Plugin

Cronologia di input in stile terminale per il compositore web: richiamo con le frecce che privilegia i margini, con ripristino esatto di bozza/cursore, cronologia persistente locale nel browser, ricerca inversa con Ctrl+R e consapevolezza del contesto scorrevole; la versione 0.5.0 aggiunge un livello di input intelligente — snippet tra sessioni (/save, /load), modelli di prompt con variabili, insight sul riutilizzo ed evidenziazione dei riepiloghi di compattazione.

Suite di agenti per la ricerca: controllo degli obiettivi a lungo termine con catene di prove verificabili, pianificazione cron, squadre di esperti multi-agente, memoria di ricerca auto-evolutiva (recupero FTS5 + RRF), spazi di lavoro per progetto e una UI personalizzata per lo spazio di lavoro.

Recupero semantico, gestione delle risorse, richiamo automatico (spazi doppi utente + agente) e memoria di sessione per DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob su URI viking://, gestione delle risorse memadd/memremove, stato osservatore memqueue, cattura della sessione memcommit e generazione di playbook di competenze memlearn.

L'organo di memoria di Agent-Body: dopo 2 minuti di silenzio entra in sonno leggero e dopo 5 in sonno profondo, dove regole deterministiche distillano l'esperienza reale in carte di memoria (trappole, playbook, hotspot, problemi irrisolti, fatti). I comandi in arrivo richiamano le carte correlate per parola chiave e le iniettano nel contesto; le carte inutilizzate a lungo decadono con un tempo di dimezzamento e vengono archiviate invece che eliminate. Inoltre elimina il rumore degli avvisi di omeostasi di tutto il corpo: le ripetizioni entro una finestra vengono contate invece di essere ristampate, e un avviso che ricorre senza mai guarire converge in uno scostamento di stato stazionario noto e tace. Consolidamento e richiamo non fanno chiamate al modello.

Un input di steering a metà esecuzione per DeepSeek Harness Web: mentre l'agente lavora, compare una barra di input sopra il composer per iniettare richieste di modifica nella decisione successiva tramite agent.steer(), senza interrompere la conversazione. Le bozze persistono per sessione, i messaggi iniettati non letti possono essere richiamati dalla bolla, ed è supportato un prefisso guida opzionale.

Fornisce basi di conoscenza locali e remote con recupero nell'ambito di progetto e sessione, riscrittura controllata e una console di gestione Web integrata.

Plugin di memoria DSH fatto in casa: archiviazione persistente SQLite + guardia di audit a livello di database (enforceAudit) + log di audit. Cattura automaticamente conoscenza dopo le conversazioni, gli agenti ricordano via memory_recall, supporta la condivisione multi-agente tra Claude Code/Codex/Cursor. Zero dipendenze esterne.

Plugin di memoria a lungo termine e auto-evoluzione per DSH: acquisizione L0 → estrazione della memoria L1 → raggruppamento delle scene L2 → persona utente L3, iniezione automatica dei ricordi, sintesi delle competenze, completamente locale (SQLite FTS5 + jieba, recupero vettoriale opzionale).

Memoria cross-sessione con richiamo deterministico a zero token (bigram-Jaccard fuso con FTS5 BM25 via RRF, tokenizzazione consapevole del cinese), rinforzo che rafforza le osservazioni ripetute, e procedure cristallizzate in file SKILL.md rifiniti in loco tramite un ciclo di vita active-stale-archived con archivio e rollback reversibili. L'ingestione e la disposizione espongono entrambe un livello di autonomia scelto dall'utente; conflitti e scritture ad alta importanza vanno sempre a revisione umana, e nulla viene mai eliminato automaticamente. Richiede Node 22.5+.

Compattazione del contesto protetta per DeepSeek Harness (dsh): la LLM propone, le guardie deterministic decidono — riduzione eager per atomo (extract/summary/false sotto guardie verbatim) + eviction lazy del reference-graph (0-LLM) + recall byte-esatto da un log append-only.

Memoria persistente local-first per DeepSeek Harness: iniezione di hot memory pre-step limitata, richiamo a freddo BM25 esatto e a bigrammi cinesi, sei strumenti agent, scritture con lease-lock approvato tramite approvazione con ricevute di recupero, e candidati di governance e revisione della traiettoria in sola lettura.

