Mémoire

Mémoire inter-session délimitée, en couches, soumise à approbation et auditable : une interface `ctx.memory` typée avec un fournisseur SQLite sans dépendances, un outil `memory`, et l'injection d'instantanés figés, ainsi que la répétition du dsh-memory-protocol v1 avec un registre d'adaptateurs et une suite de conformité distribuable.

Mémoire à long terme pour les agents DSH — souvenirs durables et inspectables avec des outils de rappel, de recherche, de navigation et de graphe de connaissances, importation depuis dix autres outils de codage IA et une page de paramètres.

Compression du contexte pilotée par le modèle (Active Context Pruning) pour DeepSeek Harness : le modèle décide quand et quoi compresser.

La mémoire qui rêve — mémoire inter-sessions pour DeepSeek Harness : elle vous retrouve d'une session à l'autre, se consolide automatiquement pendant son sommeil (autoDream), gèle les souvenirs en conflit pour votre revue et conserve une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec miroirs Markdown modifiables à la main, graphe d'entités, panneau de mémoire interactif, plus une API externe et une CLI.

La mémoire qui rêve — mémoire inter-sessions pour DeepSeek Harness : elle se souvient de vous d'une session à l'autre, se consolide automatiquement pendant son sommeil (autoDream), gèle les mémoires en conflit pour votre revue et tient une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec miroirs Markdown éditables à la main, graphe d'entités, panneau de mémoire interactif, plus API externe et CLI.

Les conversations récentes restent vivaces. Les plus anciennes s’effacent en résumés, pas dans l’oubli. StrataGate offre à DeepSeek Harness une mémoire à six couches, à décroissance temporelle, tandis que les événements durables et les relations se déposent dans un graphe de connaissances. Apportez avec vous vos souvenirs d’autres IA — pas besoin de recommencer à zéro.

Mémoire associative proactive pour DSH : injecte un rappel sans prompt à une frontière fixe, avec auto-consolidation à trois couches, cristallisation des skills et gestion du contexte à la manière d’Astra. Comprend des registres de passation et un tableau blanc PLAN qui survivent aux changements de fenêtre de contexte, ainsi qu’une détection du niveau d’eau avec une fenêtre de modèle auto-détectée. Stockage Markdown local, agnostique au modèle, zéro dépendance ; plancher lexical de 0 Go avec couches sémantiques optionnelles.

Mémoire causale pour dsh : un pont stdio MCP à dépendance zéro qui monte les 17 outils du serveur de mémoire causale sous des noms propres (pas de préfixe mcp__) - décision → bords de résultat avec des relations typées (causées / activées / empêchées) dans un magasin SQLite local qui survit au compactage - plus une section d'invite système épinglée. Nécessite le binaire du serveur de mémoire causale sur PATH (pip install causal-memory ou une version prédéfinie).

Intégration DeepSeek Harness pour OpenContext avec mémoire durable inter-sessions, capture et rappel automatiques des prompts, résumés de sessions, aperçus structurés, et récupération de documents.

Mémoire automatique à la Claude Code, nativement : fichiers de mémoire typés (user/feedback/project/reference) avec un index MEMORY.md injecté automatiquement dans le prompt système (aucune empreinte quand il est vide) ; memory_write/read/list/delete suivent les règles d'écriture de Claude Code (déduplication et mise à jour, dates absolues, liens croisés) ; couches à l'échelle du workspace et de l'utilisateur, verrouillage de fichiers entre processus avec récupération des verrous orphelins, Markdown simple sur disque, aucun service externe, aucun embedding.

Moteur de mémoire inter-sessions pour DeepSeek Harness : stockage SQLite + miroir Markdown modifiable par un humain, consolidation autoDream, recherche sémantique hors ligne (vectorisation/reclassement/clustering locaux), chronologie entité-attribut, Sleep Mode, autoSummarize avec modèle personnalisé et 7 outils de mémoire.

