Plugins

Connecte DeepSeek Harness à la base de connaissances personnelle local-first et auto-évolutive de ReMe : capture automatiquement les conversations terminées de l'agent principal comme mémoire Markdown vous appartenant, recherche conversations et sources via reme_search avec BM25, embeddings optionnels et expansion de wikilinks, et planifie une consolidation quotidienne de la mémoire.

Connecte DeepSeek Harness à la base de connaissances personnelle locale d'abord et auto-évolutive de ReMe : capture automatiquement les conversations de l'agent principal terminées en tant que mémoire Markdown appartenant à l'utilisateur, recherche dans les conversations et les sources via reme_search avec BM25, embeddings optionnels et expansion de wikilinks, et planifie la consolidation quotidienne de la mémoire.

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.

Mémoire de récupération après échec : recherche et enregistre des leçons de récupération après échec issues de sessions d'ingénierie réelles, avec une recherche BM25 + RAG sémantique et une base de connaissances des leçons.

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.

Un plugin DeepSeek Harness (dsh) — transforme dsh web en frontend de jeu de rôle de style SillyTavern : cartes de personnage, presets de prompt, lorebooks, personas, mémoire long terme BM25, deltas d’état du monde et opérations de sol réversibles, le tout sur le runtime d’agent dsh.

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.

RAG de base de connaissances bibliographiques locale : 10 outils (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), recherche hybride BM25+vecteurs+reranker, questions-réponses avec citations et liens DOI cliquables, embeddings bge entièrement locaux sur un index SQLite en un seul fichier. Nécessite Python 3.9+ avec pymupdf, faiss-cpu et sentence-transformers ; l'installateur `npx dsh-kb-rag-install` les met en place et pré-télécharge le modèle.

RAG de base de connaissances littéraire locale pour DSH : recherche hybride BM25 + vectorielle sur un index SQLite, reclassement par cross-encoder, réponses citées avec provenance au niveau de la section et de la page, rafraîchissement des métadonnées seules et ingestion en arrière-plan avec suivi de progression.

Mémoire inter-session avec rappel déterministe à zéro jeton (bigram-Jaccard fusionné avec FTS5 BM25 via RRF, tokenisation adaptée au chinois), renforcement qui consolide les observations répétées, et procédures cristallisées en fichiers SKILL.md affinés sur place via un cycle active-stale-archived avec archivage et restauration réversibles. L’ingestion et la purge exposent chacune un niveau d’autonomie choisi par l’utilisateur ; les conflits et les écritures à forte importance vont toujours en revue humaine, et rien n’est jamais supprimé automatiquement. Nécessite Node 22.5+.

Mémoire persistante locale d'abord pour DeepSeek Harness : injection de mémoire chaude pré-étape bornée, rappel à froid BM25 exact et bigramme chinois, six outils d'agent, écritures lease-lock à approbation validée avec reçus de récupération, et candidats de gouvernance en lecture seule et revue de trajectoire.

Base de connaissances polyvalente pour DSH : importation de fichiers md/txt/json/yml/docx/pdf, gestion des dossiers, recherche plein texte FTS5 (BM25) et une interface web d'administration.

Outils natifs pour un coffre wiki Obsidian : wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive et wiki_lint couvrent la recherche BM25 avec contexte de graphe de liens, les écritures comptables avec suivi des sources par sha256, les renommages à l'échelle du coffre, les scaffolds de modes, l'archivage des sources et les vérifications d'intégrité — avec des verrous inter-processus et un git auto-commit optionnel.

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 DSH Web en lecture seule pour inspecter et rechercher des collections Milvus ou Zilliz Cloud depuis le chat, y compris les requêtes scalar, BM25, dense et hybrid.

Passerelle universelle Model Context Protocol (MCP) pour DeepSeek Harness : connecte les agents à des serveurs MCP stdio/sse/websocket avec un moteur d'échelle de 10 000 outils dormants, une recherche d'outils BM25 en moins d'une milliseconde, une budgétisation dynamique des jetons et un tableau de bord web en temps réel.

Gestionnaire de base de connaissances locale pour agents DSH : importation multi-format, segmentation tenant compte du CJK, recherche hybride vectorielle sqlite-vec + BM25 avec rerank bge-reranker-base, instantanés, export/import kbpack et recherche inter-KB — 22 outils d'agent et un panneau Web.

Recherche sémantique de code locale pour DeepSeek Harness : indexation par fragments consciente des symboles, plongements lexicaux hors ligne ou point de terminaison compatible OpenAI, et récupération hybride vecteur + BM25 fusionnée par RRF - trois outils dsh plus une CLI sema.

Mémoire des décisions et objectifs avec lignage : des commandes explicites et un outil de modèle enregistrent les décisions de façon déterministe, une carte d'état les réancre à travers la compaction, un flux d'événements sans perte avec recherche BM25+jieba l'étaye, et une suite de régression de fidélité au niveau des scénarios contrôle les releases.

Rappel de mémoire par mots-clés basé sur BM25.

Local SQLite long-term memory with CJK-aware search, BM25 and character n-gram cosine reranking, deduplication, and lifecycle management.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Local semantic index over workspace documents (MD/PDF/DOCX/TXT): FTS5 BM25 + local embedding hybrid retrieval, hit citations with line numbers, and incremental updates.