プラグイン

低コストな動画理解ツール。video_understand ツールが Bilibili リンク / BV / ローカル動画を AVIS 情報層（ASR + シーン構造 + オブジェクト追跡 + YOLO ラベル）に変換し、要約 + Q&A を返す。質問主導のレイヤー間ダイナミックルーティング（L0 ASR / L1 オブジェクト追跡 / L2 キーフレーム VLM）、繰り返し質問向けの意味レイヤー再利用、質問ごとの予算上限を備える。Python エンジン: コア層には faster-whisper / opencv / yt-dlp が必要（約200-300MB）。任意の意味層を追加すると torch / transformers / ultralytics が約2GB 増える。付属の doctor --fix が venv をセットアップし、両方をインストールする。

Bilibili動画をAI向け構造化テキストに変換。メタデータ、コメント、弾幕、字幕、ローカルASR、フレームOCRを取得する。処理はローカルで行いクラウドへアップロードしない。偽字幕をフレーム確認で検出し、キャッシュで再読込を高速化、AI向けマニフェストと要約を出力。フレームOCRにはffmpegが必要。ローカルASR/OCRにはPython 3.10以降のvenvが必要で、WindowsではVC++ランタイムも必要。AI字幕にはBilibiliログインが必要。

上流のppt-masterプレゼンテーションスキル一式を、インストール可能なDeepSeek Harnessプラグインとして同梱します。スキルはバイト単位でそのまま収録し、3つのライフサイクルツール（ppt_master_info、ppt_master_check_env、ppt_master_setup_deps）、任意のvenvインタープリター分離、Pluginsページの設定カードを備えます。python3 >= 3.10と、ppt_master_setup_depsで入れるpip依存関係が必要です。

jev-decision-kitワークスペースのローカルJEVモデルがターンごとに選ぶスキル選択プレフィックスを注入し、エージェントが参照探索せず必要なスキルだけを読み込みます。別途セットアップ済みのjev-decision-kitワークスペース（Python .venv、host/preface_worker.py、models/jev/head.json）が必要です。なければ何も注入しません。

蘭亭 CLI コマンドのツール化 + L0 ガード：記憶面 9 ツール + 品質面 6 ツール（defineTool 登録、spawn venv _cli.py）+ 直接書き込み/直接呼び出しガード

DSH向けBilibiliライブ弾幕。配信チャットを読み、明示的な確認後のみ送信し、バックグラウンドでルームに滞在します。返信するかモデルに任せる設定や、配信音声の文字起こしも任意で利用できます。動画内容の理解には対応しません。Python 3仮想環境と同梱requirements、Bilibili cookieが必要。文字起こしにはffmpegとWhisperエンジンも必要です。

自然言語入力、measure/wireframe/fit付きlive 3D viewport、STEP export、管理されたCPython venv経由でNVIDIA usd-brepを操作するagent toolを備えたNURBS BRep solid modeling studio。CPython 3.12が必要。usd-brep wheelは64-bit Windows/Linuxのみ。

DeepSeek Harness のプロジェクト別ランタイム環境：プロジェクトローカルの Python venv（.venv_local/python）を自動採用または作成し、各プロジェクトが使うランタイム（python venv / node / go）のツールチェーンと環境変数を組み込みます — python と pip は常にプロジェクトに解決され、黙ってシステム Python に落ちることはありません。

バイオインフォマティクス「願いどおりの分析」プラグイン：BioPython 全機能カバー（任意コードエグゼキューター bio_python + 14 領域スキル）＋高頻度セマンティックツール＋ゼロ依存セルフブートストラップ Python 環境（uv + venv + biopython をプラグインのプライベートディレクトリへ自動ダウンロード）。ユーザーはダウンロードしてインストールするだけで願いどおりの分析が可能。

A durable RAG-enhanced long-term memory layer for LLM agents, featuring holographic memory, state-slot conflict detection, and timeline retrieval. Requires Python 3.10+ and this repository's Python dependencies: create a venv and run pip install -e ".\[dev]" in the checkout before enabling the plugin (the bundled installer is a PowerShell script, i.e. Windows).

deep-read論文ライブラリとpaper-deepread-html skillを同梱します。サイドバーで対話型読解レポートを閲覧し、PDFを管理ライブラリにアップロードし、agentまたは任意のサイト自動読解workerで深く読み、ライブラリの管理・再構築ができます。model toolはpaper_deepread、paper_deepread_uploads、paper_deepread_reports。深読・取り込み・レポート作成にはPython 3が必要です（同梱skillが初回にPyMuPDF venvを準備。index再構築はplain python3へfallback）。

mem0とローカルChromaストアを基盤とする長期記憶です。ユーザープロフィールと想起した事実をsystem promptに注入し、セッション終了時に記録します。夜間処理で重複除去、言い換えの統合、矛盾の解消を行い、Markdownカードの永続トピックグラフを作成します。Gitリポジトリへ定期エクスポートし、検索、一括統合、スナップショット、取り消し機能付きの全画面記憶UIも備えます。利用前にPython venvを手動で設定し、LLMと埋め込みAPIキーを用意する必要があります。

組み込みbash実行器を置き換え、各コマンドの作業ディレクトリごとに環境を解決します。PATHへの先頭追加、Python venvの有効化、mise shimsを設定でき、Web UI設定に専用セクションがあります。

音声入力プラグイン（dual-face）：入力欄の送信ボタン横のマイク、ホスト管理のローカルQwen3-ASR PythonサービスへPCMを送る録音バブル、ASR環境設定ページ（ランタイム／モデルのリポジトリをcloneし、venvを作成）。