Plugins

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.

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.

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

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.

Pipeline de coste de tokens para DeepSeek Harness: compactación por capas sensible a la presión (proyección sin pérdida por debajo del 40% de presión de contexto, resumen con LLM por encima), listas de herramientas permitidas por agente, conversión de texto largo a imagen con resumen por visión y un comando /token-status que rastrea presión, niveles y tokens ahorrados.

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.

Recuperación semántica, gestión de recursos, autorrecuperación (espacios duales de usuario + agente) y memoria de sesión para DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gestión de recursos memadd/memremove, estado de observador memqueue, captura de sesión memcommit y generación de guías de habilidades memlearn.

Puente al ShiGuang Memory Engine (SGME): memoria compartida a largo plazo multiagente vía HTTP, con destilación L0/L1/L1.5/L2, inyección basada en escenarios, búsqueda unificada y señales proactivas de atención (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalable como `dsh-sgme`.

Plugin de memoria entre sesiones para DeepSeek Harness (DSH): memoria de proyecto en Markdown mantenida por el agente mientras trabaja, con divulgación progresiva de archivos temáticos, destilación silenciosa opcional en segundo plano, aislamiento por proyecto y panel de ajustes con recarga en caliente. Mecanismo alineado con Claude Code auto memory.

Complemento de memoria a largo plazo y auto-evolución para DSH: captura L0 → extracción de memoria L1 → agrupación de escenas L2 → persona de usuario L3, inyección automática de recuerdos, síntesis de habilidades, totalmente local (SQLite FTS5 + jieba, recuperación vectorial opcional).

Memoria de equipo autoevolutiva como Markdown plano en git: un plugin nativo de Cordis que registra 38 herramientas de memoria de nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Memoria de equipo autoevolutiva como Markdown plano en git: un complemento Cordis nativo que registra 38 herramientas de memoria con nombre simple más una sección de señales de prompt reevaluada en cada ensamblaje, con refuerzo RPE, decaimiento y consolidación durante el sueño; comparte un único repositorio de datos con sus hosts Claude Code (MCP) y OpenClaw; verificado con DSH 0.1.0-rc.6.

Traslada el estado duradero de las tareas entre DeepSeek Harness, WorkBuddy, Claude Code y Codex, con puntos de control legibles por máquina y bloqueo optimista.

Bucle de auto-refinamiento continuo: memoria persistente, revisión y refinamiento periódico, conocimiento compartido entre sesiones y reversión automática mediante la herramienta harness_refine invocable por el modelo.

Memoria persistente local-primero para DeepSeek Harness: inyección acotada de memoria caliente previa al paso, recuperación en frío BM25 exacta y de bigramas chinos, seis herramientas de agente, escrituras lease-lock con aprobación y recibos de recuperación, y candidatos de gobernanza y revisión de trayectorias de solo lectura.

Puerto fiel del mecanismo MEMORY.md / USER.md de hermes-agent para DSH: memoria de doble banco limitada (2200/1375 caracteres), una única herramienta `memory` (add/replace/remove/batch), inyección de snapshot congelado por sesión, recordatorios de nudge, almacenamiento JSON nativo de DSH — cero dependencias externas, cero coste de LLM.

Envuelve el trabajo en tareas con nombre y, cuando una tarea se cierra, pliega todo el tramo de mensajes en un único resumen en el siguiente límite de paso; el contenido original puede restaurarse bajo demanda.

Memoria entre sesiones basada en archivos: archivos de memoria en Markdown plano con inyección automática de recuperación, compatible con el formato de CLAUDE.md y archivos de memoria de Claude Code, por lo que migrar es una copia manual de archivos.

Un vault de Obsidian compartido para todos los agentes: núcleo en Python sin dependencias (buscar/promover/adjudicar/olvidar), plantilla de vault y plugin de dsh (memory_search/show/submit/status).

Lado DSH del ecosistema de memoria dsh-ecolink: conecta chat.deepseek.com y DeepSeek Harness mediante una extensión de navegador que recolecta etiquetas de memoria en formato DSM e inyecta las memorias recuperadas en los chats web, un servicio local sin dependencias que escribe un pool de memoria compartido, y este adaptador, que inyecta memorias en pre-step y ofrece la escritura de vuelta /ecolink-push; la compresión es transaccional (pool de staging con commit/rollback).

Memoria de grafo local en vista previa técnica para DSH y Codex: recuerda evidencias globales del propietario y del proyecto actual antes de cada turno, escribe registros de USER y ASSISTANT por separado, y preserva la procedencia de proyecto, sesión, actor y fuente para un atlas visual y páginas de conocimiento citadas.

Memoria de grafo local en vista previa técnica para DSH y Codex: recupera evidencia global del propietario y del proyecto actual antes de cada turno, escribe registros de USUARIO y ASISTENTE por separado, y conserva la procedencia de proyecto, sesión, actor y fuente para un atlas visual y páginas de conocimiento citadas.