플러그인

3D Gaussian Splatting / NeRF / 컴퓨터 그래픽스 연구 스킬 모음입니다. 논문 읽기, 방법 비교, 실험 계획, 코드 검토, 학습 디버깅, 시각화, MCP 렌더러 등 AI 스킬 18개를 엄선된 1011개 방법 카탈로그에 제공하고, 에이전트가 3DGS 렌더링을 제어하는 stdio MCP 서버도 포함합니다.

Agent-Body 장기를 위한 해부 패널: 하네스 자체 내부의 /anatomy에서 실시간 바이탈 대시보드를 제공합니다. 장기, 하트비트, 치유 원장, 자기 훈련 카운터, 실제 펄스 스트림을 다시 입력하지 않고 런타임 파일에서 직접 읽어옵니다. 호스트 전용이며 클라이언트 번들도 빌드 단계도 없습니다.

독립적인 AI 상대와 하는 1대1 텍사스 홀덤 훈련입니다. 공개 행동 기록을 지속적으로 기억하고 의사결정 리뷰를 제공합니다.

DeepSeek Harness 에이전트를 위한 야간 자기 개선: 과거 세션을 오프라인으로 수집하고, 자체 API 예산으로 반복 작업을 재생하며, 보류 데이터 게이트를 통과한 검증된 스킬을 통합합니다. microsoft/SkillOpt의 SkillOpt-Sleep 엔진을 네이티브 도구와 번들 스킬로 dsh에 제공합니다. 가중치 학습은 없습니다. Python 3.10+ 및 SkillOpt-Sleep 엔진(pip install skillopt)이 필요합니다.

위원의 법칙(Weiwen's Law, KISS의 법칙) 영문판: AI 에이전트를 위한 최초이자 유일한 도메인 독립적 화이트박스 인과 판정 미들웨어. 도메인 특화 인과 추론 도구(통계/경제/ML)나 증거 게이트형 에이전트 방화벽과 달리, 실행 전에 결정론적 구조적 인과 사슬(R->S->D->H->M)을 따라 *모든* 도구 호출을 판정합니다 — 어떤 도메인이든 훈련이나 도메인별 튜닝 없이 동작합니다. 파괴적 작업과 자격 증명 파일 작업을 차단하고, 반복되는 경계 위반을 에스컬레이션하며, 검증되어 수정될 때까지 결함 연결을 끊고, 감사할 수 없는 실행에 위험 판정을 내립니다. 완전 로컬 실행, API 비용 없음.

선택한 음성으로 에이전트 보고를 읽고 긴 보고는 음성 출력 전에 압축합니다. 음성 복제에는 3~10초 참조 클립이면 충분하며 커뮤니티 학습 모델도 쓸 수 있습니다. 6.4 GB GPT-SoVITS를 설치할 필요 없이 플러그인이 자체 runtime과 음성을 설치합니다. 기존 GPT-SoVITS를 사용할 수도 있으며 음성 모델은 동일합니다.

Endurance-coaching skill bundle that defaults to Intervals.icu for training data (activities, intervals, streams, training load, HRV, resting heart rate, sleep in-bed hours, eFTP) and uses COROS only for training-plan read/write and for fields Intervals.icu lacks (sleep score, recovery score), with iGPSPORT as a fallback for ride details. It turns that data into readiness gating, VDOT pace and heart-rate zones, periodized weekly plans, session reviews, race-day pacing and fueling, and weather-adjusted workouts. The bundle registers the endurance-coach skill in the profile, ships deterministic helper scripts, reads an athlete profile created by its init script, and requires the agent to state when data is unavailable instead of inventing it. Data comes through separately installed MCP servers — the Intervals.icu MCP server for training data, the dsh-coros plugin for training-plan read/write and sleep/recovery scores, an iGPSPORT MCP server only as a ride-detail fallback — and its bundled scripts need Python 3.10+; with none of them it works only from numbers you type in.

Bridges the official COROS MCP server into DeepSeek Harness with a self-contained local stdio-to-HTTP bridge and on-device OAuth login, exposing 34 COROS tools on the current endpoint for sleep, HRV, resting heart rate, recovery, training load, activities and FIT files, plus workout and training-plan CRUD and scheduling.

Local LoRA and QLoRA fine-tuning in a panel: import JSONL, see a VRAM estimate before training starts, evaluate, and export an adapter. One-click Python venv setup, but you must supply your own Python 3.10+ and an NVIDIA GPU (6 GB or more). Verified end to end on Windows 11 with an RTX 3060 6 GB; the installer refuses non-Windows hosts, so Linux, macOS and other GPUs are unsupported for now.

COROS Sport panel for DeepSeek Harness: sign in to COROS inside the panel, read the account, bound devices, recovery, fitness, recent workouts, daily health and the training schedule in one dashboard, and get a plan from the model with /coros-plan. The plan page writes a fixed four-week, 16-session plan to the account only after a two-step confirmation.

현장 안전 자격 원장에서 교육 시간, 필수 기록 요소 4개, 근무 날짜와 대조한 특수 작업 자격증 유효성을 확인합니다.

중국어 멀티 에이전트 토론 시뮬레이터다. 토론자 8명, 실시간 2열 토론/초안 메모, 심판/점수판, 한쪽 시계, 라운드별 ZIP 보관을 제공한다. 훈련 쪽은 승률 임계값 또는 고정 라운드 수로 종료 조건을 설정한다. Word 준비 패키지도 만든다.

기존 Python 환경과 TensorBoard가 필요하다. 로컬 TensorBoard scalar 대시보드에서 지표 선택, 개선 방향 명시, 선택형 EMA smoothing, 중국어/영어 UI를 제공한다.

3개 역할 자체 개선 loop와 operator: Data-RSI는 일일 cross-sectional cleaning(winsorize→cross-sectional standardization→median fill)과 경험 추출; Harness-RSI는 system prompt/memory/skills 발전; Model-RSI는 2일 gap·multi-seed의 framework-native walk-forward로 alpha 학습 recipe 발전. 오프라인 한 명령 실행, GPU 자동 감지, skill 1개.

법률 학습 작업대입니다. 3개 패널 학술 UI에서 “Minglü”(lawagent 프리셋) 학습 프로필(사건 자료, 플래시카드, 오답 노트, 메모)을 읽고 한 번의 클릭으로 Minglü 세션에 지시를 보냅니다.

AlphaRSI: 알파 시퀀스 모델의 학습 레시피를 발전시키는 3역할 자기 개선 루프입니다. Operator가 walk-forward를 실행하고 Evaluator가 OOS RankIC로 평가하며 Refiner가 TPE 베이지안 탐색으로 하이퍼파라미터를 제안합니다. 엄격히 더 나은 레시피만 유지합니다. 오프라인 단일 명령 실행, sha1 대조 데이터 번들, GPU 자동 감지를 제공하며 Skill 하나를 포함합니다.

교육 이수 증명: 자산 가격 책정의 외부 표준 교육을 재현 가능하고 귀속 추적 및 감사 가능한 방식으로 제공합니다. 4가지 실패 모드(부분 새로고침, 해시 불일치, 알 수 없는 읽기를 통과로 처리, 마스터 오염)를 엄격히 차단합니다. Skill 1개를 포함합니다.

자산 가격 및 머신러닝 연구를 위한 모델 분석·학습·추정을 처음부터 끝까지 수행하는 단계입니다. 스킬 하나를 제공합니다.

Codeforces와 AtCoder 제출을 동기화하는 알고리즘 학습 도구 모음입니다. 약점을 분석하고 AI 학습 계획을 생성하며 114개 강의 커리큘럼의 간격 반복 복습을 추적합니다.