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.

Plugin di sicurezza per reverse engineering e pentest in un unico bundle: restringimento degli strumenti al primo turno, instradamento per dominio e 33 strumenti che coprono APK, web, binari nativi, protocolli, malware e campioni di LLM — con playbook per decompressione, aggiramento delle licenze e anti-analisi, motore di valutazione H-CoT (instradamento semantico, comando /hcot), banco di lavoro web con scaffale strumenti guidato da registro, flusso di casi su disco (catena di evidenze persistente automaticamente, risultati validati numerati con E, ripresa dopo compattazione), scoperta di strumenti esterni basata su GitHub e 361 documenti di riferimento on-demand.

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 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.

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.

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.

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.

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.

Esegue 3 o 5 candidati agenti di coding in Git worktree detached, valida le loro patch con comandi di progetto, classifica solo i candidati che passano e richiede un'approvazione separata prima di applicare il vincitore.

Ricerca sulle azioni A cinesi: ricerca per ticker, annunci per qualsiasi intervallo di date, schede di report finanziari, profili di valutazione e spiegazioni dei fattori di segnale (~5.000 azioni dal 2011, servizio dati pubblici in sola lettura), oltre a uno strumento di collegamento a un prodotto esterno di sandbox per il trading.

Runtime di visione e Computer Use multipiattaforma verificabile per DeepSeek Harness con prove che preservano la fonte.

Consulente per la valutazione e il miglioramento delle PR: valuta la probabilità di successo delle PR in base ad anti-pattern storici e modelli di successo, con punteggio in un clic e suggerimenti pratici.

Pipeline giornaliera automatizzata di contenuti per Insta360 GO 3S: acquisizione remota BLE/WiFi di riprese d'acquario, importazione wireless, valutazione qualità ffmpeg con registro delle decisioni, montaggio automatico (selezione segmenti, narrazione TTS, musica, sottotitoli) e caricamento su Bilibili tramite biliup (dry-run per impostazione predefinita).

Attuario assicurativo — esegue veri calcoli attuariali (valutazione delle riserve vita e P&C secondo C-ROSS II BEL+RM, profit testing NBV/VNB/IRR, valore embedded EV, pricing e riserve per triangoli di sinistri), non solo spiegazioni.

Esegue esperimenti riproducibili su profili e patch DSH con creazione guidata dei casi, asserzioni, report Web comparativi, ripristino e controlli delle policy.

Un plugin meta-agente nativo del modello per DeepSeek Harness: il modello sintetizza a runtime flussi di lavoro specifici per il task a partire da cinque pattern di workflow agentici (concatenazione di prompt, worker paralleli, router, supervisore, ciclo di valutazione) e coordina strumenti e subagent

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.