Plugins

Extension de mémoire persistante inter-agents et local-first pour DeepSeek Harness (DSH), propulsée par Mnemon. Elle partage la mémoire à long terme entre les agents compatibles Mnemon et ajoute une mémoire d'exécution, des documents de projet consultables, un rappel sémantique, un graphe de connaissances et une interface de barre latérale.

Couche mnémotechnique.

Plan de contrôle mémoire à trois niveaux pour DeepSeek Harness : contexte d'exécution persistant, documents de projet recherchables, mémoire à long terme enfichable, routage intelligent, flux de travail d'agent supervisés, WebUI et outils headless.

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.

Agent Context Editor est un plugin inter-agents permettant d'exclure, d'éditer et de compresser sélectivement le contexte de conversation IA manuellement. Il prend aussi en charge la recherche, le filtrage, la sélection, le masquage, la restauration et l'annulation des modifications de conversation tout en préservant la session d'origine.

Continuez à bifurquer depuis toute réponse terminée, à n'importe quelle profondeur, tandis que la session principale reste intacte.

Sélectionnez du texte dans une réponse DSH validée pour ouvrir un Topic multi-tour indépendant, persistant et en lecture seule, lié aux preuves de la session source et aux fichiers du projet, pendant que l'Agent source continue de tourner.

Oh My DSH (OMD) ajoute des résumés de contexte avec rappel des sources d'origine, une vérification liée aux tâches, l'optimisation des prompts, la navigation de code CodeGraph, le contrôle d'ordinateur OpenCU et quatre thèmes couvrant la mise en page, les barres latérales et les réglages.

Pipeline de coût en tokens pour DeepSeek Harness : compaction en couches sensible à la pression (projection sans perte sous 40 % de pression de contexte, résumé par LLM au-delà), liste d'outils autorisés par agent, conversion de texte long en image avec résumé par vision, et une commande /token-status suivant la pression, les paliers et les tokens économisés.

Repliement de contexte sans perte pour DeepSeek Harness : le segment le plus ancien est remplacé par un résumé, et les originaux restent dans le journal de session.

Enveloppe le travail dans des tâches nommées et, dès qu'une tâche se ferme, replie l'intégralité de sa plage de messages en un seul résumé à la limite d'étape suivante ; le contenu original peut être restauré à la demande.

Gérez les serveurs MCP, les skills et les outils de votre agent — état réel en contexte (chargé/tronqué/évincé) et interrupteurs par session.

Remplace le résumeur de compactage DSH intégré par un résumé de passation en cinq sections et garde chaque message masqué lisible dans un répertoire de segments.

Ensemble de renouvellement de la fenêtre de contexte piloté par le modèle pour DeepSeek Harness : contexte de travail neuf, notes durables gérées par le modèle, une petite queue récente mot pour mot et une récupération ciblée de l'historique — sans résumé.

Compression de dialogue en place par courbe d'oubli pour DeepSeek Harness : les tours récents restent textuels, les tours moyens sont structurellement déshydratés (sans LLM), les tours anciens se replient dans une paire de résumés bornée — conversations illimitées sur un budget mémoire borné.

Ajoute des contrats d'exécution persistants, des graphes de travail récursifs, des clarifications critiques et des portes de vérification par preuves pour les tâches Harness longues ou insuffisamment spécifiées.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Contexte Adaptatif Réversible (ARC) pour DeepSeek Harness — gouvernance du contexte consciente du fournisseur et du cache, avec récupération réversible.

Plugin de gestion dynamique du contexte pour DeepSeek Harness (Dynamic Context Pruning for dsh), inspiré d'opencode-dcp.

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.