Plugins

Hindsight, ein lernendes Agenten-Gedächtnis: Langzeit-Projektgedächtnis mit automatischem Abruf und Speicherung, Wissensseiten, tiefgehender Reflexion und repository-spezifischen Speicherbänken.

Liest die Session-Dateien, die dreiunddreißig andere Coding-Agents auf dieser Maschine bereits geschrieben haben — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed und mehr — auch Sessions von vor der Installation: sechs Tools (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), ein /deja-Befehl und optionales automatisches Recall im Runtime-Kontext. Lokaler BM25-Index, kein LLM, keine Embeddings, kein Netzwerk (dsh plugin --profile web add dsh-deja).

Bringt die Sitzungshistorie von neunzehn anderen Codieragenten in DeepSeek Harness: Abruf, Sitzungszusammenfassung und Pro-Datei-Historien-Tools über einen lokalen Index, plus optionaler automatischer Abruf vor jedem Schritt.

MemOS-Cloud-Lebenszyklus-Speicher-Plugin für DeepSeek Harness

PLUR-Speicher für DeepSeek Harness – Engramme werden direkt in den Prompt injiziert, kein Tool-Aufruf erforderlich

Anatomie-Panel für die Agent-Body-Organe: liefert ein Live-Vitalwerte-Dashboard unter /anatomy direkt im Harness selbst – Organe, Herzschlag, Heilungsjournal, Selbsttrainings-Zähler und der echte Pulsstrom – direkt aus den Laufzeitdateien gelesen statt neu eingetippt. Nur Host, kein Client-Bundle und kein Build-Schritt.

Zero-residence-Kontext-Engine: Große Tool-Payloads werden aus dem aktiven Kontext in einen abfragbaren Speicher ausgelagert, sodass nur deterministische Zeiger zurückbleiben und die Prompt-Tokens pro Turn nicht mehr mit dem Transkript wachsen. Maskierte Inhalte werden auf Anforderung wörtlich aus dem Sitzungsprotokoll rekonstruiert – anhand der Tool-Call-ID oder der Session-Seq.

Organkern von Agent-Body: Plugins als ein einziger Körper. Jeder Befehl wird ein Nervenimpuls, der deterministisch das zuständige Organ innerviert und die Fähigkeit benennt; ein Herzschlag mit variablem Intervall pumpt Betreiber-Direktiven, Propriozeption und Homöostase-Warnungen systemweit; Reflexbögen feuern ohne Modellaufruf; Fehler folgen einer deterministischen Zuordnung (Tool, Argumente, Berechtigung, Timeout, Netz), einem Rezept und einer Nachprüfschleife, Argumentfehler werden nie automatisch wiederholt. Ein fehlendes Organ kompensiert das mit der größten Fähigkeitsüberschneidung, und Tool-Schemata werden nach der aktuellen Absicht gefiltert (gemessene Reduktion 84,7 %, im Repo reproduzierbar). Dies ist das Kern-Plugin-Paket im agent-body-Repository.

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.

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.

Plugin-Koordinationsschicht: Plugins deklarieren ihre Fähigkeiten, Befehle werden ohne Model-Aufruf an das zuständige Plugin geroutet, Tool-Schemas werden bei Bedarf geladen, um Prompt-Tokens zu sparen, die Run-Historie verdichtet sich im Leerlauf zu Langzeitgedächtnis, und Fehler werden vor jedem Retry klassifiziert.

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.

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.

TencentDB Agent Memory-Integration mit Konversationsaufzeichnung, strukturierter Memory-Extraktion, automatischem Abruf sowie Tools für Memory- und Gesprächssuche.

Mnemosyne memory for DeepSeek Harness: remember / recall / forget / stats / sleep tools, embedded skill, auto-setup, optional auto-sync/prefetch, and a Settings panel. Data lives under ~/.dsh/mnemosyne.

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

Memory plugin with built-in governance for DeepSeek Harness

Native memory for DeepSeek Harness — auditable facts with evidence chains, powered by StateCore