Plugin

Un plugin di DeepSeek Harness (dsh) — trasforma dsh web in un frontend di roleplay in stile SillyTavern: schede personaggio, preset di prompt, lorebook, personae, memoria a lungo termine BM25, delta dello stato del mondo e operazioni del floor reversibili, il tutto sul runtime degli agenti dsh.

Oh My DSH (OMD) aggiunge riepiloghi di contesto con richiamo della fonte originale, verifica legata alle attività, ottimizzazione dei prompt, navigazione del codice CodeGraph, controllo del computer OpenCU e quattro temi che coprono layout, barre laterali e impostazioni.

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.

Mappa conversazionale visiva per DeepSeek Harness: sessioni come schede su una lavagna: trascina per disporre, doppio clic per chattare, traccia un bordo per biforcarsi con contesto iniettato. Memoria spaziale adatta all'ADHD. · Mappa conversazionale visuale DSH

Ottimizzazione con un clic di un'istruzione grezza in un prompt professionale: tre stili di output, profilazione di ruolo/compito/obiettivo consapevole della situazione, apprendimento autoiterativo (memoria di sessione + valori predefiniti intelligenti + override dell'utente), /template per 22 sotto-scene con zero chiamate al modello, ✨ ottimizza/annulla con un clic nella casella di input, strumento prompt_optimize, hook di auto-ottimizzazione e documenti zh/en rilevati automaticamente.

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.

Auto-evoluzione continua: stato dell'harness (prompt, memoria, skill, specifiche dei subagent) versionato, verificabile e sicuro per il rollback, raffinato dalle traiettorie di sessione, con gate di revisione e skill ricaricate a caldo.

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.

Pipeline per il costo in token di DeepSeek Harness: compattazione a livelli sensibile alla pressione (proiezione senza perdite sotto il 40% di pressione del contesto, riassunto con LLM sopra), allowlist dei tool per agente, conversione di testi lunghi in immagini con riassunto visivo e un comando /token-status che traccia pressione, livelli e token risparmiati.

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.

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.

Pannello di anatomia per gli organi di Agent-Body: fornisce una dashboard dei parametri vitali in tempo reale su /anatomy all'interno dell'harness stesso — organi, battito, registro di guarigione, contatori di auto-addestramento e il flusso di impulso reale — letti direttamente dai file di runtime anziché ridigitati. Solo host, senza bundle client e senza fase di build.

Motore di contesto Zero-residence: i payload di grandi dimensioni degli strumenti vengono espulsi dal contesto attivo verso un archivio interrogabile e rimangono solo puntatori deterministici, così i token di prompt per turno smettono di crescere con la trascrizione. Qualsiasi contenuto mascherato viene ricostruito alla lettera dal log della sessione su richiesta, tramite id di chiamata dello strumento o seq della sessione.

Kernel di organi di Agent-Body: plugin organizzati come un unico corpo. Ogni comando diventa un impulso nervoso che innerva deterministicamente l'organo competente e nomina la capacità; i riflessi scattano senza chiamata al modello; un battito a intervallo variabile pompa direttive dell'operatore, propriocezione e avvisi di omeostasi ovunque; i guasti seguono un'attribuzione deterministica (strumento, argomenti, permesso, timeout, rete), una prescrizione e un ciclo di ricontrollo, e gli errori di argomento non vengono mai ritentati. Un organo mancante è compensato da quello con maggiore sovrapposizione di capacità, e gli schemi degli strumenti sono filtrati dall'intento corrente (riduzione misurata dell'84,7%, riproducibile nel repository). Pacchetto kernel del repository agent-body.

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 secondo cervello autonomo per DeepSeek Harness — cattura automaticamente conoscenze di dialogo durature in un vault Markdown locale (dedup personalizzato, ricerca CJK, compatibile con git), con una base di conoscenza grafica e un grafo della conoscenza interattivo (filtro legenda, colorazione per dimensione temporale, selezione a riquadro, unione, eliminazione, esportazione/importazione PNG).

Aggiunge un pulsante ottimizza accanto al composer che analizza e riscrive la bozza del prompt con streaming SSE, consapevolezza del contesto della conversazione (strategie template vs intent-polish), una catena di memoria di continuità delle modifiche, undo e instradamento del modello con fallback e test di connettività.

Memoria IA persistente basata su un vault locale Obsidian/Codex: cinque strumenti obsidian_memory_* di lettura/scrittura/ricerca più un browser del vault nella barra laterale.

Fai ricordare all'IA come pensi, non cosa hai detto: cattura attivamente i tuoi principi, le linee rosse e le abitudini di lavoro tra le sessioni, con capacità di memoria, decadimento graduale e motivazione leggibile per ogni voce. La 0.7.0 introduce un ritratto di persona intuitivo con tracciamento delle evidenze.

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.

Memoria a lungo termine tra sessioni con la metafora del «palazzo della memoria»: archivi SQLite a doppio ambito (utente + progetto per origine git), recupero ibrido FTS5 + vettori locali con fusione RRF e potenziamento del ranking per recenza/prova, acquisizione automatica dal registro della sessione (incluso il turno finale), catene di audit della provenienza, distillazione per consolidamento e oblio per decadimento, e un pannello Memory Library nella pagina delle impostazioni con topologia dei corridoi, maggiordomo per i tour e lista di ristrutturazione.

Disegna ogni ramo di una conversazione come un albero cliccabile accanto alla chat, con preferiti, icone e colori personalizzati, fusione e divisione dei rami, layout consapevole del rewind e rami di Claude Code che mantengono la loro memoria.