Plugins

Sistema de memoria biomimético para DeepSeek Harness: un único almacén SQLite (node:sqlite, WAL) cuyo árbol Markdown se mantiene como espejo de solo lectura; herramientas de memoria, inyección de instantánea congelada al inicio de la sesión, puertas de aprobación escalonada, extracción bajo demanda de la sesión actual, fusión de casi duplicados, un ciclo de vida de archivo y reemplazo, metabolismo de memoria (dream), anclajes de memoria, recuperación semántica sobre incrustaciones locales, y el comando /memory.

Base de conocimiento con el patrón Karpathy LLM Wiki para DSH: habilidades wiki-write/wiki-search, pipeline sin dependencias (lint/index/sincronización de memoria mnemon/retroalimentación de calidad), plugin de ciclo de vida mínimo que inyecta esquema + vista previa de conocimiento, y recuerdo semántico de SiliconFlow a través de un proxy compatible con Ollama.

Memo — búsqueda de memoria de sesión para agentes DeepSeek Harness: recuperación de texto completo entre sesiones (memo_search), notas destiladas (memo_remember) y estadísticas del corpus (memo_stats) sobre el servicio oficial sessionQuery. Sin infraestructura, local primero.

Bóveda de memoria entre sesiones: herramientas remember / recall / forget, inyección de prompt por turno y un navegador de entradas en la página de ajustes.

Recuperación, edición y reenvío y regeneración, además de versionado dentro de la conversación: una línea de tiempo de cada rebobinado, reversión de artefactos (primero git, con copia de instantánea como respaldo), un mapa de bifurcación de las rutas exploradas, linaje de sesión y un vigilante en tiempo real que toma una instantánea del registro ante el primer indicio de escrituras concurrentes. Las ediciones detienen automáticamente el agente en ejecución (cancel/whenIdle oficiales) para que los rebobinados nunca corrompan el registro persistente ni rompan /compact.

Memoria markdown de largo plazo entre sesiones con estructura LLM-Wiki y persona SOUL.md, inyectada al inicio de la sesión (por defecto solo tras el primer mensaje del usuario y solo en la sesión activa); flujos remember/recall/consolidate/forget, skill de memoria integrada, herramientas de migración pack/unpack y un aviso de recuerdo en primera persona en tiempos de inactividad. Añade: presupuesto de boot-block por archivo, sellado automático de last_access, panel de salud, compilador de índice (las páginas declaran summary:), grafo de memoria interactivo, consultas estructuradas por etiqueta/tipo/relevancia, sugerencias de enlaces cruzados e informe `checkup` con acciones priorizadas.

Memoria en texto plano entre sesiones: recall de palabras clave BM25 deterministic (sin embeddings), herramientas memory_save/list/search/confirm/forget tras una puerta human-confirm, y almacenes JSON globales y por proyecto que siguen tu repo git.

Plugin de retirada de mensajes (撤回) para la Web UI de DSH: un botón de deshacer en cada mensaje del usuario que elimina el turno y todo lo posterior, de forma duradera, sin revertir los cambios de código.

Recupera con las teclas arriba y abajo los prompts enviados antes en la sesión actual desde un compositor vacío, y muestra una insignia de posición mientras navegas.

Memoria entre sesiones para DeepSeek Harness con gobernanza, autoevolución y una vía de escritura con aprobación. Recuerdo clasificado por calor, convenciones de entorno, ciclo de vida del olvido, cadenas de sustitución, defensa contra envenenamiento, autodestilación y una medición abierta.

Memoria vectorial totalmente local para DSH: incrustaciones locales, almacenamiento SQLite, inyección automática de recuperación, deduplicación con detección de conflictos, papelera de reciclaje con eliminación temporal, copia de seguridad en línea y extracción LLM opcional.

Recuperación del historial de conversación para DSH: recuperación en tres capas (literal/difusa/semántica) sobre el texto original de cada sesión pasada, totalmente local y sin conexión: la IA nunca olvida lo que le dijiste. Instalación con un solo comando mediante `dsh.bundle.patch`, la capa semántica se ejecuta en un hilo de trabajo.

Planificación de tareas con memoria muscular de experiencia: recuperación por reflejo condicionado de soluciones pasadas, correspondencia de capacidades con el LLM, y lecciones persistidas automáticamente.

Backend de memoria vectorial y de grafo: herramientas observe/remember/search/recall contra un servidor memoria local, que fusiona la recuperación semántica HNSW, la búsqueda por palabras clave FTS5 y señales de grafo de conocimiento mediante ranking RRF, con persistencia automática al final del turno y aislamiento de espacio de nombres por agente.

Documentos del proyecto y memoria a largo plazo como Markdown plano en una bóveda dedicada de Obsidian: seis herramientas mem_* (search, read, write, log, brief, admin), una inyección de recuerdo con presupuesto en el primer paso de una sesión y destilación automática de los turnos completados. Obsidian no necesita estar en ejecución y la bóveda sigue siendo legible con el plugin desinstalado.

Memoria de sesión → Plugin de sedimentación de conocimiento OKF: sistema de memoria con autoaprendizaje neuronal impulsado por predicción. Sedimenta el contenido de alto valor de las sesiones como memoria de largo plazo según la especificación OKF v0.1 y lo evoca automáticamente entre sesiones. Plugin de memoria de sesión a OKF con autoaprendizaje neuronal (recuperación predictiva, captura impulsada por la incertidumbre, retroalimentación por refuerzo).

Memoria entre sesiones de doble libro: extrae automáticamente hechos duraderos de las conversaciones a MEMORY.md y mantiene un libro de proyecto PROGRESS.md, recordando ambos en cada nueva sesión.

Memoria entre sesiones para DeepSeek Harness mediante el dominio oficial de almacenamiento: las memorias persisten a través de ctx.storage (tabla storageDomain) y se inyectan en el prompt del sistema mediante una sección registrada (memory:recall), con herramientas memory_save / memory_forget para que el agente lea y escriba su propia memoria (maxMemories configurable).

Memoria de archivos por capas para DeepSeek Harness con notas USER/MEMORY por espacio de trabajo, consolidación en segundo plano y recuperación híbrida de sesiones.

Memoria nativa por espacio de trabajo sobre las propias costuras del harness: hechos y un perfil siempre activo y acotado en la unidad JSON del dominio de almacenamiento, escrituras con aprobación y citas `(sessionId, seq)`, recuerdo determinista y FTS de session-query sobre sesiones pasadas; sin servidor externo ni SQLite personalizado.

Recuperación de memoria basada en palabras clave con BM25.

Memoria local acotada con control de autoridad CBDC: afirmaciones en SQLite + FTS5, recuperación con alcance y decisiones explicables de usar/verificar/ignorar, con registro de auditoría completo, comandos /memory, inyección de ≤3 afirmaciones/1200 caracteres por llamada, sin llamadas adicionales al modelo.

Configuration UI for the official OpenViking memory plugin: connection and user-key setup, local connection diagnostics, a per-session memory toggle in the composer, memory isolation that keeps recall inside the current topic, and recall tuning for score threshold, injected item count, query expansion and excluded URIs.