UX, architetto, social, growth, fin. quant., backend, DevOps, DB, QA, sicurezza.

Plugin DeepSeek Harness (dsh) per l'analisi azionaria, lo screening e il backtesting di strategie sui mercati A/HK/US/JP/KR/TW

Plugin «scrittura mono-core» per DeepSeek Harness: strumenti meticolosamente semplificati e output irrobustito per modelli piccoli quantizzati, adatto a eseguire pipeline di romanzi lunghi in locale con modelli on-device.

Skill di analisi e screening azionario A-share: quotazioni in tempo reale, punteggi di timing tecnico, segnali di acquisto/vendita e una watchlist gestita.

Preset RigorQuant + pacchetto di skill: ricerca multi-agente isolata e senza supervisione per matematica empirica e computazionale (economia, finanza, portafoglio), con una batteria di controlli in quattro parti prima dell'implementazione e un percorso di escalation jacobiano/Lean

Plugin di previsione azionaria bayesiana che fonde MACD, RSI, medie mobili, volume e altri segnali tecnici in una probabilità a posteriori di rialzo, con confronto multi-orizzonte, classificazione dello stato di trend e metriche di rischio di posizione per azioni A e USA.

Strumenti DSH per riprodurre e validare il benchmark CPU del protocollo v1 di ml-quant-trading, quindi redigere un report pronto per una issue. Richiede un clone locale di initial-d/ml-quant-trading (impostato come workspace o repoPath) oltre a Python e PyTorch; questo plugin non scarica il repository né installa le sue dipendenze.

Banco di lavoro quantitativo per azioni A / azioni di Hong Kong: lista di titoli preferiti, grafici a candele, dati aziendali, configurazione delle strategie e backtest. · Banco di lavoro quantitativo per azioni cinesi di tipo A e di Hong Kong per DeepSeek Harness.

Banco di lavoro quantitativo finanziario e ticker azionario: palla flottante e pannello a cassetto, quotazioni in tempo reale dei mercati A/HK/US/globali, linee K multiperiodo e grafici intraday a 5 giorni, book degli ordini di profondità, flusso di capitali, mappa termica settoriale e ricerca sugli investimenti con IA.

Instrada le richieste OpenRouter attraverso un elenco di provider e un limite di quantizzazione configurati, iniettati come provider.only/order con allow_fallbacks, oltre a provider.quantizations.

Command-triggered red/blue adversarial review for ANY plan (not quant-specific). /plan-adversarial <plan>: arms a gate that requires the agent to derive two independent subagents (red=attack, blue=defend), have them converge on a consensus plan with NO th

SparkElf-maintained fork of dsh-quant: AI-native & DSH-native quant toolkit — 59 tools across 6 pluggable domains (data/alpha/ML/risk/execution), one end-to-end PDAT→PET research pipeline. Fork adds A-share-correct annualization, cross-sectional IC, and u

DeepSeek Harness plugin that exposes QBoson Kaiwu Ising solving as an agent-callable solve_ising tool.

A plugin for dsh: quantify every dsh Agent interaction as a visualized performance metric and automatically sync it to WakaTime -- use data to showcase your productivity with Agent.

Ranks OpenRouter providers for the current DSH model by quantization, speed, cache-heavy price, context, and uptime, with one-click switching to help reduce token costs.

Community DSH plugin for constrained, auditable diePi research backtests