Memoria

Memoria cross-sessione limitata, a livelli, soggetta ad approvazione e verificabile: un'interfaccia `ctx.memory` tipizzata con un provider SQLite senza dipendenze, uno strumento `memory` e l'iniezione di snapshot congelati, oltre alla prova generale del dsh-memory-protocol v1 con un registro degli adapter e una suite di conformità distribuibile.

Memoria a lungo termine per gli agenti DSH — ricordi durevoli e ispezionabili con strumenti di richiamo, ricerca, navigazione e grafo della conoscenza, importazione da altri dieci strumenti di codifica IA e una pagina delle impostazioni.

Compressione del contesto guidata dal modello (Active Context Pruning) per DeepSeek Harness: è il modello a decidere quando e cosa comprimere.

La memoria che sogna — memoria tra sessioni per DeepSeek Harness: ti ricorda tra le sessioni, si autoconsolida nel sonno (autoDream), congela i ricordi in conflitto per la tua revisione e mantiene una traccia di audit riproducibile. Ricerca semantica locale offline-first su SQLite con mirror Markdown modificabili a mano, un grafo di entità, un pannello memoria interattivo, più un'API esterna e una CLI.

La memoria che sogna — memoria tra sessioni per DeepSeek Harness: si ricorda di te tra le sessioni, si autoconsolida nel sonno (autoDream), congela le memorie in conflitto per la tua revisione e mantiene una traccia di audit riproducibile. Ricerca semantica locale offline-first su SQLite con specchi Markdown modificabili a mano, un grafo delle entità, un pannello memoria interattivo, più API esterna e CLI.

Le conversazioni recenti restano vivide. Quelle più vecchie sfumano in riassunti, non nell'oblio. StrataGate offre a DeepSeek Harness una memoria a sei livelli con decadimento temporale, mentre eventi e relazioni duraturi si depositano in un grafo della conoscenza. Porta con te i tuoi ricordi da altre AI—non c'è bisogno di ricominciare da capo.

Memoria associativa proattiva per DSH: inserisce recall senza prompt a un confine fisso, con auto-consolidamento a tre livelli, cristallizzazione delle skill e gestione del contesto in stile Astra. Include registri di handoff e una lavagna PLAN che sopravvivono ai cambi di finestra del contesto, oltre al rilevamento del livello con una finestra di modello autodetect. Archiviazione locale in Markdown, agnostica rispetto al modello, zero dipendenze; pavimento lessicale di 0 GB con livelli semantici opzionali.

Memoria causale per dsh: bridge MCP stdio senza dipendenze che monta i 17 strumenti del server causal-memory con nomi puliti (senza prefisso mcp__) — archi decisione → esito con relazioni tipizzate (caused / enabled / prevented) in un archivio SQLite locale che persiste alla compattazione — più una sezione di prompt di sistema fissata. Richiede il binario del server causal-memory nel PATH (pip install causal-memory, oppure una release precompilata).

Integrazione DeepSeek Harness per OpenContext con memoria durevole tra sessioni, cattura e richiamo automatici dei prompt, riepiloghi di sessione, approfondimenti strutturati e recupero di documenti.

Auto-memoria in stile Claude Code, nativa: file di memoria tipizzati (user/feedback/project/reference) con un indice MEMORY.md iniettato automaticamente nel system prompt (zero footprint quando è vuoto); memory_write/read/list/delete seguono le regole di scrittura di Claude Code (deduplica e aggiornamento, date assolute, collegamenti incrociati); livelli con ambito workspace e ambito utente, file locking tra processi con recupero dei lock orfani, Markdown semplice su disco, nessun servizio esterno, nessun embedding.

Motore di memoria tra sessioni per DeepSeek Harness: archivio SQLite + specchio Markdown modificabile dall'utente, consolidamento autoDream, ricerca semantica offline (vettorizzazione/riordino/clustering locali), timeline entità-attributo, Sleep Mode, autoSummarize con modello personalizzato e 7 strumenti di memoria.

