Plugins

Complemento de memoria persistente entre agentes y con prioridad local para DeepSeek Harness (DSH), impulsado por Mnemon. Comparte la memoria a largo plazo entre agentes compatibles con Mnemon y añade memoria en tiempo de ejecución, documentos de proyecto con capacidad de búsqueda, recuperación semántica, grafo de conocimiento y una interfaz de barra lateral.

Capa mnemónica.

Plano de control de memoria de tres niveles para DeepSeek Harness: contexto de ejecución persistente, documentos de proyecto buscables, memoria a largo plazo conectable, enrutamiento inteligente, flujos de trabajo de agentes supervisados, WebUI y herramientas sin cabeza.

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.

Agent Context Editor es un plugin entre agentes para excluir, editar y comprimir selectivamente el contexto de conversaciones de IA manualmente. También admite buscar, filtrar, seleccionar, ocultar, restaurar y deshacer cambios en la conversación conservando la sesión original.

Continúa ramificando desde cualquier respuesta completada a cualquier profundidad mientras la sesión principal permanece intacta.

Selecciona texto en una respuesta DSH comprometida para abrir un Topic independiente, persistente y de solo lectura multi-turno vinculado a evidencia de la sesión fuente y archivos del proyecto mientras el Agent fuente sigue ejecutándose.

Oh My DSH (OMD) añade resúmenes de contexto con recuperación de la fuente original, verificación vinculada a tareas, optimización de prompts, navegación de código CodeGraph, control del ordenador OpenCU y cuatro temas que cubren diseño, barras laterales y ajustes.

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.

Plegado de contexto sin pérdidas para DeepSeek Harness: el tramo más antiguo se sustituye por un resumen y los originales permanecen en el registro de la sesión.

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.

Gestiona servidores MCP, skills y herramientas de tu agente — estado real en contexto (cargado/truncado/expulsado) y conmutadores por sesión.

Sustituye el resumidor de compactación integrado de DSH por un resumen de traspaso de cinco secciones y mantiene legible cada mensaje ocultado en un directorio de segmentos.

Paquete de renovación de la ventana de contexto dirigido por el modelo para DeepSeek Harness: contexto de trabajo nuevo, notas duraderas gestionadas por el modelo, una cola reciente breve y literal, y recuperación selectiva del historial, sin resúmenes.

Compresión de diálogo in-situ con curva de olvido para DeepSeek Harness: los turnos recientes se mantienen verbatim, los turnos medios se deshidratan estructuralmente (sin LLM), los turnos antiguos se pliegan en un par de resúmenes acotado — conversaciones sin límite con un presupuesto de memoria acotado.

Agrega contratos de ejecución persistentes, grafos de trabajo recursivos, aclaración crítica y compuertas de evidencia para tareas largas o poco especificadas de Harness.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Contexto Reversible Adaptativo (ARC) para DeepSeek Harness — gobernanza del contexto consciente del proveedor y de la caché, con recuperación reversible.

Plugin de gestión dinámica de contexto para DeepSeek Harness (Dynamic Context Pruning for dsh), inspirado en opencode-dcp.

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.