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.

Memoria Markdown compartida para DSH y otros agentes de codificación, con captura automática, inyección de contexto previa al paso, recuperación searchable y autoevolución de memoria a skill mediante un panel de revisión.

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.

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

Memoria a largo plazo para DeepSeek Harness en formato Markdown simple, un hecho por archivo, legible en cualquier editor. El índice `MEMORY.md` tiene un límite estricto de 200 líneas / 25 KB impuesto por `ctx.tools.guard()`: se rechaza cualquier escritura que exceda el límite, mientras que una reescritura que lo reduzca siempre se permite, permitiendo compactar paso a paso un índice sobredimensionado. El complemento nunca escribe recuerdos por sí mismo — qué conservar lo decides tú y el modelo. El mismo almacén también es utilizado por Claude Code, Codex, Kiro y OpenClaw.

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

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.

Memoria a largo plazo curada y basada en archivos para DeepSeek Harness: notas en markdown legibles por humanos, un único almacén de archivos planos compartido entre hosts (ignorado por git cuando reside dentro de un repositorio de proyecto), y un límite de índice determinista impuesto por ctx.tools.guard()

Memoria a largo plazo para agentes DSH: recuerdos duraderos e inspeccionables con herramientas de recuperación, búsqueda, navegación y grafo de conocimiento, importación desde otras diez herramientas de codificación con IA y una página de configuración.

Las conversaciones recientes siguen vivas. Las antiguas se desvanecen en resúmenes, no en el olvido. StrataGate da a DeepSeek Harness una memoria de seis capas con decaimiento temporal, mientras los eventos y relaciones duraderos se asientan en un grafo de conocimiento. Trae contigo tus recuerdos de otras IA: no hace falta empezar de cero.

Memoria causal para dsh: un puente MCP stdio sin dependencias que monta las 17 herramientas del servidor causal-memory bajo nombres limpios (sin prefijo mcp__) — aristas decisión → resultado con relaciones tipadas (caused / enabled / prevented) en un almacén SQLite local que sobrevive a la compactación — más una sección de prompt del sistema fijada. Requiere el binario del servidor causal-memory en PATH (pip install causal-memory o una versión precompilada).

Un plugin de DeepSeek Harness (dsh) — convierte dsh web en un frontend de rol al estilo SillyTavern: cartas de personaje, presets de prompt, lorebooks, personas, memoria a largo plazo BM25, deltas de estado del mundo y operaciones de piso reversibles, todo sobre el runtime del agente dsh.

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.

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.

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`.

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 entre sesiones con recuerdo determinista de cero tokens (bigrama-Jaccard fusionado con FTS5 BM25 mediante RRF, tokenización sensible al chino), refuerzo que fortalece observaciones repetidas y procedimientos cristalizados en archivos SKILL.md refinados in situ mediante un ciclo activo-inactivo-archivado con archivo reversible y rollback. La ingesta y la eliminación exponen cada una un nivel de autonomía elegido por el usuario; los conflictos y las escrituras de alta importancia siempre van a revisión humana, y nada se elimina automáticamente. Requiere Node 22.5+.

Plugin de memoria a largo plazo NeatMem para DeepSeek Harness: cliente REST ligero contra un servidor neatmem.

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.

Gestiona tarjetas de personaje soul.md y memoria a largo plazo, con selección de personaje por espacio de trabajo y sesión, y herramientas para leerlas y actualizarlas.

Captura automática sin LLM y un índice simbólico \[ENGRAM\] con divulgación progresiva, un protocolo de tareas/evidencias ESR-lite (esr_task / esr_node / esr_close / esr_link) y telemetría de uso por workspace con un benchmark de recuerdo sin conexión (npm run eval).