Plugins

Mémoire Markdown partagée pour DSH et d'autres agents de codage, avec capture automatique, injection de contexte pré-étape, rappel interrogeable, et auto-évolution mémoire-vers-skill via un panneau de revue.

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.

Mémoire à long terme pour DeepSeek Harness en Markdown brut, un fait par fichier, lisible dans n'importe quel éditeur. L'index `MEMORY.md` est soumis à une limite stricte de 200 lignes / 25 Ko imposée par `ctx.tools.guard()` : toute écriture qui dépasserait la limite est refusée, tandis qu'une réécriture qui la réduit est toujours acceptée, permettant de compacter progressivement un index surdimensionné. Le plugin n'écrit jamais de souvenirs de lui-même — ce qui est conservé est décidé par vous et le modèle. Le même stockage est également utilisé par Claude Code, Codex, Kiro et OpenClaw.

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.

Mémoire à long terme organisée et basée sur des fichiers pour DeepSeek Harness — notes markdown lisibles par un humain, un unique stockage de fichiers texte partagé entre les hôtes (ignoré par git lorsqu'il se trouve dans un dépôt de projet), et une limite d'index déterministe imposée par ctx.tools.guard()

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.

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 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).

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

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.

Plugin de mémoire à long terme et d'auto-évolution pour DSH : capture L0 → extraction de mémoire L1 → regroupement de scènes L2 → persona utilisateur L3, injection automatique de rappels, synthèse de compétences, entièrement local (SQLite FTS5 + jieba, rappel vectoriel optionnel).

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+.

Port fidèle du mécanisme MEMORY.md / USER.md de hermes-agent pour DSH : mémoire double-banque bornée (2200/1375 chars), un outil unique `memory` (add/replace/remove/batch), injection frozen-snapshot par session, rappels nudge, stockage JSON natif DSH — zéro dépendance externe, zéro coût LLM.

Mémoire inter-sessions basée sur des fichiers : fichiers mémoire en Markdown brut avec injection automatique de récupération, format compatible avec CLAUDE.md et les fichiers mémoire de Claude Code, donc la migration est une copie manuelle de fichiers.

Capture automatique sans LLM et index symbolique \[ENGRAM\] avec divulgation progressive, un protocole de tâche/preuve de type ESR-lite (esr_task / esr_node / esr_close / esr_link), et une télémétrie d’utilisation par espace de travail avec un benchmark de rappel hors ligne (npm run eval).

Mémoire graphe locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit les enregistrements USER et ASSISTANT séparément, et préserve la provenance de projet, session, acteur et source pour un atlas visuel et des pages de connaissances citées.

Mémoire graphique locale en aperçu technique pour DSH et Codex : rappelle les preuves globales du propriétaire et du projet en cours avant chaque tour, écrit séparément les enregistrements USER et ASSISTANT, et conserve la provenance du projet, de la session, de l'acteur et de la source pour un atlas visuel et des pages de connaissances citées.

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.

Système de mémoire à long terme structurée pour DeepSeek Harness -- paires résumé/complet par unité avec injection automatique.

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.

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

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store