Plugins

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.

Tableau de tâches SQLite local sous forme de page de superposition native : projets, tâches, commentaires, relations, pièces jointes et automatisation de flux de travail, avec les statuts backlog → todo → in_progress → in_review → done ; les outils Agent `taskboard_*` ne peuvent soumettre du travail qu'à in_review, plus une CLI JSON headless et une skill packagée.

Mémoire inter-sessions à portée projet : stockage SQLite à sept couches (soul/user/project/fact/lesson/rules/topic) sur node:sqlite, injection au premier message adaptée au cache plus correspondances de mots-clés par message, outils memory_remember/search/find_similar/read/update/project et consolidation en fenêtre d'inactivité (« dream ») avec suppression aux heures de pointe. Les textes d'invite sont fournis sous forme de fichiers de données par langue — le framework prend en charge les utilisateurs multilingues.

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 souvenirs contradictoires pour votre relecture et conserve une piste d'audit rejouable. Recherche sémantique locale offline-first sur SQLite avec des miroirs Markdown modifiables à la main, un graphe d'entités, un panneau de mémoire interactif, ainsi qu'une API externe et une CLI.

Mémoire inter-session délimitée, en couches, soumise à approbation et auditable : une interface `ctx.memory` typée avec un fournisseur SQLite sans dépendances, un outil `memory`, et l'injection d'instantanés figés, ainsi que la répétition du dsh-memory-protocol v1 avec un registre d'adaptateurs et une suite de conformité distribuable.

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.

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).

Recherche web améliorée et persistante : routage multi-moteurs (DeepSeek/Exa/DDG/Bing/Jina + GitHub/Bilibili/YouTube/V2EX/Xiaohongshu/Twitter/Reddit/RSS), cache SQLite+LRU, extraction façon userscript, rendu via Playwright.

Mode red team : vous donnez un nom d'organisation et un planificateur lance cinq rôles (reconnaissance, actifs, vulnérabilités, exploitation, pivot) avec jusqu'à 3 agents simultanés ; préflight des skills et ressources, demande unique de la clé ou du VPS manquant, avec une skill d'onboarding intégrée. Score selon les règles unifiées d'intrusion scoring (8 catégories / 25 points), plafonds serveur, privilège le plus élevé prioritaire et dedup par service ; les comptes auto-enregistrés ne marquent jamais. Les constats horodatés vont dans une base SQLite locale et s'affichent dans une console droite de 12 onglets (actifs, agents, session/tunnel, chaîne d'attaque, score, rapport justifié, base POC/EXP, skills). Livre 23 skills natives, 53 outils redteam_* et une auto-mise à jour par commande.

Moteur de mémoire inter-sessions pour DeepSeek Harness : stockage SQLite + miroir Markdown modifiable par un humain, consolidation autoDream, recherche sémantique hors ligne (vectorisation/reclassement/clustering locaux), chronologie entité-attribut, Sleep Mode, autoSummarize avec modèle personnalisé et 7 outils de mémoire.

SkillRoute par JEStats : routage des compétences pour les agents DeepSeek Harness.

Bundle DeepSeek Harness (dsh) intégrant le routeur de skills de SkillRoute dans vos agents.

Bundle DeepSeek Harness (dsh) qui connecte le routeur de skills de SkillRoute à vos agents.

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.

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.

Fournit des bases de connaissances locales et distantes avec rappel à portée de projet et de session, réécriture contrôlée et console de gestion Web intégrée.

Plugin mémoire DSH maison : stockage persistant SQLite + garde d'audit au niveau base de données (enforceAudit) + journal d'audit. Capture automatiquement les connaissances après les conversations, les agents se souviennent via memory_recall, prise en charge du partage multi-agents Claude Code/Codex/Cursor. Zéro dépendance externe.

Mémoire à long terme inter-sessions sous la métaphore du « palais de la mémoire » : deux portées de stockage SQLite (utilisateur + projet par origine git), recherche hybride FTS5 + vecteurs locaux avec fusion RRF et bonus de classement par récence et par preuve, capture automatique depuis le journal de session (y compris le dernier tour), chaînes d'audit de provenance, distillation par consolidation et oubli par décroissance, et un panneau Bibliothèque de mémoire dans les réglages avec topologie des couloirs, majordome de visite et liste de rénovation.

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.

Mode d'apprentissage local-first : fils d'apprentissage inter-sessions avec explications par source.