Implementazione puramente a plugin che porta a DeepSeek Harness capacità di «memoria a lungo termine cross-sessione + auto-evoluzione in background»: memoria a cinque binari, consapevolezza dei branch Git, auto-revisione durante il turno, auto-evoluzione delle skill con gestore delle skill, to-do a quattro binari, scheduling COI, broadcast tra sessioni, ricerca tra sessioni, gestore dei prompt e note temporanee — zero modifiche al core, zero dipendenze a runtime, pronto all'uso e pulizia completa alla disinstallazione.

Vault Obsidian locale come archivio di conoscenza dell'agente, con tool DSH in sola lettura che instradano status, preferenze, correzioni, memoria, progetti, ricerca e suggerimenti alla pagina corrispondente.

Vault Obsidian locale come archivio di conoscenza dell'agente, con strumenti DSH in sola lettura che instradano stato, preferenza, correzione, memoria, progetto, ricerca e suggerimento alla pagina corrispondente.

Plugin per deepseek-harness che fa evolvere il tuo agente in un repository git personalizzato.

Memoria di progetto solo locale, senza dipendenze runtime incluse né servizi esterni: JSON come fonte di verità più un PROJECT_MEMORY.md generato, Hot Memory limitata da token e congelata per sessione per la stabilità della cache dei prefissi di prompt, richiamo BM25 cross-progetto in cache, provenienza affidabile di sessione/turno, governance spiegabile di duplicati/conflitti prima della scrittura, ciclo di vita modificabile di importanza/pin/tag/sostituzione/archiviazione, distillazione configurabile a fine turno di livello superiore e una GUI web bilingue per ricerca, ispezione, diagnostica e impostazioni in tempo reale.

Distillazione automatica delle conversazioni: riflessione in background tramite subagent + creazione/aggiornamento delle skill.

Combina Auto Memory, ispirato a Claude Code, con il consolidamento di Session, ispirato a Codex, portando in DeepSeek Harness una memoria a lungo termine semplice, trasparente ed efficiente nel contesto.

Memoria a lungo termine per DeepSeek Harness: recupero multicanale e un archivio di memoria in evoluzione.

Collega dsh a un vault Obsidian locale: cerca, leggi, scrivi, sposta e cestina note tramite gli strumenti `obsidian_*`.

StrataGate fornisce a DeepSeek Harness una memoria a lungo termine evolutiva, local-first per preferenze utente, decisioni di progetto, conversazioni e risultati degli strumenti tra le sessioni; sovrappone la cronologia con decadimento temporale regolabile dall'utente, rafforza i ricordi tramite l'uso nelle risposte reali, mostra conteggi d'uso consapevoli dell'area di lavoro e mantiene le evidenze richiamate tracciabili fino ai messaggi originali.

Memoria a lungo termine per DSH: le conversazioni vengono distillate automaticamente in fatti atomici, riassunti di scena e un profilo persona, con ricordi rilevanti iniettati prima di ogni passo del modello. Pronto all'uso senza configurazione — recupero ibrido BM25 + vettoriale, embedding locali offline opzionali, separazione delle famiglie chat/lavoro.

Memoria di progetto per dsh con integrazione nativa del task system: i todo di sessione e le letture dei file si condensano automaticamente in record di task cross-sessione (link task↔file), così i workflow sono commutabili e riprendibili senza ricontestualizzare. Memoria in lettura (nessuna scansione preliminare): estrae simboli di codice, riassume la documentazione e collega docs↔symbol; potenziamento semantico TS opzionale (attivo automaticamente quando TS è installato). Le note di esperienza vengono deduplicate automaticamente. Ogni richiamo include una citazione tracciabile. Solo JS, una sola dipendenza, funziona subito, operazione silenziosa, overhead zero.

Compressione automatica del contesto per DeepSeek Harness: comprime gli output degli strumenti prima che raggiungano il modello e mantiene ogni compressione lossy reversibile tramite strumenti di recupero CCR.