Implémentation 100 % plugin qui dote DeepSeek Harness d'une « mémoire longue durée inter-sessions + auto-évolution en arrière-plan » : mémoire à cinq voies · détection de branche git · auto-révision en cours de tour · auto-évolution des skills et gestionnaire de skills · todo à quatre voies · ordonnancement COI · diffusion inter-sessions · recherche de sessions · gestionnaire de prompts · notes temporaires — zéro modification du noyau, zéro dépendance au runtime, prêt à l'emploi dès l'installation, désinstallation propre.

Coffre Obsidian local comme base de connaissances de l'agent, avec des outils DSH en lecture seule qui orientent statut, préférence, correction, mémoire, projet, recherche et suggestion vers la page correspondante.

Coffre Obsidian local comme base de connaissances de l'agent, avec des outils DSH en lecture seule qui acheminent statut, préférence, correction, mémoire, projet, recherche et suggestion vers la page correspondante.

Plugin pour deepseek-harness qui fait évoluer votre agent dans un dépôt git personnalisé.

Mémoire de projet uniquement locale, sans dépendance d'exécution intégrée ni service externe : JSON comme source de vérité plus un PROJECT_MEMORY.md généré, Hot Memory bornée en tokens et figée par session pour la stabilité du cache de préfixes de prompt, rappel BM25 inter-projets mis en cache, provenance fiable de session/tour, gouvernance explicable des doublons/conflits avant écriture, cycle de vie éditable importance/épingle/étiquettes/remplacement/archivage, distillation configurable en fin de tour de haut niveau, et une GUI web bilingue pour la recherche, l'inspection, le diagnostic et les réglages en direct.

Distillation automatique des conversations : réflexion via un sous-agent en arrière-plan + création/mise à jour de skills.

Associe Auto Memory, inspiré de Claude Code, à la consolidation de Session, inspirée de Codex, pour apporter à DeepSeek Harness une mémoire à long terme simple, transparente et économe en contexte.

Mémoire à long terme pour DeepSeek Harness : récupération multicanal et un magasin de mémoire évolutif.

Connecter dsh à un coffre Obsidian local : rechercher, lire, écrire, déplacer et mettre à la corbeille des notes via les outils `obsidian_*`.

StrataGate offre à DeepSeek Harness une mémoire évolutive, local-first et à long terme pour les préférences utilisateur, les décisions de projet, les conversations et les résultats d'outils à travers les sessions ; elle superpose l'historique avec une décroissance temporelle réglable par l'utilisateur, renforce les souvenirs via leur utilisation dans de vraies réponses, affiche des compteurs d'usage conscients de l'espace de travail et maintient les preuves rappelées traçables jusqu'à leurs messages d'origine.

Mémoire à long terme pour DSH : les conversations sont automatiquement distillées en faits atomiques, résumés de scènes et un profil de persona, avec injection des souvenirs pertinents avant chaque étape du modèle. Zéro configuration, prêt à l'emploi — récupération hybride BM25 + vectorielle, plongements locaux hors ligne optionnels, séparation des familles chat/travail.

Mémoire de projet pour dsh avec intégration native au système de tâches : les todos de session et les lectures de fichiers sont condensés automatiquement en enregistrements de tâches inter-session (liens tâche↔fichier), afin que les workflows puissent être repris et réutilisés sans recontextualisation. Mémoire à la lecture (pas de scan préalable) : extrait les symboles de code, résume les docs et relie docs↔symboles ; enrichissement sémantique TS optionnel (activé automatiquement si TS est installé). Les notes d’expérience sont dédupliquées automatiquement. Chaque rappel inclut une citation traçable. Pure JS, une seule dépendance, fonctionne immédiatement, fonctionnement silencieux, surcharge nulle.

Compression automatique du contexte pour DeepSeek Harness : compresse les sorties d'outils avant qu'elles n'atteignent le modèle et garde chaque compression avec perte réversible via des outils de récupération CCR.