Plugin

Un plugin di memoria wiki-LLM super-semplice: un documento indice (caricato automaticamente) + un file markdown per argomento (letto solo quando necessario) — nessun dumping di tutto nel contesto e consumo di token. Semplice e leggero, indolore da installare/disinstallare, e liberamente modificabile come preferisci.

Carica asset di Claude Code in DSH a runtime — skill, slash command, regole, regole di permesso (deny/ask/allow), subagent e hook da .claude/ più plugin Claude Code (plugin.json / marketplace / skills / agents / MCP), tramite uno strato di parsing memory-IR che mantiene .claude come fonte di verità senza riscritture. Sei pacchetti installabili: loader, skills, permissions, agents, hooks, mcp.

Memory Lake come livello di memoria persistente per dsh: strumenti memory_search, memory_remember e memory_forget tramite la CLI memorylake, una riga di stato della sessione e competenze guidate di configurazione/diagnostica, condividendo una sola identità ~/.memorylake e lo stesso set di memoria con i plugin Claude Code e Codex.

Memoria Markdown leggibile dall’uomo per DeepSeek Harness: memoria a livello utente (~/.deepseek-harness/MEMORY.md) + memoria a livello di workspace iniettata a ogni turno, scrittura automatica di log giornalieri con distillazione, ponte con le directory di memoria WorkBuddy/CodeBuddy esistenti, strumenti memory_note / memory_note_user / memory_read con dedup integrato e una pagina impostazioni bilingue. Archiviazione in testo semplice, senza database.

Porta la memoria, le skill e la configurazione di Claude Code in DeepSeek Harness — nessuna migrazione, piena compatibilità.

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

Installa Herta come agente di DeepSeek Harness: un preset che porta le sezioni di prompt della sua persona e della memoria, sei strumenti di memoria e voce, un livello narrativo che separa ciò che pensa da ciò che dice, 80 clip vocali incluse, sintesi vocale offline e MiniMax, e due viste di conversazione che renderizzano la sessione con i suoi stessi componenti.

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

Motore di orchestrazione del ciclo di vita per team di agenti AI con isolamento tramite Git worktree con ambito di attività, transizioni di consegna controllate dallo stato e memoria fuori dal contesto.

Collega il grafo di conoscenza del codice Codebase Memory MCP in DSH e mantiene freschi i repository indicizzati con un watcher del filesystem con debounce. Bridge MCP solo per Windows (la metà del watcher è multipiattaforma); auto-installa la propria CLI npm tramite npx al primo avvio.

Trasforma le 13 carte di skill di ruolo δ-me13 (Amphoreus) in workspace per postazione: tema e sfondo per postazione, iniezione della skill al primo turno, sticker di chat, note e preset di memoria per postazione, cambio postazione con Alt+cifra e una tela di panoramica per assegnazione e passaggio di consegne; la suite di skill stessa viene letta da una cartella locale configurabile e non è inclusa.

Plugin di potenziamento per DSH Desktop: mette in chiaro fatti verificabili. Vincoli iniettati solo quando servono, a livelli (testo stabile per la sessione nel system prompt, contenuto volatile in coda); la cache resta valida. Disciplina: ogni turno è classificato (domanda/ricerca/discussione/diagnosi/esecuzione); niente modifiche nei turni di domanda né correzioni non richieste in quelli di diagnosi; segnala citazioni di codice non aperto e affermazioni su simboli mai visti. Memoria: avvisi al 75%/90% del contesto, riepilogo esportabile, conoscenza di progetto per directory. Artefatti: contratto del task, registro modifiche, registro ipotesi con gate, decisioni di design. Dashboard: metriche in lume-metrics.jsonl via lume_metrics; personas distillate da chat, romanzi o schede.

Memoria a lungo termine governata per DeepSeek Harness: registro delle evidenze di sola aggiunta con protezioni di scrittura, affermazioni su 7 livelli di autorevolezza, catene di sostituzione e iniezione pre-passaggio con budget e quote per dominio.

Suite di plugin Git e controllo del codice sorgente per DeepSeek Harness: operazioni git locali più adattatori GitHub, GitLab, Bitbucket, Azure DevOps e Gitea, con memoria autoevolutiva.

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.

Plugin proattivo di scheduling multi-modello: intake segnali multi-fonte con dedup e ranking di urgenza, motore decisionale a quattro vie execute/defer/dismiss/ask-user, generazione piano DAG con esecuzione parallela di modelli, riflessione qualità con retry automatico e switch di modello, memoria a lungo termine per pattern di task e lezioni, ed evoluzione della strategia tramite algoritmi genetici con valutazione sandboxed e rollout canary.

HUD flottante in stile gioco: barra HP del saldo, barra MP del contesto, prezzi ufficiali di picco/valle con conto alla rovescia, compattazione automatica sotto il 5% rimanente e nuova conversazione con memoria mantenuta.

Sistema di memoria persistente a cinque livelli con iniezione della rilevanza, estrazione automatica tramite LLM, rotazione dei profili e sei strumenti per l’agente.

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%.

Guardiano popup per i log di sessione: si apre con la Web UI a un intervallo di promemoria configurabile (10 min-3 h), con backup incrementale in un clic di ogni session.jsonl(.zstd) sotto ~/.dsh/sessions in formato raw o log chat leggibile.

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.

Un nucleo di giudizio per DeepSeek Harness: un ciclo cognitivo che dà a ogni decisione fonte e attribuzione e porta la pianificazione fino alla chiusura, una memoria ippocampale che condensa l'esperienza in conoscenza riutilizzabile e una scheda persona personalizzabile (nome, personalità, stile di comunicazione). Richiede DSH ^0.1.0-rc.7.

Motore di persona per DeepSeek Harness: un config.json governa il nome con cui l'IA si presenta (per modello e livello), come ti chiama, la postura relazionale, il testo del carattere, contratti per elemento con interruttori, la lingua della catena di pensiero e il tono delle risposte, più memoria subordinata alla conferma umana: l'IA può solo accodare candidati, una riga di conferma li attiva, e il registro è in sola aggiunta e riproducibile. Le voci confermate vengono iniettate come blocco citato di dati, non di istruzioni; quelle con un kind vanno in file arbitrari e non raggiungono mai il prompt. Il prompt viene riletto dal disco a ogni assemblaggio: le modifiche si applicano senza riavvio. Preset: istantanee JSON condivisibili. Senza dipendenze, rete o shell.