Plugins

Lógica de compresión de contexto inspirada en el cerebro humano que reduce drásticamente el uso de contexto y el consumo de tokens en tareas largas.

Memoria a largo plazo respaldada en disco para DSH: captura todos los turnos en una bóveda SQLite FTS5 e inyecta turnos pasados relevantes en nuevas sesiones dentro de un presupuesto de caracteres por turno. Agrupa sesiones en archivos de conversación reanudables y ofrece un panel web de búsqueda, paginación y capacidad.

Memoria a largo plazo basada en SQLite para DeepSeek Harness: permite añadir, buscar, actualizar y archivar entradas con categorías y etiquetas; registra conversaciones automáticamente, comprime por niveles y limita la recuperación al workspace actual más los datos globales.

Memoria basada en archivos acotados para agentes locales: almacén `ME.md` y `MEMORY.md` por proyecto, inyección estable en caché, bandeja de entrada de líneas de texto plano y barra lateral Memory. Sin embeddings ni llamadas a LLM.

Núcleo de memoria, versión para espacios de trabajo memory-eternal-ws: cambia automáticamente la base de memoria Markdown local según el espacio de trabajo DSH. Cada proyecto usa su propio .dsh/memory-vault y el conocimiento entre proyectos va a la biblioteca global. Basado en dsh-memory-eternal v0.7.0 y conserva todas sus funciones: registro y recuperación automáticos, tarjetas y grafo de conocimiento, centro de revisión, papelera y página de configuración.

Conecta el agente a un vault de memoria OKF persistente mediante MCP stdio: servidor Python (SQLite FTS5 + Markdown) con 10 herramientas para buscar y guardar decisiones, hechos, aprendizajes, convenciones, perfiles y fuentes.

Automatización de memoria de sesión: observa sesiones DSH y extrae entradas OKF en proceso mediante el LLM del harness (ctx.llm, deepseek-official de forma predeterminada) en los puntos de control de inactividad, commit, compactación y fin; las guarda con el servidor MCP del vault.