Plugins

Une logique de compression de contexte inspirée du cerveau humain qui réduit fortement l'occupation du contexte et la consommation de tokens des tâches longues.

Mémoire longue DSH sur disque : capture chaque tour dans un coffre SQLite FTS5 et injecte les tours passés pertinents dans les nouvelles sessions selon un budget de caractères par tour. Regroupe les sessions en fichiers de conversation reprenables et fournit un panneau Web de recherche, pagination et capacité.

Mémoire à long terme reposant sur SQLite pour DeepSeek Harness : ajout, recherche, mise à jour et archivage d’entrées avec catégories et tags, journalisation automatique des conversations, compression par niveaux et récupération limitée au workspace actuel et aux faits globaux.

Mémoire à fichiers limités pour agents locaux : coffre `ME.md` et `MEMORY.md` par projet, injection stable en cache, boîte de réception en lignes de texte brut et barre latérale Memory. Sans embeddings ni appels LLM.

Cœur mémoire, version espace de travail memory-eternal-ws : bascule automatiquement de base Markdown locale selon l’espace de travail DSH. Chaque projet utilise son propre .dsh/memory-vault et les connaissances transversales vont dans la base globale. Fork de dsh-memory-eternal v0.7.0, il conserve toutes les fonctions : mémorisation et rappel automatiques, cartes et graphe de connaissances, centre de revue, corbeille et page de configuration.

Relie l’agent à un vault mémoire OKF persistant via MCP stdio : serveur Python (SQLite FTS5 + Markdown) avec 10 outils pour rechercher et stocker décisions, faits, apprentissages, conventions, profils et sources.

Automatisation de la mémoire de session : surveille les sessions DSH et extrait en processus des entrées OKF via le LLM du harness (ctx.llm, deepseek-official par défaut) aux points de contrôle d’inactivité, de commit, de compaction et de fin, puis les stocke via le serveur MCP du vault.