Plugin

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 vault Obsidian condiviso per ogni agente: core Python privo di dipendenze (search/promote/adjudicate/forget), template del vault, plugin dsh (memory_search/show/submit/status)

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.

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).

Legge i file a cui AGENTS.md fa riferimento con import @path e ne inietta il contenuto nel contesto del modello all'avvio della sessione, con budget in byte, re-seeding dopo la compaction, e la scheda delle impostazioni è disponibile in sei lingue.

Memoria automatica tra sessioni per DeepSeek Harness, supportata da un servizio EverOS locale.

Claude Code CLI come provider LLM per dsh: elenco modelli in tempo reale, resume per sessione, inoltro delle approvazioni, immagini, un pannello memoria/rewind/modifiche, più workspace su macchine remote SSH.

Plugin cognitivo ispirato al cervello: memoria episodica, semantica, procedurale ed emotiva con segnali di apprendimento per rinforzo, una pila di obiettivi con trigger temporali, ricerca web autonoma guidata dalla curiosità e iniziative proattive.

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.

Suite di disciplina di esecuzione per DSH con intercettazione dei tentativi identici, riflessione forzata, applicazione dei todo, deduplicazione della memoria e promozione dell'esperienza a competenza (11 plugin + 6 competenze).

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.

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.

Preset dell'agente basato su knowledge base: memoria a lungo termine tipo wiki, un'interfaccia web KB, una pagina di gestione e rifinitura opzionale dell'interfaccia.

Miglioramento dei prompt per il compositore: il pulsante «✨ Enhance» riscrive la bozza in una versione più chiara e strutturata usando il pensiero dai primi principi, sulla base del contesto della sessione, della memoria e della conversazione recente; pone domande di chiarimento in una scheda quando mancano informazioni chiave e mostra un’anteprima prima di applicare il risultato al campo di input.

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.

Plugin DSH che collega gli agenti a Cheat Engine per il debug dinamico della memoria: scansione, analisi dei puntatori, breakpoint e hacking della memoria dei giochi.

Migra server MCP, competenze, istruzioni, memoria e cronologia delle sessioni di Codex (OpenAI Codex CLI / Desktop) in DeepSeek Harness tramite un pannello visuale o CLI, con anteprime di prova e segreti migrati così come sono.

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.