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.

Distillation automatique des conversations : réflexion via un sous-agent en arrière-plan + création/mise à jour de skills.

Mémoire d’expérience et réflexion pour agents DSH : extrait automatiquement des leçons candidates après les tâches et rappelle lors des tâches ultérieures pertinentes celles validées par l’utilisateur. Prise en charge de la provenance, récupération par projet, conflits, retours d’usage et révision d’expiration. Capture et rappel ont des commandes distinctes ; écrire dans AGENTS.md exige aperçu et application explicite. Guide de première utilisation en 4 étapes dans les réglages.

Suite de discipline d'exécution pour DSH avec interception des tentatives identiques, réflexion forcée, application des todo, déduplication de la mémoire et promotion de l'expérience en compétence (11 plugins + 6 compétences).

Plugin de planification multi-modèle proactive : ingestion de signaux multi-sources avec déduplication et classement d'urgence, moteur de décision à quatre voies (exécuter/différer/rejeter/demander à l'utilisateur), génération de plan DAG avec exécution parallèle de modèles, réflexion qualité avec réessai automatique et changement de modèle, mémoire long terme pour les motifs de tâches et leçons, et évolution de stratégie via algorithmes génétiques avec évaluation en sandbox et déploiement canary.

Framework d’agents auto-évolutif pour DeepSeek Harness (dsh) : 40 plugins Cordis et 4 préréglages couvrant mémoire, réflexion, garde-fous, métriques et boucle d’évolution auditable. L’installation ne se fait pas en une commande. Clonez le dépôt et lancez install/install.sh --profile=web (bash, Node 20+, python3 et DSH 0.1.7-rc.1 ou ultérieur avec un profil initialisé requis), puis redémarrez.

Condense le travail de session en observations et réflexions d'arrière-plan pour conserver le contexte après compactage.

Envoie chaque prompt dsh dans le pipeline local de mémoire de retour agent-feedback-loop — capture l'insatisfaction, la transforme hors ligne en réflexions, et rattache au tour le contexte compilé des règles de récurrence, sans jamais bloquer un prompt. Nécessite le runtime agent-feedback-loop ; exécuter ensuite agent-feedback-loop install câble automatiquement les profils dsh existants.

Mémoire inter-sessions à l'échelle du projet : instantané PROJECT.md injecté dans le premier message utilisateur, un outil memory_remember et une auto-réflexion après les tâches ReAct ; chaque projet garde son propre fichier de mémoire.

Plugin mémoire Reflect2Evolve : mémoire en couches L1/L2/L3, rétropropagation de valeur pondérée par réflexion, induction de politiques entre tâches, cristallisation de skills et récupération à trois niveaux pour OpenClaw, Hermes Agent et DeepSeek Harness.

Couche de réflexion pour sessions DSH : réécrit progressivement une vision du monde de 3 à 7 éléments sur les valeurs, préférences et habitudes, suit l’esprit, la santé et le solde, ingère des vidéos Bilibili/Douyin et conserve une archive de progression auditable. Vidéo facultative avec cookies du site ; le parsing Douyin nécessite aussi Edge/Chrome et yt-dlp.

Distille les sessions longues en observations et réflexions en arrière-plan, les injecte dans une section du system prompt et produit les résumés de compaction à partir de mémoire préparée. Comprend une page de réglages et un rappel appuyé sur les sources.

Plugin de mémoire permanente pour DSH avec recherche vectorielle, réflexion LLM et pages de connaissances.