Plugins

Hindsight, une mémoire d'agent qui apprend : mémoire de projet à long terme avec rappel et rétention automatiques, pages de connaissances, réflexion approfondie et banques de mémoire par dépôt.

Lit les fichiers de session que trente-trois autres agents de codage présents sur cette machine ont déjà écrits — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed et d'autres — y compris les sessions antérieures à son installation : six outils (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), une commande /deja, et un rappel automatique optionnel ajouté au contexte d'exécution. Index BM25 local, aucun LLM, aucun embedding, aucun réseau (dsh plugin --profile web add dsh-deja).

Apporte l'historique de session de dix-neuf autres agents de codage à DeepSeek Harness : rappel, résumé de session et outils d'historique par fichier sur un index local, plus rappel automatique optionnel avant chaque étape.

Plugin de mémoire de cycle de vie MemOS Cloud pour DeepSeek Harness

Mémoire PLUR pour DeepSeek Harness — les engrammes sont injectés directement dans le prompt, sans appel d'outil requis

Panneau d'anatomie pour les organes d'Agent-Body : sert un tableau de bord de signes vitaux en direct à /anatomy au sein même du harness — organes, battement, registre de guérison, compteurs d'auto-entraînement et le flux de pouls réel — lu directement dans les fichiers d'exécution plutôt que ressaisi. Hôte uniquement, sans bundle client ni étape de build.

Moteur de contexte Zero-residence : les gros payloads d'outils sont évincés du contexte actif vers un stockage interrogeable et seuls des pointeurs déterministes subsistent, de sorte que les tokens de prompt par tour cessent de croître avec la transcription. Tout contenu masqué est reconstruit mot pour mot à la demande depuis le journal de session, par id d'appel d'outil ou seq de session.

Noyau d'organes d'Agent-Body : plugins organisés comme un seul corps. Chaque commande devient un influx nerveux qui innerve de façon déterministe l'organe compétent et nomme la capacité à utiliser ; un battement à intervalle variable diffuse directives de l'opérateur, proprioception et alertes d'homéostasie ; les réflexes se déclenchent sans appel de modèle ; les échecs suivent une attribution déterministe (outil, arguments, permission, délai, réseau), une prescription et une boucle de revérification, les erreurs d'arguments n'étant jamais réessayées. Un organe manquant est compensé par celui dont les capacités recouvrent le plus, et les schémas d'outils sont filtrés selon l'intention (réduction mesurée de 84,7 %, reproductible dans le dépôt). Paquet des plugins noyau d'agent-body.

L'organe de mémoire d'Agent-Body : après 2 minutes de silence il passe en sommeil léger et après 5 minutes en sommeil profond, où des règles déterministes distillent l'expérience réelle en cartes de mémoire (pièges, playbooks, points chauds, problèmes non résolus, faits). Les commandes entrantes rappellent les cartes liées par mot-clé et les injectent dans le contexte ; les cartes inutilisées décroissent selon une demi-vie et sont archivées plutôt que supprimées. Il débruite aussi les avertissements d'homéostasie du corps entier : les répétitions dans une fenêtre sont comptées au lieu d'être réimprimées, et un avertissement qui revient sans jamais guérir converge vers un décalage d'état stable connu et se tait. La consolidation et le rappel ne font aucun appel de modèle.

Faites que l'IA retienne votre façon de penser, pas ce que vous avez dit : elle capture activement vos principes, vos lignes rouges et vos habitudes de travail d'une session à l'autre, avec capacité de mémoire, décroissance progressive et justification lisible par un humain pour chaque entrée. La 0.7.0 apporte un portrait de persona intuitif avec traçage des preuves.

Plugin mémoire DSH maison : stockage persistant SQLite + garde d'audit au niveau base de données (enforceAudit) + journal d'audit. Capture automatiquement les connaissances après les conversations, les agents se souviennent via memory_recall, prise en charge du partage multi-agents Claude Code/Codex/Cursor. Zéro dépendance externe.

Couche de coordination de plugins : les plugins déclarent leurs capacités, les commandes sont routées vers le plugin propriétaire sans appel au modèle, les schémas d'outils se chargent à la demande pour réduire les tokens du prompt, l'historique d'exécution se consolide en mémoire long terme au repos, et les échecs sont classés avant toute nouvelle tentative.

Couche d'intégration native DSH pour le moteur de mémoire Minta : compose la ligne officielle dsh-mcp-client, enregistre la skill minta-memory-governance ainsi qu'un préchauffage de mémoire en début de session, et fournit un preset d'agent Minta ; nécessite le moteur Minta déployé séparément (Python/Docker) pour fournir les 19 outils MCP — inutilisable sans celui-ci.

Mémoire d'équipe auto-évolutive en Markdown brut dans git : un plugin Cordis natif qui enregistre 38 outils mémoire à nom simple plus une section de signaux de prompt réévaluée à chaque assemblage, avec renforcement RPE, décroissance et consolidation pendant le sommeil ; partage un dépôt de données avec ses hôtes Claude Code (MCP) et OpenClaw ; vérifié avec DSH 0.1.0-rc.6.

Mémoire d'équipe auto-évolutive en Markdown brut dans git : un plugin Cordis natif qui enregistre 38 outils de mémoire à nom simple ainsi qu'une section de signaux de prompt réévaluée à chaque assemblage, avec renforcement RPE, décroissance et consolidation pendant le sommeil ; partage un seul dépôt de données avec ses hôtes Claude Code (MCP) et OpenClaw ; vérifié avec DSH 0.1.0-rc.6.

Intégration de TencentDB Agent Memory avec capture des conversations, extraction structurée de la mémoire, rappel automatique, et outils de recherche dans la mémoire et les conversations.

Mnemosyne memory for DeepSeek Harness: remember / recall / forget / stats / sleep tools, embedded skill, auto-setup, optional auto-sync/prefetch, and a Settings panel. Data lives under ~/.dsh/mnemosyne.

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

Memory plugin with built-in governance for DeepSeek Harness

Native memory for DeepSeek Harness — auditable facts with evidence chains, powered by StateCore