Plugin

Sistema di memoria biomimetica per DeepSeek Harness: un singolo archivio SQLite (node:sqlite, WAL) il cui albero Markdown è mantenuto come mirror di sola lettura; strumenti di memoria, iniezione di snapshot congelato all'avvio della sessione, gating di approvazione graduato, estrazione on-demand della sessione corrente, fusione dei quasi duplicati, un ciclo di vita di archiviazione e sostituzione, metabolismo della memoria (dream), pin di memoria, richiamo semantico su embedding locali, e il comando /memory.

Memo — ricerca nella memoria di sessione per agenti DeepSeek Harness: recupero full-text tra sessioni (memo_search), note distillate (memo_remember) e statistiche del corpus (memo_stats) tramite il servizio ufficiale sessionQuery. Zero infrastruttura, local-first.

Livello di adattamento DSH di dsh-ecolink: legge direttamente il pool di memoria locale, iniezione pre-step (punteggio + budget + deduplicazione della sessione), filtro #nome_memoria, per collegare l'ecosistema di memoria lato web

La CLI self di Superself come strumenti rivolti al modello (contesto progetto, unità di lavoro, report, decisioni) più un comando /self — stato di progetto cross-sessione e cross-progetto tenuto fuori dal repo di codice.

Memoria tra sessioni per DeepSeek Harness con governance, auto-evoluzione e un percorso di scrittura con approvazione. Richiamo ordinato per calore, convenzioni d'ambiente, ciclo di vita dell'oblio, catene di sostituzione, difesa dal poisoning, auto-distillazione e una misurazione aperta.

Compressione del dialogo in-place con curva di dimenticanza per DeepSeek Harness: i turni recenti restano verbatim, quelli centrali sono strutturalmente disidratati (senza LLM), quelli antichi si ripiegano in una coppia di riassunti limitata — conversazioni illimitate su un budget di memoria limitato.

Harness di memoria dell’agente a tre livelli: CLAUDE.md L1 sempre attivo, indice L2, scheletro dettagliato L3 con modelli, un gate che blocca le scritture nei file protetti senza un token di approvazione monouso, registrazione degli eventi senza giudizi, distillazione settimanale e una skill di ciclo di esecuzione TDD.

Documenti di progetto e memoria a lungo termine come semplice Markdown in un vault Obsidian dedicato: sei strumenti mem_* (search, read, write, log, brief, admin), una singola iniezione di richiamo a budget al primo passaggio di una sessione e distillazione automatica dei turni completati. Obsidian non deve essere in esecuzione e il vault resta leggibile anche con il plugin disinstallato.

L-clone gancio di memoria: DSH al termine di ogni turno (turn/end) esegue automaticamente il capture verso un cervello esterno; nella barra laterale della Web GUI il pulsante «大脑看板» (bacheca del cervello) apre con un clic il banco di lavoro della memoria.

Stato di lavoro esplicito tra sessioni per DeepSeek Harness: obiettivi, decisioni e passi successivi acquisiti automaticamente dagli eventi host o tramite uno strumento work_state visibile al modello, ispezionabile con /checkpoint.

Osserva le tracce di esecuzione dell'agente e attiva una revisione LLM al termine di ogni turno andato a buon fine quando scattano i segnali, cristallizzando flussi di lavoro riutilizzabili in skill registrate che migliorano progressivamente con le esecuzioni successive.

Spazi di memoria cross-sessione governati dall'uomo, con relazioni indipendenti tra fonte e consumatore, provenienza, versioning, più revisione dell'iniezione prima dell'invio.

Plugin per DeepSeek Harness: la CLI `self` di Superself come strumenti rivolti al modello più un comando /self — stato del progetto tra sessioni e progetti per gli agenti.

Memoria a file stratificata per DeepSeek Harness con note USER/MEMORY per workspace, consolidamento in background e richiamo ibrido della sessione.

Memoria cross-sessione con ambito di progetto: snapshot di PROJECT.md iniettato nel primo messaggio utente, uno strumento memory_remember e auto-riflessione dopo i task ReAct; ogni progetto mantiene il proprio file di memoria

Memoria locale limitata con controllo di autorità CBDC: claim SQLite + FTS5, richiamo con ambito e decisioni spiegabili di uso/verifica/ignora con audit trail completo, comandi /memory, iniezione di massimo 3 claim/1200 caratteri per chiamata, nessuna chiamata al modello aggiuntiva

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store

Lightweight zero-dependency memory plugin for DeepSeek Harness: Markdown-file memory store, L0 catalog injection, and 5 model-facing tools.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Evidence-governed experience memory for DeepSeek Harness

Memory Fortress for DeepSeek Harness: 5-track layered memory, self-evolution, knowledge graph (SQLite+FTS5), status pill. 本地记忆堡垒：五轨记忆·自我进化·知识图谱·状态灯。

Cross-session long-term memory for the DeepSeek Harness: a two-phase extraction/consolidation pipeline over a file-based memory workspace, recall injection, a citation feedback loop, lease-based job semantics, plus a settings page, a sidebar status panel

Canonical project memory for DeepSeek Harness: one governing article per asset, an append-only journal beneath it.

Self-tending living memory in one local SQLite file — a nightly patrol dedupes, merges, decays and cross-links entries on its own, with seven-signal RRF hybrid recall (FTS5 + jieba Chinese-first tokenization, optional vector KNN, graph PPR), a typed knowledge graph, conflict detection instead of silent overwrites, and web telemetry panels.