Plugins

Quatro ferramentas somente leitura sobre uma base de conhecimento WeKnora: listar bases de conhecimento, busca híbrida de passagens, reagrupar os chunks de um documento em ordem, e a resposta RAG citada ou de agente ReAct própria do WeKnora com id de sessão retomável.

Ferramentas de recuperação de conhecimento WeKnora para DeepSeek Harness (dsh): busca semântica, leitura de documentos e respostas RAG/agente sobre suas próprias bases de conhecimento.

Pacote apenas de configuração que monta o Ouroboros por meio do cliente MCP do DSH, expondo 36 ferramentas de fluxo de trabalho de entrevista, Seed, execução, avaliação e evolução no DSH.

Plugin de segurança para engenharia reversa e pentest em um único pacote: estreitamento de ferramentas na primeira rodada, roteamento por domínio e 33 ferramentas cobrindo APK, web, binários nativos, protocolos, malware e amostras de LLM — com playbooks de desempacotamento, contorno de licenças e antianálise, mecanismo de avaliação H-CoT (roteamento semântico, comando /hcot), bancada web com prateleira de ferramentas orientada por livro-razão, fluxo de casos em disco (cadeia de evidências persistida automaticamente, achados validados numerados com E, retomada após compactação), descoberta externa de ferramentas baseada no GitHub e 361 documentos de referência sob demanda.

Kit de ferramentas de P&D quantitativa para DeepSeek Harness — 59 ferramentas em seis domínios cobrindo dados de mercado, indicadores, avaliação de fatores, validação walk-forward de ML, risco (VaR/CVaR/drawdown/Beta com Kupiec POF), opções, títulos, FICC e simulação de fundos, com um pipeline de pesquisa ponta a ponta PDAT→PET.

Controla seu Chrome real a partir do DSH por um bridge WebSocket local: gerenciamento de abas, navegação, snapshots DOM, avaliação JS de página, cliques, digitação, screenshots, esperas e tratamento de diálogos atrás de um alternador em Configurações.

Bancada de pesquisa de A-share local-first para DeepSeek Harness: painéis de mercado, watchlists, valuation, quatro agentes investidores, relatórios versionados e chat contínuo pós-relatório.

Plugin de controle de avaliação DSH no host: injeta variáveis, limites de orçamento, raiz da sessão e linhagem de fork de cada teste no processo do agente; encaminha chamadas de modelo por um host broker sob gateway lease e grava um bundle descriptor com versão de esquema para atribuir evidências.

OMK — Observe. Measure. Know. Mudanças de conhecimento respaldadas por evidências para aplicações de IA.

Harness de avaliação para plugins do DSH: casos em YAML conduzem execuções reais do agente em modo headless, com asserções sobre chamadas de ferramentas, argumentos, resultados e uso de tokens, além de um gate de baseline para regressão em CI.

Controlador de autoevolução com prioridade em evidências: geração limitada de candidatos Cordis, admissão de Loader real de tentativa única, avaliação Harbor e uma linhagem journalizada retomável após falhas.

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.

Kit de ferramentas de dados financeiros para agentes DSH: formatação de números e moedas (incluindo unidades chinesas wan/yi), cálculos de retorno e CAGR, rácios de avaliação e rentabilidade, PV/FV, métricas de risco e uma lista de verificação de qualidade de dados.

Plugin proativo de agendamento multi-modelo: ingestão de sinais multi-fonte com dedup e classificação de urgência, um motor de decisão de quatro vias executar/adiar/dispensar/perguntar ao usuário, geração de plano DAG com execução paralela de modelos, reflexão de qualidade com retry automático e troca de modelo, memória de longo prazo para padrões de tarefa e lições, e evolução de estratégia via algoritmos genéticos com avaliação em sandbox e rollout canário.

Executa 3 ou 5 candidatos de coding agent em worktrees Git desanexados, valida seus patches com comandos do projeto, classifica apenas os candidatos aprovados e exige aprovação separada antes de aplicar o vencedor.

Pesquisa de ações A da China: busca por ticker, anúncios em qualquer intervalo de datas, cartões de relatórios financeiros, perfis de avaliação e explicações de fatores de sinal (~5.000 ações desde 2011, serviço público de dados somente leitura), além de uma ferramenta de link para um produto externo de sandbox de negociação.

Runtime de visão auditável e Computer Use multiplataforma para DeepSeek Harness com evidência que preserva a fonte.

Consultor de avaliação e melhoria de PR: avalia a probabilidade de sucesso de PR com base em antipadrões históricos e padrões de sucesso, com pontuação num clique e sugestões acionáveis.

Pipeline diário automatizado de conteúdo para Insta360 GO 3S: captura remota BLE/WiFi de filmagens de aquário, importação sem fio, avaliação de qualidade ffmpeg com registro de decisões, edição automática (seleção de segmentos, narração TTS, música, legendas) e upload no Bilibili via biliup (dry-run por padrão).

Atuário de seguros — executa cálculos atuariais reais (avaliação de reservas de vida e P&C sob C-ROSS II BEL+RM, teste de lucro NBV/VNB/IRR, valor embutido EV, precificação e reserva por triângulo de sinistros), não apenas explicações.

Executa experimentos reproduzíveis de perfil e patch do DSH com criação guiada de casos, asserções, relatórios de comparação na Web, recuperação e barreiras de política.

Um plugin de meta-agente nativo do modelo para o DeepSeek Harness: o modelo sintetiza workflows específicos da tarefa em tempo de execução a partir de cinco padrões de workflow agêntico (encadeamento de prompts, workers paralelos, roteador, supervisor, ciclo de avaliação) e coordena ferramentas 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.