Plugins

Biomimetisches Speichersystem für DeepSeek Harness: ein einzelner SQLite-Speicher (node:sqlite, WAL), dessen Markdown-Baum als schreibgeschützter Spiegel geführt wird; Speicher-Tools, Injektion eingefrorener Snapshots zu Sitzungsbeginn, abgestufte Genehmigungsschwellen, bedarfsgesteuerte Extraktion der aktuellen Sitzung, Zusammenführung von Fast-Duplikaten, ein Archiv- und Überschreibungs-Lebenszyklus, Speicher-Stoffwechsel (dream), Speicher-Pins, semantisches Wiederauffinden über lokale Embeddings und der Befehl /memory.

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.

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

Superselfs self-CLI als modellseitige Tools (Projekt-Kontext, Work-Units, Reports, Decisions) plus ein /self-Befehl – sitzungs- und projektübergreifender Projektzustand außerhalb des Code-Repos.

Sitzungsübergreifendes Gedächtnis für DeepSeek Harness mit Governance, Selbstevolution und genehmigungspflichtigem Schreibpfad. Nach Hitze geordneter Abruf, Umgebungskonventionen, Vergessens-Lebenszyklus, Ablösungsketten, Poisoning-Abwehr, Auto-Destillation und eine offene Messung.

Vergessenskurven-In-Place-Dialogkomprimierung für DeepSeek Harness: Aktuelle Turns bleiben wörtlich, mittlere Turns werden strukturell dehydriert (ohne LLM), alte Turns werden in ein begrenztes Zusammenfassungspaar gefaltet — unbegrenzte Gespräche auf begrenztem Speicherbudget.

Dreistufiges Agenten-Gedächtnis-Harness: immer aktives L1 CLAUDE.md, L2-Index, L3-Detail-Skelett mit Vorlagen, ein Gate, das Schreibzugriffe auf geschützte Dateien ohne einmaliges Freigabe-Token blockiert, urteilsfreies Event-Logging, wöchentliche Destillation und eine TDD-Execution-Loop-Skill.

Projektdokumente und Langzeitgedächtnis als einfaches Markdown in einem dedizierten Obsidian-Vault: sechs mem_*-Tools (search, read, write, log, brief, admin), eine budgetierte Recall-Injektion beim ersten Schritt einer Session und automatische Destillierung abgeschlossener Turns. Obsidian muss nicht laufen, und der Vault bleibt auch mit deinstalliertem Plugin lesbar.

L-clone-Gedächtnis-Hook: DSH erfasst am Ende jedes Turns (turn/end) automatisch in ein externes Gehirn; die Schaltfläche „Gehirn-Dashboard“ in der Seitenleiste der Web GUI öffnet die Gedächtnis-Werkbank mit einem Klick.

Expliziter sitzungsübergreifender Arbeitszustand für DeepSeek Harness: Ziele, Entscheidungen und nächste Schritte, die automatisch aus Host-Ereignissen oder über ein modellsichtbares work_state-Tool erfasst werden, prüfbar mit /checkpoint.

Beobachtet die Ausführungsspuren des Agenten und löst bei jedem erfolgreichen Zugende eine LLM-Überprüfung aus, wenn Signale auslösen, kristallisiert wiederverwendbare Workflows in registrierte Skills, die sich bei späteren Durchläufen fortschreitend verbessern.

Von Menschen gesteuerte sitzungsübergreifende Gedächtnisräume mit unabhängigen Beziehungen zwischen Quellen und Verbrauchern, Herkunftsnachweis, Versionierung und Prüfung vor dem Einspielen.

DeepSeek-Harness-Plugin: Superselfs `self`-CLI als modellseitige Tools plus ein /self-Befehl — projektübergreifender und sitzungsübergreifender Projektzustand für Agenten.

Mehrschichtiger Dateispeicher für DeepSeek Harness mit arbeitsbereichsbezogenen USER/MEMORY-Notizen, Hintergrundkonsolidierung und hybrider Sitzungserinnerung.

Projektbezogenes, sitzungsübergreifendes Gedächtnis: PROJECT.md-Snapshot wird in die erste Nutzernachricht eingefügt, ein memory_remember-Tool sowie automatische Reflexion nach ReAct-Aufgaben; jedes Projekt führt seine eigene Gedächtnisdatei.

Begrenztes lokales Gedächtnis mit CBDC-Autoritätskontrolle: SQLite + FTS5-Claims, bereichsbezogener Abruf mit erklärbaren Use/Verify/Ignore-Entscheidungen und vollständigem Audit-Trail, /memory-Befehle, ≤3 Claims/1200 Zeichen Injektion pro Aufruf, kein zusätzlicher Modellaufruf.

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store

Lightweight zero-dependency memory plugin for DeepSeek Harness: Markdown-file memory store, L0 catalog injection, and 5 model-facing tools.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Evidence-governed experience memory for DeepSeek Harness

Memory Fortress for DeepSeek Harness: 5-track layered memory, self-evolution, knowledge graph (SQLite+FTS5), status pill. 本地记忆堡垒：五轨记忆·自我进化·知识图谱·状态灯。

Cross-session long-term memory for the DeepSeek Harness: a two-phase extraction/consolidation pipeline over a file-based memory workspace, recall injection, a citation feedback loop, lease-based job semantics, plus a settings page, a sidebar status panel

Canonical project memory for DeepSeek Harness: one governing article per asset, an append-only journal beneath it.

Self-tending living memory in one local SQLite file — a nightly patrol dedupes, merges, decays and cross-links entries on its own, with seven-signal RRF hybrid recall (FTS5 + jieba Chinese-first tokenization, optional vector KNN, graph PPR), a typed knowledge graph, conflict detection instead of silent overwrites, and web telemetry panels.