Plugin

Suite di agenti per la ricerca: controllo degli obiettivi a lungo termine con catene di prove verificabili, pianificazione cron, squadre di esperti multi-agente, memoria di ricerca auto-evolutiva (recupero FTS5 + RRF), spazi di lavoro per progetto e una UI personalizzata per lo spazio di lavoro.

General-purpose knowledge base for DSH: import md/txt/json/yml/docx/pdf, folder management, FTS5 full-text search (BM25), and a Web management UI.

Long-term memory & self-evolving plugin for DSH: L0 capture → L1 memory extraction → L2 scene grouping → L3 user persona, auto recall injection, skill synthesis, fully local (SQLite FTS5 + jieba, optional vector recall).

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)

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

Crea pacchetti di knowledge base verificabili (SQLite FTS5) da md/txt/docx/pdf con recupero deterministico e lettura del testo originale

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

Cerca, elenca e leggi le sessioni passate e correnti tramite il servizio `sessionQuery` proprio dell'harness: usa l'indice SQLite FTS5 dove il deployment lo abilita, e ricade su una scansione limitata a partire dalle più recenti dove non lo fa

Memoria cross-sessione per il modello: ricerca full-text in tutte le sessioni passate (SQLite FTS5 tramite ctx.sessionQuery) e riporta gli estratti più rilevanti nel contesto corrente