Gedächtnis

Begrenztes, geschichtetes, genehmigungspflichtiges und auditierbares sitzungsübergreifendes Gedächtnis: eine typisierte `ctx.memory`-Schnittstelle mit einem abhängigkeitsfreien SQLite-Provider, einem `memory`-Tool und der Injektion eingefrorener Snapshots, plus die Erprobung von dsh-memory-protocol v1 mit einer Adapter-Registry und einer verteilbaren Konformitäts-Suite.

Langzeitgedächtnis für DSH-Agenten — dauerhafte, inspizierbare Erinnerungen mit Abruf-, Such-, Durchsuch- und Wissensgraph-Tools, Import aus zehn anderen KI-Coding-Tools und eine Einstellungsseite.

Modellgesteuerte Kontextkomprimierung (Active Context Pruning) für DeepSeek Harness: Das Modell entscheidet, wann und was komprimiert wird.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert dich über Sitzungen hinweg, konsolidiert sich im Schlaf selbst (autoDream), friert widersprüchliche Erinnerungen für deine Prüfung ein und führt ein wiedergabefähiges Audit-Protokoll. Offline-first lokale semantische Suche über SQLite mit manuell editierbaren Markdown-Spiegeln, ein Entity-Graph, ein interaktives Gedächtnis-Panel sowie eine externe API und CLI.

Das Gedächtnis, das träumt — sitzungsübergreifendes Gedächtnis für DeepSeek Harness: erinnert sich über Sitzungen hinweg, konsolidiert sich im Schlaf (autoDream), friert widersprüchliche Erinnerungen für die Prüfung ein und führt eine wiederabspielbare Prüfspur. Offline-first lokale semantische Suche über SQLite mit menschenlesbaren Markdown-Spiegeln, einem Entitätengraphen, einem interaktiven Gedächtnis-Panel sowie externer API und CLI.

Aktuelle Unterhaltungen bleiben lebendig. Ältere verblassen zu Zusammenfassungen, nicht ins Nichts. StrataGate gibt DeepSeek Harness ein sechsschichtiges, zeitverfallendes Gedächtnis, während dauerhafte Ereignisse und Beziehungen in einem Wissensgraphen landen. Bring deine Erinnerungen aus anderen AIs mit – du musst nicht von vorn anfangen.

Proaktive assoziative Gedächtnisfunktion für DSH: injiziert an einer festen Grenze promptfreies Recall, mit dreischichtiger Auto-Konsolidierung, Skill-Kristallisierung und Astra-artigem Kontextmanagement. Enthält Übergabeprotokolle und ein PLAN-Whiteboard, die Fensterwechsel des Kontexts überstehen, sowie Wasserstandserkennung mit automatisch erkanntem Modellfenster. Lokale Markdown-Speicherung, modellagnostisch, null Abhängigkeiten; lexikalische 0-GB-Untergrenze mit optionalen semantischen Ebenen.

Kausaler Speicher für dsh: eine abhängigkeitfreie MCP-stdio-Brücke, die die 17 Tools des causal-memory-Servers unter klaren Namen (ohne Präfix mcp__) einbindet — Entscheidung-→-Ergebnis-Kanten mit typisierten Beziehungen (caused / enabled / prevented) in einem lokalen SQLite-Speicher, der Kompaktierungen übersteht — plus ein angehefteter System-Prompt-Abschnitt. Erfordert die Binärdatei des causal-memory-Servers im PATH (pip install causal-memory oder ein vorkompiliertes Release).

DeepSeek-Harness-Integration für OpenContext mit dauerhaftem sitzungsübergreifendem Speicher, automatischer Prompt-Erfassung und -Abruf, Sitzungszusammenfassungen, strukturierten Erkenntnissen und Dokumentenabruf.

Auto-Memory im Claude-Code-Stil, nativ: typisierte Memory-Dateien (user/feedback/project/reference) mit einem MEMORY.md-Index, der automatisch in den System-Prompt injiziert wird (kein Footprint im leeren Zustand); memory_write/read/list/delete folgen den Schreibregeln von Claude Code (Deduplizieren-und-Aktualisieren, absolute Datumsangaben, Querverweise); Ebenen auf Workspace- und Nutzer-Scope, prozessübergreifendes File-Locking mit Recovery verwaister Locks, reines Markdown auf der Platte, keine externen Dienste, keine Embeddings.

Sitzungsübergreifende Speicher-Engine für DeepSeek Harness: SQLite-Speicher + von Menschen editierbarer Markdown-Spiegel, autoDream-Konsolidierung, Offline-Semantiksuche (lokale Vektorisierung/Reranking/Clustering), Entität-Attribut-Zeitachse, Sleep Mode, autoSummarize mit benutzerdefiniertem Modell und 7 Speicherwerkzeuge.

