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.

Base di conoscenza secondo il pattern Karpathy LLM Wiki per DSH: competenze wiki-write/wiki-search, pipeline senza dipendenze (lint/indice/sincronizzazione memoria mnemon/feedback di qualità), plugin di ciclo di vita minimale che inietta schema + anteprima della conoscenza, richiamo semantico SiliconFlow via proxy compatibile con Ollama.

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.

Deposito di memoria cross-sessione: strumenti remember / recall / forget, iniezione nel prompt per turno e un browser delle voci nella pagina delle impostazioni

Richiama, modifica e reinvia e rigenera, più versioning in conversazione: una timeline di ogni riavvolgimento, rollback degli artefatti (git-first, fallback su snapshot), una mappa di biforcazione dei percorsi esplorati, la genealogia della sessione e un watchdog in tempo reale che salva uno snapshot del log al primo segno di scritture concorrenti. Le modifiche arrestano automaticamente l'agente in esecuzione (official cancel/whenIdle) così i riavvolgimenti non corrompono mai il log durevole né rompono /compact.

Memoria markdown a lungo termine tra sessioni con struttura LLM-Wiki e persona SOUL.md, iniettata all'avvio (di norma solo dopo il primo messaggio e solo nella sessione attiva), più workflow remember/recall/consolidate/forget, skill di memoria integrata, migrazione pack/unpack e un promemoria nei tempi morti. Aggiunge l'osservabilità che mancava: budget per file all'avvio che evita il troncamento della tabella di routing, last_access automatica perché il decadimento della salienza funzioni, compilatore d'indice dichiarativo, grafo di memoria interattivo, query strutturate, link incrociati suggeriti e un report `checkup` con azioni prioritizzate. Il payload di avvio cala del ~23%.

Memoria in testo normale tra sessioni: recall BM25 deterministic per parole chiave (senza embeddings), strumenti memory_save/list/search/confirm/forget dietro un gate human-confirm, e archivi JSON globali e di progetto che seguono il tuo repo git.

Plugin di richiamo dei messaggi (撤回) per la Web UI di DSH: un pulsante di annullamento su ogni messaggio dell'utente che rimuove in modo permanente il turno e tutto ciò che segue, senza annullare le modifiche al codice.

Richiama con i tasti su e giù, nel composer vuoto, i prompt inviati prima nella sessione corrente, e mostra un badge di posizione durante la consultazione.

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.

Memoria vettoriale completamente locale per DSH: embedding locali, archiviazione SQLite, iniezione automatica di richiamo, deduplicazione con rilevamento dei conflitti, cestino con cancellazione temporanea, backup online ed estrazione LLM opzionale.

Richiamo della cronologia delle conversazioni per DSH: recupero a tre livelli (letterale/fuzzy/semantico) sul testo originale di ogni sessione passata, completamente locale e offline — l'AI non dimentica mai ciò che le hai detto. Installazione con un comando tramite `dsh.bundle.patch`, il livello semantico gira in un thread worker.

Pianificazione delle attività con memoria muscolare dell'esperienza: richiamo a riflesso condizionato di soluzioni passate, corrispondenza delle capacità dell'LLM e lezioni salvate automaticamente.

Backend di memoria vettoriale + a grafo: strumenti observe/remember/search/recall verso un server memoria locale, che fonde il richiamo semantico HNSW, la ricerca per parole chiave FTS5 e i segnali del knowledge graph tramite ranking RRF, con persistenza automatica a fine turno e isolamento dei namespace per agente

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.

Memoria di sessione → plugin di consolidamento della conoscenza OKF: sistema di memoria neuro-auto-apprendente a guida predittiva. Deposita come memoria a lungo termine i contenuti di alto valore delle sessioni secondo la specifica OKF v0.1, richiamandoli automaticamente tra le sessioni. Plugin di memoria sessione→OKF con neuro-auto-apprendimento (richiamo predittivo, cattura guidata dall'incertezza, feedback di rinforzo).

Memoria tra sessioni a doppio registro: estrae automaticamente fatti duraturi dalle conversazioni in MEMORY.md e mantiene un registro di progetto PROGRESS.md, richiamando entrambi in ogni nuova sessione.

Memoria cross-sessione per DeepSeek Harness tramite il dominio di storage ufficiale: le memorie persistono tramite ctx.storage (tabella storageDomain) e sono iniettate nel system prompt tramite una sezione registrata (memory:recall), con strumenti memory_save / memory_forget così l'agente legge e scrive la propria memoria (maxMemories configurabile).

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

Memoria nativa per workspace sulle cuciture stesse del harness: fatti e un profilo sempre attivo ma limitato nell’unità JSON del dominio di storage, scritture con approvazione e citazioni `(sessionId, seq)`, richiamo deterministico e FTS session-query sulle sessioni passate — senza server esterno, senza SQLite personalizzato.

Richiamo della memoria basato su parole chiave BM25

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

Configuration UI for the official OpenViking memory plugin: connection and user-key setup, local connection diagnostics, a per-session memory toggle in the composer, memory isolation that keeps recall inside the current topic, and recall tuning for score threshold, injected item count, query expansion and excluded URIs.