플러그인

저비용 영상 이해 도구. video_understand 도구가 Bilibili 링크 / BV / 로컬 영상을 AVIS 정보 계층(ASR + 장면 구조 + 객체 추적 + YOLO 라벨)으로 변환하고 요약 + Q&A를 반환한다. 질문 주도형 계층 간 동적 라우팅(L0 ASR / L1 객체 추적 / L2 키프레임 VLM), 반복 질문용 의미 계층 재사용, 질문별 예산 상한을 갖춘다. Python 엔진: 코어 계층에는 faster-whisper / opencv / yt-dlp가 필요하며(~200-300MB), 선택적 의미 계층을 추가하면 torch / transformers / ultralytics가 약 2GB 더 든다. 번들된 doctor --fix가 venv를 설정하고 둘 다 설치한다.

Bilibili 동영상을 AI용 구조화 텍스트로 변환합니다. 메타데이터, 댓글, 탄막, 자막, 로컬 ASR, 프레임 OCR을 처리합니다. 로컬에서 처리해 클라우드에 업로드하지 않으며, 프레임 검사로 미끼 자막을 감지하고 캐시로 재조회 속도를 높여 AI용 매니페스트와 요약을 만듭니다. 프레임 OCR에는 ffmpeg가 필요합니다. 로컬 ASR/OCR에는 Python 3.10+ 가상환경이 필요하고 Windows에서는 VC++ 런타임도 필요합니다. AI 자막에는 Bilibili 로그인이 필요합니다.

상위 ppt-master 프레젠테이션 스킬을 설치형 DeepSeek Harness 플러그인으로 감쌉니다. 스킬 파일은 바이트 단위로 그대로 포함하며 수명 주기 도구 3개(ppt_master_info, ppt_master_check_env, ppt_master_setup_deps), 선택적 venv 인터프리터 격리, Plugins 페이지 설정 카드를 제공합니다. python3 >= 3.10과 ppt_master_setup_deps로 설치하는 pip 의존성이 필요합니다.

jev-decision-kit 워크스페이스의 로컬 JEV 모델이 턴마다 선택한 스킬 선택 서문을 주입해, 에이전트가 탐색하지 않고 해당 스킬만 불러오게 합니다. 별도로 설정된 jev-decision-kit 워크스페이스(Python .venv, host/preface_worker.py, models/jev/head.json)가 필요합니다. 없으면 아무것도 주입하지 않습니다.

란팅 CLI 명령 도구화 + L0 가드: 기억면 9개 도구 + 품질면 6개 도구(defineTool 등록, spawn venv _cli.py) + 직접 쓰기/직접 호출 가드

DSH용 Bilibili 라이브 채팅입니다. 실시간 채팅을 읽고 명시적으로 확인한 뒤에만 메시지를 보내며 백그라운드로 방에 머뭅니다. 모델이 답장 여부를 정하도록 하거나 스트림 오디오를 텍스트로 받아쓰는 기능은 선택 사항입니다. 영상 이해는 지원하지 않습니다. Python 3 가상환경, 번들 requirements, Bilibili 쿠키가 필요하며 받아쓰기에는 ffmpeg와 Whisper 엔진도 필요합니다.

자연어 입력, measure/wireframe/fit이 있는 실시간 3D viewport, STEP export, 관리형 CPython venv에서 NVIDIA usd-brep를 구동하는 agent 도구를 갖춘 NURBS BRep 솔리드 모델링 스튜디오입니다. CPython 3.12 필요. usd-brep wheel은 64비트 Windows/Linux만 지원합니다.

DeepSeek Harness의 프로젝트별 런타임 환경: 프로젝트 로컬 Python venv(.venv_local/python)를 자동 채택하거나 만들고, 각 프로젝트가 쓰는 런타임(python venv / node / go)의 툴체인과 환경 변수를 연결합니다 — python과 pip은 항상 프로젝트로 해석되며 조용히 시스템 Python으로 넘어가지 않습니다.

생물정보학 '소원식 분석' 플러그인: BioPython 완전 기능 커버(임의 코드 실행기 bio_python + 14개 도메인 skill) + 고빈도 의미 도구 + 제로 의존성 자체 부트 Python 환경(uv + venv + biopython을 플러그인 프라이빗 디렉터리에 자동 다운로드). 사용자가 다운로드하여 설치하는 즉시 소원식 분석 가능.

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 논문 라이브러리와 paper-deepread-html skill을 포함합니다. 사이드바에서 대화형 읽기 보고서를 탐색하고 PDF를 관리형 라이브러리에 업로드해 에이전트(또는 선택적 사이트 자동 읽기 worker)로 심층 분석하며 라이브러리를 관리하거나 다시 빌드합니다. model tool은 paper_deepread, paper_deepread_uploads, paper_deepread_reports입니다. 심층 읽기/가져오기/보고서 빌드에는 Python 3이 필요합니다(번들 skill이 첫 사용 시 PyMuPDF venv 준비, 색인 재빌드는 plain python3로 대체).

mem0와 로컬 Chroma 저장소 기반의 장기 기억입니다. 사용자 프로필과 회상한 사실을 system prompt에 주입하고 세션 종료 시 수집합니다. 야간 처리로 중복 제거, 바꿔 쓴 문장 병합, 모순 해결을 수행하며 Markdown 카드로 지속되는 주제 그래프를 기록합니다. Git 저장소에 주기적으로 내보내고 검색, 일괄 병합, 스냅샷, 실행 취소가 있는 전체 페이지 메모리 UI를 제공합니다. 사용 전에 Python venv를 수동 설정하고 LLM 및 임베딩 API 키를 준비해야 합니다.

기본 bash 실행기를 대체해 각 명령의 작업 디렉터리에 맞는 환경을 설정합니다. PATH 앞부분 추가, Python venv 활성화, mise shims를 구성할 수 있으며 Web UI 설정에 전용 섹션이 있습니다.

음성 입력 플러그인(dual-face): 입력창 전송 버튼 옆의 마이크, 호스트가 관리하는 로컬 Qwen3-ASR Python 서비스로 PCM을 스트리밍하는 녹음 말풍선, ASR 환경 설정 페이지(런타임/모델 저장소 clone 및 venv 생성)를 제공합니다.