Plugins

Paquete de memoria y contexto OpenViking para DeepSeek Harness: recuperación automática previa al paso e inyección de perfil, captura de sesión, protección de URI `viking://`, y herramientas de memoria para recuperar/escribir respaldadas por un servidor OpenViking.

Memoria a largo plazo entre sesiones + autoevolución en segundo plano (5 ejes: memoria / conciencia de ramas de git / evolución de skills).

Exploración de arquitectura AGI de caja blanca: metacognición (bucle de autocognición), aprendizaje continuo (volante de conocimiento), modelo del mundo (espacio de condiciones, grafo de memoria espaciotemporal), auto-mejora (disciplina bootstrap), pipeline de caja blanca zero-LLM y barandillas de confianza auditables.

Memoria local a largo plazo respaldada por Git para DeepSeek Harness con recuperación híbrida CJK/inglés, contexto citado, sincronización transaccional, vistas previas y reversión.

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.

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.

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.

Un segundo cerebro autónomo para DeepSeek Harness: captura automáticamente conocimiento de diálogo duradero en una bóveda Markdown local (dedup personalizada, búsqueda CJK, compatible con git), con una base de conocimiento gráfica y un grafo de conocimiento interactivo (filtro de leyenda, coloreado por dimensión temporal, selección por cuadro, fusionar, eliminar, exportar/importar PNG).

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.

Plugin de memoria entre sesiones para DSH (v0.6.1, npm @asherliner/dsh-memory-connect): extracción automática, indexación SQLite FTS5, recuperación semántica RRF inyectada en el prompt del sistema en cada turno, mantenimiento programado, consolidación LLM vía ctx.llm, prevención de explosión de contexto, identidad Soul global vía ~/.dsh/soul.md. v0.5.0: grafo de contexto temporal, modelo de confianza, resumen al final del turno. v0.6.0: incrustaciones semánticas locales (BAAI/bge-small-zh-v1.5), sin llamadas a la nube. v0.6.1: corregida la expansión de ~ en la config de rutas. Instalación sin configuración.

Memoria en Markdown legible para humanos para DeepSeek Harness: memoria a nivel de usuario (~/.deepseek-harness/MEMORY.md) + memoria a nivel de workspace inyectada en cada turno, escritura automática de registros diarios con destilación, puente con los directorios de memoria existentes de WorkBuddy/CodeBuddy, herramientas memory_note / memory_note_user / memory_read con deduplicación integrada y una página de ajustes bilingüe. Almacenamiento en texto plano, sin base de datos.

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

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.

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.

Memoria de proyecto persistente al estilo ZCode con un gestor de ajustes completo, inyección index-first y herramientas de memoria del agente.

Borrador de memoria por sesión al estilo Codex para DeepSeek Harness: una sesión, un borrador (rollout_summaries), contenido y pasivo (escribe solo ante petición explícita del usuario), divulgación por capas (resumen + registro) y marca de agua de integración idempotente. / Plugin de memoria de un borrador por sesión.

Memoria a largo plazo de proyecto y global para la GUI web de dsh: endpoints POST /items separados, contexto de llamadas a herramientas fusionado en elementos de memoria como resúmenes compactos, con deduplicación y persistencia acotada a la sesión.

Espacios de memoria entre sesiones gobernados por humanos, con relaciones independientes de origen y consumidor, procedencia, versionado y revisión de la inyección antes del envío.

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.

Plugin de aplicación obligatoria del protocolo de memoria: conecta el servidor MCP opencode-memory, fuerza memory_weave antes de las llamadas a herramientas, ingiere automáticamente los turnos e inyecta contexto de memoria en los pasos del agente.

Memoria entre sesiones con alcance de proyecto: se inyecta una instantánea de PROJECT.md en el primer mensaje del usuario, incluye una herramienta memory_remember y autorreflexión tras las tareas ReAct; cada proyecto mantiene su propio archivo de memoria.

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.

Lightweight zero-dependency memory plugin for DeepSeek Harness: Markdown-file memory store, L0 catalog injection, and 5 model-facing tools.

Intent fitting for DSH: the agent predicts several directions first, asks a batch of clarifying questions each round, narrows the distribution until one converges, then proposes it for your confirmation. Bottom-right floating panel, local JSONL archive, a