Plugin

Hindsight, una memoria per agenti che apprende: memoria di progetto a lungo termine con richiamo e conservazione automatici, pagine di conoscenza, riflessione approfondita e banche di memoria per repository.

Legge i file di sessione che altri trentatré agenti di coding su questa macchina hanno già scritto — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed e altri — incluse le sessioni precedenti alla sua installazione: sei tool (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), un comando /deja e il richiamo automatico opzionale aggiunto al contesto di runtime. Indice BM25 locale, nessun LLM, nessun embedding, nessuna rete (dsh plugin --profile web add dsh-deja).

Porta la cronologia delle sessioni di diciannove altri agenti di codifica in DeepSeek Harness: richiamo, riassunto della sessione e strumenti di cronologia per file su un indice locale, più richiamo automatico opzionale prima di ogni passaggio.

Plugin di memoria del ciclo di vita MemOS Cloud per DeepSeek Harness

Memoria PLUR per DeepSeek Harness — gli engrammi vengono iniettati direttamente nel prompt, senza bisogno di chiamate a strumenti

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.

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.

Livello di coordinamento dei plugin: i plugin dichiarano le proprie capacità, i comandi vengono instradati al plugin proprietario senza una chiamata al modello, gli schemi dei tool si caricano su richiesta per ridurre i token del prompt, la cronologia delle esecuzioni si consolida in memoria a lungo termine nei momenti di inattività e i guasti vengono classificati prima di qualsiasi retry.

Livello di integrazione nativo DSH per il motore di memoria Minta: compone la riga ufficiale dsh-mcp-client, registra la skill minta-memory-governance più un prewarm della memoria all'avvio della sessione, e fornisce un preset agente Minta; richiede il motore Minta distribuito separatamente (Python/Docker) per fornire i 19 strumenti MCP — non utilizzabile senza di esso.

Memoria di team auto-evolutiva come semplice Markdown in git: un plugin nativo Cordis che registra 38 strumenti di memoria bare-name più una sezione di segnali di prompt rivalutata ad ogni assemblaggio, con rinforzo RPE, decadimento e consolidamento durante il sonno; condivide un repository dati con i suoi host Claude Code (MCP) e OpenClaw; verificato con DSH 0.1.0-rc.6.

Memoria di team auto-evolutiva come semplice Markdown in git: un plugin Cordis nativo che registra 38 strumenti di memoria dal nome semplice più una sezione di segnali del prompt rivalutata a ogni assemblaggio, con rinforzo RPE, decadimento e consolidamento durante il sonno; condivide un unico repository dati con i suoi host Claude Code (MCP) e OpenClaw; verificato con DSH 0.1.0-rc.6.

Integrazione di TencentDB Agent Memory con acquisizione delle conversazioni, estrazione strutturata della memoria, richiamo automatico e strumenti di ricerca della memoria e delle conversazioni.

Mnemosyne memory for DeepSeek Harness: remember / recall / forget / stats / sleep tools, embedded skill, auto-setup, optional auto-sync/prefetch, and a Settings panel. Data lives under ~/.dsh/mnemosyne.

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

Memory plugin with built-in governance for DeepSeek Harness

Native memory for DeepSeek Harness — auditable facts with evidence chains, powered by StateCore