Gedächtnis

Ein Markdown-Notizmanager für DSH: vollständiger **MD-Notizmanager** und **MD-Notizeditor**, erfasst Konversationen schnell als Notizen, verwaltet Notizen durch **Synchronisierung mit Git-Repositorys** und **bringt Notizen in den Konversationskontext**.

Semantische Suche, Ressourcenverwaltung, automatischer Abruf (duale Räume für Benutzer und Agent) und Sitzungsspeicher für DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob über viking://-URIs, Ressourcenverwaltung mit memadd/memremove, memqueue-Beobachterstatus, memcommit-Sitzungserfassung und memlearn-Skill-Playbook-Erstellung.

Das Gedächtnisorgan von Agent-Body: Nach 2 Minuten Stille geht es in leichten Schlaf, nach 5 Minuten in Tiefschlaf, wo deterministische Regeln echte Erfahrung zu Gedächtniskarten destillieren (Fallstricke, Playbooks, Hotspots, ungelöste Probleme, Fakten). Eingehende Befehle rufen verwandte Karten per Schlüsselwort ab und injizieren sie in den Kontext; lange ungenutzte Karten verfallen mit einer Halbwertszeit und werden archiviert statt gelöscht. Außerdem entrauscht es körperweite Homöostase-Warnungen: Wiederholungen innerhalb eines Fensters werden gezählt statt erneut ausgegeben, und eine Warnung, die immer wiederkehrt, ohne je zu heilen, konvergiert zu einem bekannten Steady-State-Offset und verstummt. Konsolidierung und Abruf machen keine Modellaufrufe.

Ein in sich geschlossenes zweites Gehirn für DeepSeek Harness — erfasst dauerhaftes Dialogwissen automatisch in einem lokalen Markdown-Tresor (benutzerdefinierte Deduplizierung, CJK-Suche, git-freundlich), mit einer grafischen Wissensdatenbank und einem interaktiven Wissensgraphen (Legendenfilter, Zeitachsen-Färbung, Box-Auswahl, Zusammenführen, Löschen, PNG-Export/-Import).

Wandelt lokale Markdown- und Textdokumente in eine abfragbare Wissensdatenbank mit hybrider semantischer und Stichwortsuche, Zitatverifizierung und Quelleninjektion um.

Persistentes KI-Gedächtnis, gestützt auf einen lokalen Obsidian/Codex-Tresor: fünf obsidian_memory_*-Lese-/Schreib-/Suchtools plus ein Tresor-Browser in der Seitenleiste.

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

Bietet lokale und entfernte Wissensdatenbanken mit projekt- und sitzungsumfassendem Abruf, kontrolliertem Zurückschreiben und einer eingebetteten Web-Verwaltungskonsole.

Lass die KI merken, wie du denkst, nicht was du gesagt hast: sie erfasst aktiv deine Prinzipien, roten Linien und Arbeitsgewohnheiten über Sitzungen hinweg — mit Gedächtniskapazität, sanftem Verfall und menschenlesbarer Begründung für jeden Eintrag. 0.7.0 bringt ein intuitives Persona-Porträt mit Nachweisverfolgung.

Selbstgebautes DSH-Gedächtnis-Plugin: SQLite-Persistenzspeicher + Audit-Wächter auf Datenbankebene (enforceAudit) + Audit-Protokoll. Erfasst Wissen nach Gesprächen automatisch, Agenten erinnern per memory_recall, Unterstützung für Multi-Agent-Teilen mit Claude Code/Codex/Cursor. Null externe Abhängigkeiten.

Sitzungsübergreifendes Langzeitgedächtnis unter der Metapher des „Gedächtnispalasts“: SQLite-Speicher mit doppeltem Geltungsbereich (Benutzer + Projekt je Git-Ursprung), hybride Suche aus FTS5 und lokalen Vektoren mit RRF-Fusion und Aufwertung des Rankings nach Aktualität/Nachweis, automatische Erfassung aus dem Sitzungsprotokoll (einschließlich des letzten Turns), Herkunftsprüfketten, Verdichtung durch Konsolidierung und Vergessen durch Verfall sowie ein Panel „Gedächtnisbibliothek“ auf der Einstellungsseite mit Korridortopologie, Rundgangsbutler und Renovierungsliste.

Bridge zur ShiGuang Memory Engine (SGME): agentenübergreifendes gemeinsames Langzeitgedächtnis über HTTP — L0/L1/L1.5/L2-Destillation, szenariobasierte Injektion, einheitliche Suche und proaktive Care-Signale (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installierbar als `dsh-sgme`.

DeepSeek Harness (DSH) Cross-Session-Gedächtnis-Plugin: Markdown-Projektgedächtnis, bei dem das Dialogmodell während der Arbeit mitprotokolliert; unterstützt progressive Offenlegung thematischer Dateien, optionale stille Hintergrund-Destillation, projektweise Isolierung und ein per Hot-Update aktualisiertes Einstellungsfenster. Der Mechanismus ist an Claude Code auto memory angelehnt. | Vom Agenten gepflegtes Markdown-Gedächtnis über Sitzungen hinweg: Themen-Dateien mit progressiver Offenlegung, optionale stille Destillation, Isolierung pro Projekt. An Claude Code angelehnt.

