Plugins

Suite von Recherche-Agenten: langfristige Zielsteuerung mit auditierbaren Belegketten, Cron-Scheduling, Multi-Agent-Expertenteams, sich selbst weiterentwickelndem Recherche-Gedächtnis (FTS5 + RRF-Recall), Projekt-Workspaces und einer eigenen Workspace-UI.

General-purpose knowledge base for DSH: import md/txt/json/yml/docx/pdf, folder management, FTS5 full-text search (BM25), and a Web management UI.

Long-term memory & self-evolving plugin for DSH: L0 capture → L1 memory extraction → L2 scene grouping → L3 user persona, auto recall injection, skill synthesis, fully local (SQLite FTS5 + jieba, optional vector recall).

Ein gemeinsamer Obsidian-Vault für jeden Agenten: abhängigkeitsfreier Python-Kern (search/promote/adjudicate/forget), Vault-Vorlage, dsh-Plugin (memory_search/show/submit/status).

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.

Erstellt prüfbare Wissensdatenbank-Pakete (SQLite FTS5) aus md/txt/docx/pdf mit deterministischem Retrieval und Lesen des Originaltexts.

Gedächtnis-Backend aus Vektor + Graph: Tools observe/remember/search/recall gegen einen lokalen memoria-Server, das per RRF-Ranking semantischen HNSW-Abruf, FTS5-Schlüsselwortsuche und Wissensgraph-Signale kombiniert, mit automatischer Persistierung am Rundenende und Namensraum-Isolation pro Agent.

Durchsucht, listet und liest vergangene und aktuelle Sitzungen über den harness-eigenen `sessionQuery`-Dienst: nutzt den SQLite-FTS5-Index, wo eine Installation ihn aktiviert, und weicht sonst auf einen begrenzten Scan von den neuesten Einträgen aus.

Sitzungsübergreifendes Gedächtnis für das Modell: durchsucht alle vergangenen Sitzungen per Volltext (SQLite FTS5 über ctx.sessionQuery) und bringt die am besten passenden Auszüge zurück in den aktuellen Kontext.