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.

Destilación automática de conversaciones: reflexión de subagentes en segundo plano más creación/actualización de skills.

Memoria de experiencias y reflexión para agentes DSH: extrae automáticamente lecciones candidatas tras las tareas y recupera en tareas posteriores las que el usuario revisó. Incluye procedencia de fuentes, recuperación por proyecto, gestión de conflictos, feedback de uso y revisión de caducidad. Captura y recuperación tienen controles separados; escribir lecciones en AGENTS.md requiere vista previa y aplicación explícita. La guía inicial de 4 pasos se abre en ajustes.

Suite de disciplina de ejecución para DSH con intercepción de reintentos idénticos, reflexión forzada, cumplimiento de tareas pendientes, deduplicación de memoria y promoción de experiencia a habilidad (11 complementos + 6 habilidades).

Plugin proactivo de planificación multimodelo: ingesta de señales multisource con deduplicación y clasificación de urgencia, un motor de decisiones de cuatro vías ejecutar/aplazar/desestimar/preguntar al usuario, generación de planes DAG con ejecución paralela de modelos, reflexión de calidad con reintento automático y cambio de modelo, memoria a largo plazo para patrones y lecciones de tareas, y evolución de estrategia mediante algoritmos genéticos con evaluación en sandbox y despliegue canary.

Framework de agentes autoevolutivo para DeepSeek Harness (dsh): 40 plugins Cordis y 4 presets para memoria, reflexión, barreras, métricas y un ciclo de evolución auditable. No se instala con un solo comando. Clona el repositorio y ejecuta install/install.sh --profile=web (requiere bash, Node 20+, python3 y DSH 0.1.7-rc.1 o posterior con un perfil inicializado); después, reinicia.

Resume el trabajo de la sesión en observaciones y reflexiones de fondo para conservar el contexto tras la compactación.

Envía cada prompt de dsh al pipeline local de memoria de feedback agent-feedback-loop: captura la insatisfacción, la revisa offline convirtiéndola en reflexiones y adjunta al turno el contexto compilado de reglas de recurrencia, sin bloquear nunca un prompt. Requiere el runtime de agent-feedback-loop; ejecutar después `agent-feedback-loop install` conecta automáticamente los perfiles de dsh existentes.

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.

Plugin de memoria Reflect2Evolve: memoria por capas L1/L2/L3, retropropagación del valor ponderada por reflexión, inducción de políticas entre tareas, cristalización de skills y recuperación de tres niveles para OpenClaw, Hermes Agent y DeepSeek Harness.

Capa de reflexión para sesiones DSH que reescribe gradualmente una cosmovisión de 3–7 entradas en capas de valores, preferencias y hábitos, sigue ánimo, salud y saldo, incorpora vídeos de Bilibili/Douyin y mantiene un archivo de crecimiento auditable. La ingesta de vídeo es opcional y requiere cookies del sitio; el análisis de Douyin también necesita Edge/Chrome y yt-dlp.

Resume sesiones largas en observaciones y reflexiones de fondo, las inyecta como sección del system prompt y genera resúmenes de compactación a partir de memoria preparada. Incluye ajustes y recuperación respaldada por fuentes.

Plugin de memoria permanente para DSH con búsqueda vectorial, reflexión LLM y páginas de conocimiento.