Плагины

Четыре инструмента только для чтения поверх базы знаний WeKnora: список баз знаний, гибридный поиск фрагментов, повторная сборка чанков одного документа по порядку и собственный ответ RAG или ReAct-агента WeKnora с возобновляемым идентификатором сессии.

Инструменты поиска знаний WeKnora для DeepSeek Harness (dsh): семантический поиск, чтение документов и ответы RAG/агента по вашим собственным базам знаний.

Пакет, состоящий только из конфигурации, который подключает Ouroboros через MCP-клиент DSH, предоставляя в DSH 36 инструментов для интервью, Seed, выполнения, оценки и эволюционных рабочих процессов.

Единый комплект-плагин для реверс-инжиниринга и пентеста: сужение инструментов на первом ходе, маршрутизация по доменам и 33 инструмента, охватывающих APK, веб, нативные бинарники, протоколы, вредоносное ПО и образцы LLM — с плейбуками по распаковке, обходу лицензий и противодействию анализу, движком оценки H-CoT (семантическая маршрутизация, команда /hcot), веб-верстаком с полкой инструментов на основе реестра, дисковым рабочим процессом кейсов (автосохраняемая цепочка доказательств, пронумерованные валидированные находки E, возобновление после сжатия), внешним поиском инструментов на базе GitHub и 361 справочным документом по запросу.

Квантовый R&D-набор инструментов для DeepSeek Harness — 59 инструментов в шести доменах: рыночные данные, индикаторы, оценка факторов, walk-forward ML validation, риск (VaR/CVaR/просадка/Beta с Kupiec POF), опционы, облигации, FICC и моделирование фондов, с end-to-end конвейером исследований PDAT→PET.

Управление вашим реальным Chrome из DSH через локальный мост WebSocket: управление вкладками, навигация, снимки DOM, выполнение JS на странице, клики, ввод текста, скриншоты, ожидания и обработка диалогов за переключателем в Настройках.

Локальное рабочее место исследования A-акций для DeepSeek Harness: рыночные дашборды, списки наблюдения, оценка, четыре инвестор-агента, версионированные отчёты и непрерывный чат после отчёта.

Плагин управления оцениванием DSH на хосте: передаёт процессу агента переменные попытки, лимиты бюджета, корень сессии и lineage fork; направляет вызовы модели через host broker под gateway lease и записывает версионированный по схеме bundle descriptor для атрибуции доказательств.

OMK — Observe. Measure. Know. Подтверждённые доказательствами изменения знаний для приложений ИИ.

Тестовая среда оценки для плагинов DSH: YAML-кейсы запускают реальные безголовые прогоны агента, проверяют вызовы инструментов, аргументы, результаты и использование токенов, с базовым порогом для регрессий в CI.

Контроллер самоэволюции с приоритетом доказательств: ограниченная генерация кандидатов Cordis, однократный приём настоящего Loader, оценка Harbor и журналируемая родословная с возможностью возобновления после сбоя.

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.

Набор инструментов финансовых данных для агентов DSH: форматирование чисел и валют (включая китайские единицы wan/yi), расчёт доходности и CAGR, коэффициенты оценки и рентабельности, PV/FV, метрики риска и контрольный список качества данных.

Проактивный плагин мультимодельной диспетчеризации: приём мультиисточниковых сигналов с дедупликацией и ранжированием срочности, движок решений из четырёх направлений (выполнить/отложить/отклонить/спросить пользователя), генерация DAG-планов с параллельным выполнением моделей, рефлексия качества с автоматическим повтором и сменой модели, долгосрочная память о паттернах задач и уроках, эволюция стратегии через генетические алгоритмы с песочничной оценкой и канареечным развёртыванием.

Запускает 3 или 5 кандидатов кодинг-агентов в отдельных Git worktrees, проверяет их патчи командами проекта, ранжирует только прошедших и требует отдельного одобрения перед применением победителя.

Исследование китайских акций класса A: поиск тикеров, объявления за любой диапазон дат, карточки финансовых отчётов, профили оценки и объяснения сигнальных факторов (~5 000 акций с 2011 года, публичный сервис данных только для чтения), а также инструмент перехода к внешнему продукту-песочнице для торговли.

Проверяемая среда исполнения для зрения и кросс-платформенного Computer Use для DeepSeek Harness с сохраняющими источник доказательствами.

Консультант по оценке и улучшению PR: оценивает вероятность успеха PR на основе исторических анти-паттернов и успешных паттернов, с оценкой в один клик и практическими рекомендациями.

Автоматизированный ежедневный конвейер контента для Insta360 GO 3S: удалённая BLE/WiFi-съёмка аквариумных видео, беспроводной импорт, оценка качества ffmpeg с журналом решений, автоматический монтаж (выбор сегментов, закадровый голос TTS, музыка, субтитры) и загрузка на Bilibili через biliup (по умолчанию dry-run).

Страховой актуарий — выполняет реальные актуарные расчёты (оценка резервов по страхованию жизни и P&C по C-ROSS II BEL+RM, тестирование прибыли NBV/VNB/IRR, встроенная стоимость EV, ценообразование и резервирование по треугольникам убытков), а не только пояснения.

Запускает воспроизводимые эксперименты с профилями и патчами DSH: пошаговое создание случаев, утверждения, веб-отчёты сравнения, восстановление и проверки политик.

Нативный мета-агентный плагин для DeepSeek Harness: модель на лету синтезирует рабочие процессы под конкретную задачу из пяти агентных паттернов (цепочка промптов, параллельные воркеры, маршрутизатор, супервизор, цикл оценки) и координирует инструменты и субагентов

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.