Plugins

Hindsight, una memoria de agente que aprende: memoria de proyecto a largo plazo con recuperación y retención automáticas, páginas de conocimiento, reflexión profunda y bancos de memoria por repositorio.

Lee los archivos de sesión que ya escribieron otros treinta y tres agentes de programación en esta máquina — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed y más — incluidas sesiones anteriores a su instalación: seis herramientas (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), un comando /deja y recuperación automática opcional añadida al contexto de ejecución. Índice BM25 local, sin LLM, sin embeddings, sin red (dsh plugin --profile web add dsh-deja).

Aporta el historial de sesión de diecinueve otros agentes de codificación a DeepSeek Harness: recuperación, resumen de sesión y herramientas de historial por archivo sobre un índice local, además de recuperación automática opcional antes de cada paso.

Complemento de memoria de ciclo de vida MemOS Cloud para DeepSeek Harness

Memoria PLUR para DeepSeek Harness: los engramas se inyectan directamente en el prompt, sin necesidad de llamadas a herramientas

Panel de anatomía para los órganos de Agent-Body: sirve un panel de signos vitales en vivo en /anatomy dentro del propio harness (órganos, latido, libro de sanación, contadores de autoentrenamiento y el flujo de pulso real), leído directamente de los archivos de tiempo de ejecución en lugar de reescribirse. Solo host, sin bundle de cliente ni paso de compilación.

Motor de contexto Zero-residence: los payloads grandes de herramientas se expulsan del contexto activo a un almacén consultable y solo quedan punteros deterministas, de modo que los tokens de prompt por turno dejan de crecer con la transcripción. Cualquier contenido enmascarado se reconstruye literalmente desde el registro de la sesión a petición, por id de llamada de herramienta o seq de sesión.

Núcleo de órganos de Agent-Body: plugins organizados como un solo cuerpo. Cada comando se vuelve un impulso nervioso que inerva de forma determinista el órgano competente y nombra la capacidad a usar; un latido de intervalo variable bombea directivas del operador, propiocepción y avisos de homeostasis por el sistema; los reflejos se disparan sin llamadas al modelo; los fallos siguen atribución determinista (herramienta, argumentos, permiso, timeout, red), prescripción y bucle de reverificación, y los errores de argumentos nunca se reintentan. Un órgano ausente lo compensa el de mayor solapamiento de capacidades, y los esquemas de herramientas se filtran por la intención actual (reducción medida del 84.7%, reproducible en el repo). Es el paquete de plugins núcleo del repo agent-body.

El órgano de memoria de Agent-Body: tras 2 minutos de silencio entra en sueño ligero y tras 5 en sueño profundo, donde reglas deterministas destilan la experiencia real en tarjetas de memoria (trampas, manuales, puntos calientes, problemas sin resolver, hechos). Los comandos entrantes recuperan tarjetas relacionadas por palabra clave y las inyectan en el contexto; las tarjetas sin uso decaen con una vida media y se archivan en lugar de borrarse. También elimina el ruido de las advertencias de homeostasis de todo el cuerpo: las repeticiones dentro de una ventana se cuentan en vez de reimprimirse, y una advertencia que se repite sin curarse converge en un desfase de estado estacionario conocido y se silencia. La consolidación y el recuerdo no hacen llamadas al modelo.

Haz que la IA recuerde cómo piensas, no lo que dijiste: captura activamente tus principios, líneas rojas y hábitos de trabajo entre sesiones, con capacidad de memoria, decaimiento gradual y un razonamiento legible para cada entrada. La 0.7.0 trae un retrato de persona intuitivo con trazabilidad de evidencias.

Plugin de memoria DSH de creación propia: almacenamiento persistente SQLite + guardia de auditoría a nivel de base de datos (enforceAudit) + registro de auditoría. Captura conocimiento automáticamente tras las conversaciones, los agentes recuerdan vía memory_recall y admite compartir entre agentes de Claude Code/Codex/Cursor. Cero dependencias externas.

Capa de coordinación de plugins: los plugins declaran sus capacidades, los comandos se enrutan al plugin propietario sin llamada al modelo, los esquemas de herramientas se cargan bajo demanda para reducir tokens de prompt, el historial de ejecuciones se consolida en memoria a largo plazo mientras está inactivo y los fallos se clasifican antes de cualquier reintento.

Capa de integración nativa DSH para el motor de memoria Minta: compone la fila oficial dsh-mcp-client, registra la skill minta-memory-governance más un precalentamiento de memoria al inicio de la sesión, e incluye un preset de agente Minta; requiere el motor Minta desplegado por separado (Python/Docker) para proporcionar las 19 herramientas MCP — no utilizable sin él.

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.

Integración de TencentDB Agent Memory con captura de conversaciones, extracción estructurada de memoria, recuperación automática y herramientas de búsqueda de memoria y conversaciones.

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