Reines Plugin für DeepSeek Harness: sitzungsübergreifendes Gedächtnis (fünf Spuren), Git-Branch-Erkennung, Selbstprüfung je Runde, weiterentwickelnde Skills mit Skill-Manager, vierspurige To-dos, COI-Scheduling, Sitzungs-Broadcast/-Suche, Prompt-Manager, Notizen — ohne Kernänderungen/Abhängigkeiten.

Lokaler Obsidian-Vault als Wissensspeicher des Agenten, mit schreibgeschützten DSH-Tools, die Status, Preference, Correction, Memory, Project, Search und Suggest auf die passende Seite routen.

Lokaler Obsidian-Tresor als Wissensspeicher des Agenten, mit schreibgeschützten DSH-Tools, die Status, Präferenz, Korrektur, Speicher, Projekt, Suche und Vorschlag an die passende Seite weiterleiten.

Ein deepseek-harness-Plugin, das Ihren Agenten in einem angepassten Git-Repository weiterentwickelt.

Rein lokaler Projektspeicher ohne mitgelieferte Laufzeitabhängigkeiten oder externe Dienste: JSON als Single Source of Truth plus generiertes PROJECT_MEMORY.md, tokenbegrenzter, sitzungsgefrorener Hot Memory für stabile Prompt-Präfix-Caches, gecachter BM25-Recall projektübergreifend, vertrauenswürdige Sitzungs-/Turn-Herkunft, erklärbare Governance von Duplikaten/Konflikten vor dem Schreiben, editierbarer Lebenszyklus aus Wichtigkeit/Pin/Tags/Ablösung/Archiv, konfigurierbare Destillation am Ende von Top-Level-Turns sowie ein zweisprachiges Web-GUI für Suche, Inspektion, Diagnose und Live-Einstellungen.

Automatische Unterhaltungs-Destillation: Reflexion durch einen Hintergrund-Subagenten plus Erstellen/Aktualisieren von Skills.

Verbindet das von Claude Code inspirierte Auto Memory mit der von Codex inspirierten Session-Konsolidierung und bringt so einfaches, transparentes und kontexteffizientes Langzeitgedächtnis zu DeepSeek Harness.

Langzeitgedächtnis für DeepSeek Harness: Mehrkanal-Abruf und ein sich weiterentwickelnder Speicher.

dsh mit einem lokalen Obsidian-Vault verbinden: Notizen über `obsidian_*`-Tools suchen, lesen, schreiben, verschieben und in den Papierkorb legen.

StrataGate verleiht DeepSeek Harness einen sich weiterentwickelnden, local-first-Langzeitspeicher für Benutzereinstellungen, Projektentscheidungen, Konversationen und Werkzeugergebnisse über Sitzungen hinweg; es schichtet den Verlauf mit vom Benutzer einstellbarem Zeitverfall, verstärkt Erinnerungen durch tatsächliche Antworteinsätze, zeigt arbeitsbereichsbezogene Nutzungszähler und hält abgerufene Belege bis zu ihren ursprünglichen Nachrichten zurückverfolgbar.

Langzeitgedächtnis für DSH: Gespräche werden automatisch in atomare Fakten, Szenenzusammenfassungen und ein Persona-Profil destilliert, wobei relevante Erinnerungen vor jedem Modellschritt injiziert werden. Ohne Konfiguration sofort einsatzbereit — hybride BM25- + Vektor-Recherche, optionale lokale Offline-Embeddings, Trennung von Chat-/Arbeits-Familien.

Projektgedächtnis für dsh mit nativer Task-System-Integration: Session-To-dos und Dateilesevorgänge werden automatisch zu sitzungsübergreifenden Task-Datensätzen verdichtet (Task↔Datei-Links), sodass Workflows umschalt- und fortsetzbar sind, ohne erneut Kontext aufzubauen. Gedächtnis zur Lesezeit (kein Vorab-Scan): extrahiert Codesymbole, fasst Dokumentation zusammen und verknüpft Doku↔Symbole; optionale TS-Semantik-Erweiterung (automatisch aktiv, wenn TS installiert ist). Erfahrungsnotizen werden automatisch dedupliziert. Jeder Abruf enthält eine nachvollziehbare Zitierung. Reines JS, eine Abhängigkeit, sofort einsatzbereit, stiller Betrieb, null Overhead.

Automatische Kontextkompression für DeepSeek Harness: komprimiert Tool-Outputs, bevor sie das Modell erreichen, und hält jede verlustbehaftete Kompression via CCR-Retrieval-Tools reversibel.