Memoria

Memoria entre sesiones acotada, en capas, con aprobación obligatoria y auditable: una interfaz `ctx.memory` tipada con un proveedor SQLite sin dependencias, una herramienta `memory` y la inyección de instantáneas congeladas, además del ensayo de dsh-memory-protocol v1 con un registro de adaptadores y un conjunto de conformidad distribuible.

Memoria a largo plazo para agentes DSH: recuerdos duraderos e inspeccionables con herramientas de recuperación, búsqueda, navegación y grafo de conocimiento, importación desde otras diez herramientas de codificación con IA y una página de configuración.

Compresión de contexto guiada por el modelo (Active Context Pruning) para DeepSeek Harness: el modelo decide cuándo y qué comprimir.

La memoria que sueña — memoria entre sesiones para DeepSeek Harness: te recuerda de una sesión a otra, se autoconsolida mientras duerme (autoDream), congela los recuerdos en conflicto para tu revisión y mantiene un rastro de auditoría reproducible. Búsqueda semántica local offline-first sobre SQLite con réplicas Markdown editables por humanos, un grafo de entidades, un panel de memoria interactivo, además de una API externa y una CLI.

La memoria que sueña: memoria entre sesiones para DeepSeek Harness: te recuerda entre sesiones, se autoconsolida mientras duerme (autoDream), congela las memorias en conflicto para tu revisión y mantiene un rastro de auditoría reproducible. Búsqueda semántica local offline-first sobre SQLite con espejos Markdown editables por humanos, un grafo de entidades, un panel de memoria interactivo, además de API externa y CLI.

Las conversaciones recientes siguen vivas. Las antiguas se desvanecen en resúmenes, no en el olvido. StrataGate da a DeepSeek Harness una memoria de seis capas con decaimiento temporal, mientras los eventos y relaciones duraderos se asientan en un grafo de conocimiento. Trae contigo tus recuerdos de otras IA: no hace falta empezar de cero.

Memoria asociativa proactiva para DSH: inyecta recall sin prompt en un límite fijo, con auto-consolidación de tres capas, cristalización de skills y gestión de contexto al estilo Astra. Incluye libros de traspaso y una pizarra PLAN que sobreviven a los cambios de ventana de contexto, y detección del nivel de agua con una ventana de modelo autodetectada. Almacenamiento local en Markdown, agnóstico al modelo, sin dependencias; piso léxico de 0 GB con capas semánticas opcionales.

Memoria causal para dsh: un puente MCP stdio sin dependencias que monta las 17 herramientas del servidor causal-memory bajo nombres limpios (sin prefijo mcp__) — aristas decisión → resultado con relaciones tipadas (caused / enabled / prevented) en un almacén SQLite local que sobrevive a la compactación — más una sección de prompt del sistema fijada. Requiere el binario del servidor causal-memory en PATH (pip install causal-memory o una versión precompilada).

Integración de DeepSeek Harness para OpenContext con memoria duradera entre sesiones, captura y recuperación automática de prompts, resúmenes de sesión, percepciones estructuradas y recuperación de documentos.

Memoria automática al estilo Claude Code, de forma nativa: archivos de memoria tipados (user/feedback/project/reference) con un índice MEMORY.md inyectado automáticamente en el prompt del sistema (huella cero cuando está vacío); memory_write/read/list/delete siguen las reglas de escritura de Claude Code (deduplicar y actualizar, fechas absolutas, enlaces cruzados); capas por espacio de trabajo y por usuario, bloqueo de archivos entre procesos con recuperación de bloqueos huérfanos, Markdown plano en disco, sin servicios externos y sin embeddings.

Motor de memoria entre sesiones para DeepSeek Harness: almacén SQLite + espejo Markdown editable por humanos, consolidación autoDream, búsqueda semántica sin conexión (vectorización/reordenamiento/clustering locales), línea temporal de entidades y atributos, Sleep Mode, autoSummarize con modelo personalizado y 7 herramientas de memoria.

Plugin puro que da a DSH memoria a largo plazo entre sesiones y autoevolución en segundo plano: memoria de cinco pistas, ramas git, autorrevisión por turno, skills autoevolutivas, tareas en cuatro pistas, COI, difusión y búsqueda de sesiones, notas temporales. Sin tocar el núcleo ni el runtime.

Vault local de Obsidian como almacén de conocimiento del agente, con herramientas DSH de solo lectura que enrutan estado, preferencia, corrección, memoria, proyecto, búsqueda y sugerencia a la página correspondiente.

Bóveda local de Obsidian como almacén de conocimiento del agente, con herramientas DSH de solo lectura que enrutan estado, preferencia, corrección, memoria, proyecto, búsqueda y sugerencia a la página correspondiente.

Plugin para deepseek-harness que hace que tu agente evolucione en un repositorio git personalizado.

Memoria de proyecto solo local sin dependencias de runtime incluidas ni servicios externos: JSON como fuente de verdad más un PROJECT_MEMORY.md generado, Hot Memory congelada por sesión y acotada por tokens para la estabilidad de la caché de prefijos de prompt, recuperación BM25 entre proyectos con caché, procedencia confiable de sesión/turno, gobernanza explicable de duplicados/conflictos antes de escribir, ciclo de vida editable de importancia/pin/etiquetas/sustitución/archivo, destilación configurable al final del turno de nivel superior, y una GUI web bilingüe para búsqueda, inspección, diagnóstico y ajustes en vivo.

Destilación automática de conversaciones: reflexión de subagentes en segundo plano más creación/actualización de skills.

Combina Auto Memory, inspirado en Claude Code, con la consolidación de Session, inspirada en Codex, para aportar memoria a largo plazo simple, transparente y eficiente en contexto a DeepSeek Harness.

Memoria a largo plazo para DeepSeek Harness: recuperación multicanal y un almacén de memoria en evolución.

Conecta dsh a una bóveda local de Obsidian: busca, lee, escribe, mueve y envía a la papelera notas a través de herramientas `obsidian_*`.

StrataGate ofrece a DeepSeek Harness una memoria local-primero, a largo plazo y evolutiva para preferencias del usuario, decisiones de proyecto, conversaciones y resultados de herramientas entre sesiones; superpone el historial con decaimiento temporal ajustable por el usuario, refuerza los recuerdos mediante su uso en respuestas reales, muestra recuentos de uso conscientes del espacio de trabajo y mantiene las evidencias recuperadas trazables hasta sus mensajes originales.

Memoria a largo plazo para DSH: las conversaciones se destilan automáticamente en hechos atómicos, resúmenes de escenas y un perfil de persona, con memorias relevantes inyectadas antes de cada paso del modelo. Funciona sin configuración — recuperación híbrida BM25 + vectorial, incrustaciones locales sin conexión opcionales, separación de familias chat/trabajo.

Memoria de proyecto para dsh con integración nativa del sistema de tareas: los todos de sesión y las lecturas de archivos se condensan automáticamente en registros de tareas entre sesiones (enlaces tarea↔archivo), de modo que los flujos de trabajo son conmutables y reanudables sin recontextualizar. Memoria en tiempo de lectura (sin escaneo previo): extrae símbolos de código, resume documentos y enlaza documentos↔símbolos; mejora semántica opcional para TS (activa automáticamente si TS está instalado). Las notas de experiencia se desduplican automáticamente. Cada recuperación incluye una cita trazable. Solo JS, una dependencia, funciona listo para usar, operación silenciosa, cero sobrecarga.

Compresión automática de contexto para DeepSeek Harness: comprime las salidas de herramientas antes de que lleguen al modelo y mantiene cada compresión con pérdida reversible mediante herramientas de recuperación CCR.