Plugin

Collega DeepSeek Harness alla base di conoscenza personale local-first e auto-evolutiva di ReMe: cattura automaticamente le conversazioni completate dell'agente principale come memoria Markdown di proprietà dell'utente, cerca conversazioni e materiali originali tramite reme_search con BM25, embedding opzionali e espansione dei wikilink, e pianifica una consolidazione giornaliera della memoria.

Collega DeepSeek Harness alla base di conoscenza personale locale-first e autoevolutiva di ReMe: cattura automaticamente le conversazioni completate dell'agente principale come memoria Markdown di proprietà dell'utente, cerca nelle conversazioni e nel materiale sorgente tramite reme_search con BM25, embedding opzionali ed espansione dei wikilink, e pianifica il consolidamento giornaliero della memoria.

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.

Memoria di ripristino dai fallimenti: cerca e registra le lezioni di ripristino dai fallimenti tratte da sessioni di ingegneria reali, con recupero BM25 + RAG semantico e una base di conoscenza delle lezioni apprese.

Memoria di progetto solo locale, senza dipendenze runtime incluse né servizi esterni: JSON come fonte di verità più un PROJECT_MEMORY.md generato, Hot Memory limitata da token e congelata per sessione per la stabilità della cache dei prefissi di prompt, richiamo BM25 cross-progetto in cache, provenienza affidabile di sessione/turno, governance spiegabile di duplicati/conflitti prima della scrittura, ciclo di vita modificabile di importanza/pin/tag/sostituzione/archiviazione, distillazione configurabile a fine turno di livello superiore e una GUI web bilingue per ricerca, ispezione, diagnostica e impostazioni in tempo reale.

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.

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.

RAG per una knowledge base bibliografica locale: 10 strumenti (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), ricerca ibrida BM25+vector+reranker, QA con citazioni e link DOI cliccabili, embedding bge interamente locali su un indice SQLite in un singolo file. Richiede Python 3.9+ con pymupdf, faiss-cpu e sentence-transformers; l'installer `npx dsh-kb-rag-install` li configura e pre-scarica il modello.

RAG di base di conoscenza letteraria locale per DSH: ricerca ibrida BM25 + vettoriale su un indice SQLite, reranking con cross-encoder, risposte citate con provenienza a livello di sezione e pagina, aggiornamento dei soli metadati e ingestione in background con polling del progresso.

Memoria cross-sessione con richiamo deterministico a zero token (bigram-Jaccard fuso con FTS5 BM25 via RRF, tokenizzazione consapevole del cinese), rinforzo che rafforza le osservazioni ripetute, e procedure cristallizzate in file SKILL.md rifiniti in loco tramite un ciclo di vita active-stale-archived con archivio e rollback reversibili. L'ingestione e la disposizione espongono entrambe un livello di autonomia scelto dall'utente; conflitti e scritture ad alta importanza vanno sempre a revisione umana, e nulla viene mai eliminato automaticamente. Richiede Node 22.5+.

Memoria persistente local-first per DeepSeek Harness: iniezione di hot memory pre-step limitata, richiamo a freddo BM25 esatto e a bigrammi cinesi, sei strumenti agent, scritture con lease-lock approvato tramite approvazione con ricevute di recupero, e candidati di governance e revisione della traiettoria in sola lettura.

Base di conoscenza generica per DSH: importazione di md/txt/json/yml/docx/pdf, gestione delle cartelle, ricerca full-text FTS5 (BM25) e un'interfaccia web di amministrazione.

Strumenti nativi per un vault wiki Obsidian: wiki_query, wiki_write, wiki_rename, wiki_scaffold, wiki_archive e wiki_lint coprono la ricerca BM25 con contesto del grafo di link, scritture contabili con tracciamento delle fonti sha256, rinomine a livello di vault, scaffold di modalità, archiviazione delle fonti e controlli di integrità — con lock tra processi e git auto-commit opzionale.

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 DSH Web di sola lettura per ispezionare e cercare raccolte Milvus o Zilliz Cloud dalla chat, incluse query scalar, BM25, dense e hybrid.

Ponte universale Model Context Protocol (MCP) per DeepSeek Harness: collega gli agenti a server MCP stdio/sse/websocket con un motore di scala da 10k dormienti, ricerca di strumenti BM25 sotto il millisecondo, budget dinamico dei token e una dashboard web in tempo reale.

Gestore di base di conoscenza locale per agenti DSH: importazione multiformato, chunking con consapevolezza CJK, ricerca ibrida vettoriale sqlite-vec + BM25 con rerank bge-reranker-base, snapshot, esportazione/importazione kbpack e ricerca cross-KB — 22 strumenti agente e un pannello web.

Ricerca semantica locale di codice per DeepSeek Harness: indicizzazione a livello di frammento consapevole dei simboli, embedding lessicali offline o un endpoint compatibile OpenAI, e retrieval ibrido vettoriale + BM25 fuso con RRF - tre strumenti dsh più una CLI sema.

Memoria di decisioni e obiettivi con lignaggio: comandi espliciti e un tool di modello registrano le decisioni in modo deterministico, una scheda di stato le riancora attraverso la compattazione, un flusso di eventi senza perdita con recupero BM25+jieba la supporta, e una suite di regressione sulla fedeltà a livello di scenario gestisce i rilasci.

Richiamo della memoria basato su parole chiave BM25

Local SQLite long-term memory with CJK-aware search, BM25 and character n-gram cosine reranking, deduplication, and lifecycle management.

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Local semantic index over workspace documents (MD/PDF/DOCX/TXT): FTS5 BM25 + local embedding hybrid retrieval, hit citations with line numbers, and incremental updates.