Plugins

Système de mémoire biomimétique pour DeepSeek Harness : un magasin SQLite unique (node:sqlite, WAL) dont l'arbre Markdown est conservé comme miroir en lecture seule ; outils de mémoire, injection d'instantané figé au démarrage de la session, validation par approbation graduée, extraction à la demande de la session en cours, fusion des quasi-doublons, cycle de vie d'archivage et de remplacement, métabolisme de la mémoire (dream), épingles de mémoire, rappel sémantique sur embeddings locaux, et la commande /memory.

Base de connaissances selon le motif Karpathy LLM Wiki pour DSH : compétences wiki-write/wiki-search, pipeline sans dépendance (lint/index/synchronisation mémoire mnemon/retour qualité), plugin de cycle de vie minimal injectant schéma + aperçu des connaissances, rappel sémantique SiliconFlow via un proxy compatible Ollama.

Memo — recherche en mémoire de session pour les agents DeepSeek Harness : rappel plein texte inter-sessions (memo_search), notes distillées (memo_remember) et statistiques du corpus (memo_stats) sur le service officiel sessionQuery. Zéro infrastructure, priorité au local.

Coffre de mémoire inter-sessions : outils remember / recall / forget, injection de prompt par tour, et un navigateur d'entrées accessible depuis la page de réglages.

Rappel, édition-renvoi et régénération, plus versionnage dans la conversation : une chronologie de chaque retour arrière, un rollback des artefacts (git d'abord, repli sur instantané), une carte de bifurcation des chemins explorés, la lignée de session, et un gardien en temps réel qui capture un instantané du journal au premier signe d'écritures concurrentes. Les modifications arrêtent automatiquement l'agent en cours (cancel/whenIdle officiels) afin que les retours arrière ne corrompent jamais le journal durable ni ne cassent /compact.

Mémoire markdown à long terme entre sessions, avec une structure LLM-Wiki et un persona SOUL.md, injectée au début de la session, plus des flux remember/recall/consolidate/forget, un skill de mémoire intégré, des outils de migration pack/unpack et une relance de rappel à la première personne pendant les temps d'inactivité. Ajoute aussi l'observabilité et l'entretien qui manquaient : budget de bloc de démarrage par fichier, horodatage automatique de last_access pour que la décroissance de saillance fonctionne, tableau de bord de santé en lecture seule, compilateur d'index déclaratif, graphe de mémoire interactif, requêtes structurées, suggestions de liens croisés et rapport checkup terminé par une liste d'actions priorisées. La charge de démarrage a été réduite d'environ 23 %.

Mémoire en texte brut inter-sessions : rappel par mots-clés BM25 deterministic (sans embeddings), outils memory_save/list/search/confirm/forget derrière une porte human-confirm, et magasins JSON globaux et par projet qui suivent votre repo git.

Plugin de rappel de message (撤回) pour la Web UI DSH : un bouton d'annulation sur chaque message utilisateur qui supprime le tour et tout ce qui suit, de façon durable, sans annuler les modifications de code.

Rappelle les invites envoyées plus tôt dans la session en cours avec les touches haut et bas dans un composeur vide, et affiche un badge de position pendant la navigation.

Mémoire inter-sessions pour DeepSeek Harness avec gouvernance, auto-évolution et écriture soumise à approbation. Rappel classé par chaleur, conventions d'environnement, cycle de vie de l'oubli, chaînes de remplacement, défense contre l'empoisonnement, auto-distillation et mesure ouverte.

Mémoire vectorielle entièrement locale pour DSH : embeddings locaux, stockage SQLite, injection automatique de rappel, déduplication avec détection de conflits, corbeille à suppression douce, sauvegarde en ligne et extraction LLM optionnelle.

Rappel de l'historique de conversation pour DSH : recherche à trois niveaux (littérale/floue/sémantique) sur le texte original de chaque session passée, entièrement locale et hors ligne — l'IA n'oublie jamais ce que vous lui avez dit. Installation en une commande via `dsh.bundle.patch`, la couche sémantique s'exécute dans un thread worker.

Planification de tâches avec une mémoire musculaire de l'expérience : rappel réflexe conditionné de solutions passées, mise en correspondance des capacités du LLM, et leçons persistées automatiquement.

Backend de mémoire vecteur + graphe : outils observe/remember/search/recall vers un serveur memoria local, fusionnant le rappel sémantique HNSW, la recherche par mots-clés FTS5 et les signaux de graphe de connaissances via un classement RRF, avec persistance automatique en fin de tour et isolation par espace de noms par agent.

Documents de projet et mémoire à long terme en Markdown brut dans un coffre Obsidian dédié : six outils mem_* (search, read, write, log, brief, admin), une injection de rappel budgétée à la première étape d'une session, et distillation automatique des tours terminés. Obsidian n'a pas besoin d'être en cours d'exécution, et le coffre reste lisible avec le plugin désinstallé.

Mémoire de session → Plugin de sédimentation de connaissances OKF : système de mémoire à auto-apprentissage neuronal piloté par la prédiction. Sédimente le contenu à forte valeur des sessions en mémoire à long terme selon la spécification OKF v0.1, et le rappelle automatiquement d'une session à l'autre. Plugin de mémoire session-vers-OKF avec auto-apprentissage neuronal (rappel prédictif, capture guidée par l'incertitude, retour par renforcement).

Mémoire inter-sessions à double registre : extrait automatiquement les faits durables des conversations vers MEMORY.md et tient un registre de projet PROGRESS.md, rappelant les deux dans chaque nouvelle session.

Mémoire inter-sessions pour DeepSeek Harness via le domaine de stockage officiel : les mémoires persistent via ctx.storage (table storageDomain) et sont injectées dans le prompt système via une section enregistrée (memory:recall), avec outils memory_save / memory_forget pour que l'agent lise et écrive sa propre mémoire (maxMemories configurable).

Mémoire de fichiers en couches pour DeepSeek Harness, avec notes USER/MEMORY limitées à l’espace de travail, consolidation en arrière-plan et rappel de session hybride.

Mémoire native par espace de travail, directement intégrée aux propres coutures du harness : des faits et un profil toujours actif mais borné sur l’unité JSON du domaine de stockage, des écritures soumises à approbation avec citations `(sessionId, seq)`, un rappel déterministe et une FTS session-query sur les sessions passées — sans serveur externe ni SQLite personnalisé.

Rappel de mémoire par mots-clés basé sur BM25.

Mémoire locale bornée avec contrôle d'autorité CBDC : affirmations SQLite + FTS5, rappel ciblé avec des décisions explicables d'usage/vérification/ignorance et une piste d'audit complète, commandes /memory, ≤3 affirmations/1200 caractères injectés par appel, aucun appel modèle supplémentaire.

Configuration UI for the official OpenViking memory plugin: connection and user-key setup, local connection diagnostics, a per-session memory toggle in the composer, memory isolation that keeps recall inside the current topic, and recall tuning for score threshold, injected item count, query expansion and excluded URIs.