Plugin per DeepSeek Harness che si connette a un PowerContext Server via HTTP per il recupero di informazioni, la memoria, il passaggio di consegne, l'esperienza e le skill.

Aggiunge una personalità configurabile di cameriera whale-girl umanizzata con roleplay immersivo, modalità di parola, e una memoria stratificata leggera con richiamo attivato da query.

Integrazione di TencentDB Agent Memory con acquisizione delle conversazioni, estrazione strutturata della memoria, richiamo automatico e strumenti di ricerca della memoria e delle conversazioni.

Un unico livello di memoria per ogni strumento e agente AI: iniezione di Context Bundle, recupero al momento del prompt, strumenti MCP e cattura del thread DSH a fine turno.

Rendi il tuo dsh pronto per il coding serio. (Tools x Schemas)^REPL. `skill://`, `ctx://`, `agent://`, `dvc://`, `dsh://`, IPython REPL, Context as Variables, compattazioni incrociate richiamabili, ripristino completo del contesto. `hash-edit`, `dvc://browser`, subagent come funzione, workflow come funzione.

Lato DSH dell'ecosistema di memoria dsh-ecolink: collega chat.deepseek.com e DeepSeek Harness tramite un'estensione del browser che raccoglie i tag di memoria in formato DSM e inietta le memorie richiamate nelle chat web, un servizio locale senza dipendenze che scrive un pool di memoria condiviso e questo adapter, che inietta le memorie prima dello step e offre la scrittura di ritorno /ecolink-push; la compressione è transazionale (pool di staging con commit/rollback).

Rendi il tuo dsh pronto per la programmazione seria. (Tools x Schemas)^REPL. `skill://`, `ctx://`, `agent://`, `dvc://`, `dsh://`, REPL IPython, Context as Variables, cross compactions richiamabili, ripristino completo del contesto. `hash-edit`, `dvc://browser`, subagent come funzione, workflow come funzione.

Auto-cattura senza LLM e indice simbolico \[ENGRAM\] con divulgazione progressiva, un protocollo task/evidence in stile ESR-lite (esr_task / esr_node / esr_close / esr_link) e telemetria d’uso per workspace con un benchmark di richiamo offline (npm run eval).

Plugin di memoria tra sessioni per DSH (v0.6.1, npm @asherliner/dsh-memory-connect): estrazione automatica, indicizzazione SQLite FTS5, richiamo semantico RRF iniettato nel prompt di sistema a ogni turno, manutenzione pianificata, consolidamento LLM via ctx.llm, prevenzione dell'esplosione del contesto, identità Soul globale via ~/.dsh/soul.md. v0.5.0: grafo di contesto temporale, modello di fiducia, riassunto a fine turno. v0.6.0: embedding semantici locali (BAAI/bge-small-zh-v1.5), nessuna chiamata al cloud. v0.6.1: corretta l'espansione di ~ nella configurazione dei percorsi. Installazione senza configurazione.

Plugin Context Assembler per DeepSeek Harness: assemblaggio del contesto a blocchi di argomenti, splitting degli argomenti a pressione d'acqua, tracciatura/riscrittura strumenti, iniezione di richiamo della realtà e pianificazione del passaggio.

Anteprima tecnica della memoria a grafo locale per DSH e Codex: ricorda le evidenze globali del proprietario e del progetto corrente prima di ogni turno, scrive i record USER e ASSISTANT separatamente e preserva la provenienza di progetto, sessione, attore e fonte per un atlante visivo e pagine di conoscenza citate.

Memoria a grafo locale in anteprima tecnica per DSH e Codex: richiama le prove a livello di proprietario e del progetto corrente prima di ogni turno, scrive separatamente i record USER e ASSISTANT e conserva la provenienza di progetto, sessione, attore e fonte per un atlante visivo e pagine di conoscenza citate.

Bridge di memoria Honcho: sincronizza automaticamente ogni turno di conversazione con un servizio Honcho self-hosted, con strumenti recall/search/remember/context/status, iniezione del contesto all'avvio della sessione e un pannello delle impostazioni visivo.