Plugins

Competências de investigação em 3D Gaussian Splatting / NeRF / computação gráfica: 18 competências de IA (leitor de artigos, comparação de métodos, planeador de experiências, revisor de código, depurador de treino, visualizador, renderizador MCP, etc.) sobre um catálogo selecionado de 1011 métodos, mais um servidor MCP stdio para renderização 3DGS orientada por agentes.

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Treinamento heads-up (1 contra 1) de Texas Hold’em com oponente de IA independente, memória persistente das ações públicas e revisão das decisões.

Autoaperfeiçoamento noturno para seu agente DeepSeek Harness: colete sessões anteriores off-line, repita tarefas recorrentes com seu próprio orçamento de API e consolide habilidades validadas por trás de uma barreira de validação separada. Leva o mecanismo SkillOpt-Sleep de microsoft/SkillOpt ao dsh como ferramentas nativas e uma habilidade incluída — sem treinamento de pesos. Requer Python 3.10+ e o mecanismo SkillOpt-Sleep (pip install skillopt).

Edição em inglês da Lei de Weiwen (Lei do KISS): o primeiro middleware de adjudicação causal de caixa branca agnóstico de domínio para agentes de IA. Ao contrário de ferramentas de causalidade de domínio (estatística/economia/ML) ou firewalls de agente com barreira de evidências, adjudica *toda* chamada de ferramenta ao longo de uma cadeia causal estrutural determinística (R->S->D->H->M) antes da execução — em qualquer domínio, sem treinamento nem ajuste por domínio. Bloqueia operações destrutivas e em arquivos de credenciais, escala violações de limite repetidas, corta elos falhos até serem corrigidos e verificados, e emite vereditos de risco sobre execução não auditável; roda totalmente local, com custo zero de API.

Lê os relatórios do agente com a voz escolhida e resume os longos antes de falar. Um clipe de referência de 3–10 s basta para clonar uma voz; modelos treinados pela comunidade também funcionam. Não exige instalar 6,4 GB do GPT-SoVITS: o plugin instala runtime e voz próprios. Um GPT-SoVITS existente pode ser usado com o mesmo modelo de voz.

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.

Verifica um registro de qualificações de segurança do canteiro: horas de treinamento, os quatro elementos de registro obrigatórios e validade do certificado de operação especial conforme as datas trabalhadas.

Simulador de debate multiagente em chinês: oito debatedores, discussão ao vivo em duas colunas e notas de rascunho, juízes/placar, relógio de um lado e ZIP por rodada. Lado de treino encerra por limite de taxa de vitória ou número fixo de rodadas. Inclui pacote preparatório Word.

Painel local de escalares TensorBoard com métricas selecionáveis, direção de melhoria explícita, suavização EMA opcional e UI chinês/inglês. Requer Python e TensorBoard existentes.

Loop de autoaperfeiçoamento com três papéis: Data-RSI faz limpeza cross-sectional diária (winsorize→padronização→median fill) e extrai experiência; Harness-RSI evolui prompt/memória/skills; Model-RSI evolui receitas alpha via walk-forward nativo com gap de 2 dias e multi-seed. Offline em um comando, GPU automática, um skill.

Ambiente de treinamento jurídico: interface acadêmica de três painéis que lê o perfil de aprendizagem “Minglü” (predefinição lawagent: dossiês de casos, cartões de estudo, caderno de respostas erradas e notas) e envia instruções à sessão Minglü com um clique.

AlphaRSI: ciclo de autoaperfeiçoamento com três funções que evolui a receita de treinamento de modelos de sequência alfa. Operator executa walk-forward, Evaluator avalia com OOS RankIC e Refiner propõe hiperparâmetros via busca bayesiana TPE; só mantém receitas estritamente melhores. Execução offline com um comando, pacote de dados reconciliado por sha1 e detecção automática de GPU. Inclui uma skill.

Certificação de treinamento: formação padronizada externa, reproduzível, atribuível e auditável para precificação de ativos. Bloqueia com rigor quatro falhas: atualização parcial, hash divergente, leitura desconhecida tratada como aprovada e contaminação do mestre. Inclui um Skill.

Etapa completa de análise, treinamento de modelos e estimação para pesquisa de precificação de ativos e aprendizado de máquina. Inclui uma skill.

Kit de aprendizagem de algoritmos que sincroniza envios do Codeforces e AtCoder, identifica pontos fracos, gera planos de treino com IA e acompanha revisões espaçadas em um currículo de 114 aulas.