Gedächtnis

Eine Wissensdatenbank im Obsidian-Stil: Quellen einlesen, den LLM ein vernetztes Wiki aufbauen und pflegen lassen und Fragen stellen, die darauf basieren.

Memo — Sitzungsspeichersuche für DeepSeek-Harness-Agenten: sitzungsübergreifender Volltext-Abruf (memo_search), destillierte Notizen (memo_remember) und Korpus-Statistiken (memo_stats) über den offiziellen sessionQuery-Dienst. Keine Infrastruktur, lokal-zuerst.

Local-first Agent Experience Network für DeepSeek Harness: destilliert Task-Level-Erfahrungen aus Traces und Live-Manifesten, bewertet sie anhand von H0-H4-Evidenz, entdeckt sie per Kompatibilität und befördert sie erst nach explizitem Review.

Ein super-vereinfachtes LLM-Wiki-Gedächtnis-Plugin: ein Indexdokument (automatisch geladen) + eine Markdown-Datei pro Thema (nur bei Bedarf gelesen) – kein Dumpen des gesamten Inhalts in den Context und Tokenverbrennung. Einfach und leichtgewichtig, schmerzfrei zu installieren/deinstallieren und beliebig frei editierbar.

Memory Lake als persistente Memory-Schicht für dsh: Tools memory_search, memory_remember und memory_forget über die memorylake-CLI, eine Sitzungs-Statuszeile sowie geführte Setup-/Diagnose-Skills, mit einer gemeinsamen ~/.memorylake-Identität und Memory-Menge für die Claude-Code- und Codex-Plugins.

Menschlich lesbare Markdown-Speicher für DeepSeek Harness: Speicher auf Benutzerebene (~/.deepseek-harness/MEMORY.md) + Workspace-Ebene-Speicher, der in jedem Turn injiziert wird, automatische tägliche Log-Erstellung mit Destillation, Brücke zu bestehenden WorkBuddy/CodeBuddy-Speicherverzeichnissen, memory_note / memory_note_user / memory_read-Tools mit eingebautem Deduplizieren und eine zweisprachige Einstellungsseite. Klartextspeicherung, keine Datenbank.

Bindet Gedächtnis, Skills und Konfiguration von Claude Code an DeepSeek Harness an — ohne Migration, voll kompatibel.

Sitzungsübergreifender Gedächtnistresor: Tools remember / recall / forget, Prompt-Injektion pro Runde und ein Eintrags-Browser auf der Einstellungsseite.

dsh-ecolink DSH-Anpassungsschicht: direkter Lesezugriff auf den lokalen Gedächtnispool, Injektion vor dem Schritt (Bewertung + Budget + Deduplizierung je Sitzung), Filterung nach #Gedächtnisname, Anbindung an das Gedächtnis-Ökosystem der Weboberfläche

Agentische Antwortprüfung für DeepSeek Harness: Jeder letzte Turn des Assistenten wird von einem separaten LLM mit 1–100 bewertet; Ergebnisse unterhalb der Schwelle lenken den Agenten mit konkreten Hinweisen zurück. Die Punktzahl erscheint als Chip in der Aktionszeile der Antwort (grün bestanden / rot: Überarbeitung nötig, mit Anzahl der Wiederholungen und Grund beim Darüberfahren). Konfiguration des Gates live über einen HTTP-Server auf 127.0.0.1, dazu ein eingeklapptes Dock über dem Eingabefeld und ein optionaler Tab in der rechten Seitenleiste über dsh-better-sidebar.

Gesteuertes Langzeitgedächtnis für DeepSeek Harness: ein ausschließlich erweiterbares Evidenzprotokoll mit Schreibschutz, Behauptungen mit 7 Autoritätsstufen, Ablösungsketten und budgetierter Injektion vor jedem Schritt mit Kontingenten pro Domäne.

Persistentes Fünf-Ebenen-Speichersystem mit Relevanzinjektion, automatischer LLM-Extraktion, Profilrotation und sechs Agenten-Tools.

Langzeit-Markdown-Gedächtnis über Sessions hinweg mit LLM-Wiki-Struktur und SOUL.md-Persona, beim Sessionstart injiziert (standardmäßig erst nach der ersten Nutzernachricht und nur in der aktiven Session), dazu remember/recall/consolidate/forget, eingebetteter Memory-Skill und Pack/Unpack-Migration. Zudem Beobachtbarkeit und Pflege: ein Boot-Block-Budget pro Datei schützt die Index-Routingtabelle vor Kürzung, automatische last_access-Stempel machen Salienz-Verfall wirksam, ein schreibgeschütztes Memory-Health-Dashboard, ein deklarativer Index-Compiler, ein interaktiver Memory-Graph, Cross-Link-Vorschläge und ein `checkup`-Bericht mit priorisierter Aufgabenliste.

Verfolgt den Zustand des Agenten als Yogācāra-Mentalfaktoren über einen dauerhaften Seed-Speicher und speist ihn als Neigung aus Ich-Perspektive in den Prompt zurück.

Sitzungsübergreifender Klartext-Speicher: deterministic BM25-Schlüsselwort-Wiederherstellung (keine Embeddings), Werkzeuge memory_save/list/search/confirm/forget hinter einem human-confirm-Gate, sowie globale und projektbezogene JSON-Speicher, die deinem git-Repo folgen.

Leitet jede Aufgabe an ein Modell und ihre Überprüfung an ein anderes weiter, mit Qualifikationsnachweisen, Failover und einem dauerhaften Journal.

Ein Urteilskern für DeepSeek Harness: eine Kognitionsschleife, die jeder Entscheidung Quelle und Zuordnung gibt und die Planung bis zum Abschluss treibt, ein Hippocampus-Gedächtnis, das laufende Erfahrung zu wiederverwendbarem Wissen verdichtet, und eine anpassbare Persona-Karte (Name, Persönlichkeit, Kommunikationsstil). Erfordert DSH ^0.1.0-rc.7.

Persistente Endeavour- und Challenger-Peer-Sessions für DeepSeek Harness, die planen, sequenzielle Aufgaben ausführen und gemeldete Ergebnisse verifizieren.

J-Space Cognition Suite SV1 als natives Agent-Preset und eigenständiges Cordis-Plugin: 13 Module, persistenter Controller und entkoppelter Workspace.

Sitzungsübergreifendes Gedächtnis für DeepSeek Harness: Agenten speichern, suchen und aktualisieren Nutzerpräferenzen, Fakten und Projektentscheidungen; wichtige Einträge werden in spätere Sessions injiziert, und ein Einstellungsbereich listet, bearbeitet, archiviert oder löscht sie.

Notebooks-Plugin (cordis).

Persistente Identitätsschicht für DeepSeek Harness

Lese-Archiv für dsh: nach dem Lesen von Open-Source-Code schnelle Notizen erfassen oder ausführliche Tiefennotizen schreiben, die sich zu einer Karte pro Repo / Datei / Symbol gruppieren und als nur anhängbares Log von Markdown-Notizen gespeichert werden, die du in Obsidian öffnen kannst; Verlauf abfragen, letzte Lektüren durchsuchen oder im eigenen Obsidian-Vault suchen und verwandte Notizen mit einem Lese-Eintrag verknüpfen. Neun Tools, ein /codevault-Befehl und ein Code-Lese-Skill.