DSH-native Integrationsschicht für die Minta-Speicher-Engine: setzt die offizielle dsh-mcp-client-Zeile zusammen, registriert die Skill minta-memory-governance sowie ein Speicher-Prewarm zu Sitzungsbeginn und liefert ein Minta-Agent-Preset mit; erfordert die separat bereitgestellte Minta-Engine (Python/Docker), die die 19 MCP-Tools bereitstellt — ohne diese nicht verwendbar.

Plugin für Langzeitgedächtnis und Selbstentwicklung für DSH: L0-Erfassung → L1-Gedächtnisextraktion → L2-Szenengruppierung → L3-Nutzerpersona, automatische Erinnerungsinjektion, Skill-Synthese, vollständig lokal (SQLite FTS5 + jieba, optionaler Vektorabruf).

Selbstentwickelnder Team-Speicher als reines Markdown in Git: Ein natives Cordis-Plugin, das 38 Bare-Name-Speicher-Tools plus einen bei jeder Assemblierung neu bewerteten Prompt-Signale-Abschnitt registriert, mit RPE-Verstärkung, Abklingung und Schlafkonsolidierung; teilt ein Daten-Repository mit seinen Claude Code (MCP)- und OpenClaw-Hosts; verifiziert gegen DSH 0.1.0-rc.6.

Selbstentwickelndes Team-Gedächtnis als reines Markdown in git: ein natives Cordis-Plugin, das 38 Speicher-Tools mit einfachem Namen sowie einen bei jedem Assembly neu bewerteten Prompt-Signale-Abschnitt registriert, mit RPE-Verstärkung, Zerfall und Schlafkonsolidierung; teilt sich ein Daten-Repository mit seinen Claude-Code-(MCP)- und OpenClaw-Hosts; verifiziert mit DSH 0.1.0-rc.6.

Fügt dem DSH-Webclient ein Mehrbenutzer-Einstellungsfeld hinzu: Auswahl des Nutzungsmodus, Mitgliederverwaltung mit Online-Status und Gerätebindung sowie Wechsel oder gemeinsame Nutzung der Speicher- und Wissensbasen pro Mitglied.

Fügt /pua hinzu, um den Agenten anzuleiten, vor der Erklärung der Fertigstellung einen anderen Ansatz zu versuchen und die Ergebnisse zu verifizieren, mit 15 Firmenstilen, Persona-Modi, globalen und pro Konversation geltenden Einstellungen sowie einer optionalen Schleife, die fortläuft, bis ein Verifikationsbefehl besteht, das Iterationslimit erreicht ist oder der Benutzer abbricht.

Umkehrbare Kontextverschlankung für DeepSeek Harness: TOON-artige verlustfreie tabellarische Neukodierung gleichförmiger JSON-Arrays, per Stride abgetastete Tabellenfenster mit Zeilennummern und Cross-Turn-Deduplizierung für wiederholte Tool-Ausgaben; jeder Ersatz passiert ein Byte-plus-Token-Gate (≤72 % Bytes, strikt weniger geschätzte Tokens), und das Original wird hinter einem `[save-token #id]`-Hinweis auf die Festplatte ausgelagert und ist in einem Aufruf über das `save_token_expand`-Tool abrufbar, mit Abrechnung und vermiedener Token-Messung auf einem Einstellungs-Dashboard.

Sitzungsübergreifendes Gedächtnis mit deterministischem Recall ohne Tokenverbrauch (Bigram-Jaccard mit FTS5-BM25 via RRF kombiniert, chinesischbewusste Tokenisierung), Verstärkung, die wiederholte Beobachtungen stärkt, und Prozeduren, die zu SKILL.md-Dateien kristallisiert werden und vor Ort durch einen aktiv-veraltet-archivierten Lebenszyklus mit rückgängig machbarer Archivierung und Wiederherstellung verfeinert werden. Ingest und Disposal bieten jeweils eine vom Nutzer gewählte Autonomie-Stufe; Konflikte und Schreibvorgänge mit hoher Wichtigkeit gehen immer zur menschlichen Prüfung, und nichts wird jemals automatisch gelöscht. Erfordert Node 22.5+.

Lokal-erster persistenter Speicher für DeepSeek Harness: begrenzte Pre-Step-Hot-Memory-Injektion, exakter und chinesischer Bigramm-BM25-Cold-Recall, sechs Agent-Werkzeuge, genehmigungsgesteuerte Lease-Lock-Schreibvorgänge mit Recovery-Quittungen sowie read-only Governance- und Trajectory-Review-Kandidaten.

Getreuer Port des hermes-agent MEMORY.md/USER.md-Mechanismus für DSH: begrenzter Dual-Bank-Speicher (2200/1375 Zeichen), ein einzelnes `memory`-Tool (add/replace/remove/batch), Frozen-Snapshot-Injection pro Sitzung, Nudge-Erinnerungen, DSH-nativer JSON-Speicher — null externe Abhängigkeiten, null LLM-Kosten.

DeepSeek-Harness-Plugin, das sich über HTTP mit einem PowerContext-Server verbindet — für Recall, Gedächtnis, Handoff, Erfahrung und Skills.