Plugins

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 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.

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).

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.

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+.

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.

Memoria entre sesiones basada en archivos: archivos de memoria en Markdown plano con inyección automática de recuperación, compatible con el formato de CLAUDE.md y archivos de memoria de Claude Code, por lo que migrar es una copia manual de archivos.

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).

Memoria de grafo local en vista previa técnica para DSH y Codex: recuerda evidencias globales del propietario y del proyecto actual antes de cada turno, escribe registros de USER y ASSISTANT por separado, y preserva la procedencia de proyecto, sesión, actor y fuente para un atlas visual y páginas de conocimiento citadas.

Memoria de grafo local en vista previa técnica para DSH y Codex: recupera evidencia global del propietario y del proyecto actual antes de cada turno, escribe registros de USUARIO y ASISTENTE por separado, y conserva la procedencia de proyecto, sesión, actor y fuente para un atlas visual y páginas de conocimiento citadas.

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.

Sistema de memoria estructurada a largo plazo para DeepSeek Harness: pares breve/completo por unidad, con inyección automática

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.

Local SQLite long-term memory with CJK-aware search, BM25 and character n-gram cosine reranking, deduplication, and lifecycle management.

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store