Плагины

Исследовательские навыки для 3D Gaussian Splatting / NeRF / компьютерной графики: 18 ИИ-навыков (чтение статей, сравнение методов, планирование экспериментов, проверка кода, отладка обучения, визуализация, MCP-рендерер и др.) для тщательно собранного каталога из 1011 методов, а также MCP-сервер stdio для рендеринга 3DGS агентами.

Панель анатомии для органов Agent-Body: предоставляет живую панель показателей жизнедеятельности по адресу /anatomy внутри самого харнесса — органы, сердцебиение, журнал исцеления, счётчики самообучения и реальный поток пульса — считываемые напрямую из файлов среды выполнения, а не вводимые заново. Только хост, без клиентского бандла и без этапа сборки.

Тренировка heads-up (1 на 1) в Техасском холдеме с независимым ИИ-соперником, постоянной памятью публичных действий и разбором решений.

Ночное самоулучшение вашего агента DeepSeek Harness: офлайн-сбор прошлых сессий, повторное выполнение регулярных задач за счёт вашего API-бюджета и консолидация проверенных навыков за отложенным контрольным барьером. Добавляет в dsh движок SkillOpt-Sleep от microsoft/SkillOpt как нативные инструменты и встроенный навык — без обучения весов. Требуются Python 3.10+ и движок SkillOpt-Sleep (pip install skillopt).

Английское издание Закона Вэйвэня (Закона KISS): первое и единственное доменно-независимое промежуточное ПО белого ящика для причинно-следственного арбитража действий ИИ-агентов. В отличие от предметного инструментария причинного вывода (статистика/экономика/ML) или шлюзов агентов, отсекающих по доказательствам, оно арбитрирует *каждый* вызов инструмента по детерминированной структурной причинной цепочке (R->S->D->H->M) до выполнения — в любой предметной области, без обучения и настройки под домен. Блокирует разрушительные операции и работу с файлами учётных данных, эскалирует повторные нарушения границ, отсекает сбойные звенья до подтверждённого исправления и выдаёт оценки риска по непроверяемому выполнению; работает полностью локально без затрат на API.

Озвучивает отчёты агента выбранным голосом, предварительно сокращая длинные. Для клонирования достаточно образца голоса на 3–10 секунд; подходят и обученные сообществом модели. Не нужна отдельная установка GPT-SoVITS на 6,4 ГБ: плагин устанавливает собственную среду и голос. Можно использовать имеющийся GPT-SoVITS — модель голоса та же.

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.

Проверяет журнал квалификаций безопасности на объекте: часы обучения, четыре обязательных элемента записи и срок действия сертификатов специальных работ с учетом дат работы сотрудника.

Китайский multi-agent симулятор дебатов: 8 участников, обсуждение в двух колонках и черновые заметки, судьи/табло, часы одной стороны, ZIP каждой серии. Учебная сторона завершается по порогу побед или фиксированному числу раундов. Есть Word-пакет подготовки.

Локальная панель скалярных данных TensorBoard: выбор метрик, явное направление улучшения, необязательное сглаживание EMA, UI китайский/английский. Нужны Python-среда и TensorBoard.

Цикл самоулучшения с тремя ролями: Data-RSI ежедневно очищает срезы (winsorize→стандартизация→median fill) и извлекает опыт; Harness-RSI развивает prompt/memory/skills; Model-RSI — alpha-рецепты через нативный walk-forward с gap 2 дня и multi-seed. Офлайн одной командой, GPU auto-detect, один skill.

Рабочая среда для изучения права: академический интерфейс из трёх панелей читает учебный профиль «Minglü» (пресет lawagent: досье дел, карточки, журнал неверных ответов и заметки) и отправляет инструкции в сеанс Minglü одним нажатием.

AlphaRSI — цикл самоулучшения из трёх ролей для развития рецепта обучения моделей альфа-последовательностей. Operator выполняет walk-forward, Evaluator оценивает по OOS RankIC, Refiner предлагает гиперпараметры через байесовский поиск TPE; сохраняются только строго лучшие рецепты. Офлайн-запуск одной командой, комплект данных со сверкой sha1, автоопределение GPU. В комплекте одна skill.

Подтверждение обучения: воспроизводимое, атрибутируемое и проверяемое стандартизированное обучение оценке активов вне площадки. Строго блокирует четыре сбоя: частичное обновление, несовпадение хэша, неизвестное чтение как успешное и загрязнение master. В комплекте одна Skill.

Этап сквозного анализа, обучения моделей и оценивания для исследований ценообразования активов и машинного обучения. Включён один skill.

Набор для изучения алгоритмов: синхронизирует решения Codeforces и AtCoder, выявляет слабые места, создаёт планы обучения с ИИ и отслеживает интервальные повторения по программе из 114 уроков.