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.

Memoria Markdown condivisa per DSH e altri agenti di codifica, con cattura automatica, iniezione di contesto pre-passo, richiamo ricercabile ed evoluzione automatica da memoria a skill tramite un pannello di revisione.

Plugin di memoria persistente cross-agent e local-first per DeepSeek Harness (DSH), basato su Mnemon. Condivide la memoria a lungo termine tra gli agenti compatibili con Mnemon e aggiunge memoria di runtime, documenti di progetto ricercabili, richiamo semantico, grafo di conoscenza e un'interfaccia a barra laterale.

Livello mnemonico.

Memoria a lungo termine tra sessioni + auto-evoluzione in background (5 binari: memoria/consapevolezza dei rami git/evoluzione delle skill).

Memoria a lungo termine per DeepSeek Harness in semplice Markdown, un fatto per file, leggibile in qualsiasi editor. L'indice `MEMORY.md` ha un limite rigoroso di 200 righe / 25 KB imposto da `ctx.tools.guard()`: una scrittura che farebbe crescere l'indice oltre il limite viene rifiutata, mentre una riscrittura che lo riduce passa sempre, permettendo di compattare passo dopo passo un indice sovradimensionato. Il plugin non scrive mai ricordi da solo — cosa conservare è deciso da te e dal modello. Lo stesso archivio è utilizzato anche da Claude Code, Codex, Kiro e OpenClaw.

Memoria a lungo termine locale basata su Git per DeepSeek Harness con recupero ibrido CJK/inglese, contesto citato, sincronizzazione transazionale, anteprime e rollback.

Piano di controllo della memoria a tre livelli per DeepSeek Harness: contesto di runtime persistente, documenti di progetto ricercabili, memoria a lungo termine collegabile, instradamento intelligente, workflow di agent supervisionati, WebUI e strumenti headless.

Memoria a lungo termine curata e basata su file per DeepSeek Harness — note markdown leggibili dall'uomo, un unico archivio di file di testo semplice condiviso tra gli host (ignorato da git quando si trova all'interno di un repository di progetto) e un limite deterministico dell'indice imposto da ctx.tools.guard()

Memoria a lungo termine per gli agenti DSH — ricordi durevoli e ispezionabili con strumenti di richiamo, ricerca, navigazione e grafo della conoscenza, importazione da altri dieci strumenti di codifica IA e una pagina delle impostazioni.

Le conversazioni recenti restano vivide. Quelle più vecchie sfumano in riassunti, non nell'oblio. StrataGate offre a DeepSeek Harness una memoria a sei livelli con decadimento temporale, mentre eventi e relazioni duraturi si depositano in un grafo della conoscenza. Porta con te i tuoi ricordi da altre AI—non c'è bisogno di ricominciare da capo.

Memoria causale per dsh: bridge MCP stdio senza dipendenze che monta i 17 strumenti del server causal-memory con nomi puliti (senza prefisso mcp__) — archi decisione → esito con relazioni tipizzate (caused / enabled / prevented) in un archivio SQLite locale che persiste alla compattazione — più una sezione di prompt di sistema fissata. Richiede il binario del server causal-memory nel PATH (pip install causal-memory, oppure una release precompilata).

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.

Combina Auto Memory, ispirato a Claude Code, con il consolidamento di Session, ispirato a Codex, portando in DeepSeek Harness una memoria a lungo termine semplice, trasparente ed efficiente nel contesto.

Memoria a lungo termine per DeepSeek Harness: recupero multicanale e un archivio di memoria in evoluzione.

StrataGate fornisce a DeepSeek Harness una memoria a lungo termine evolutiva, local-first per preferenze utente, decisioni di progetto, conversazioni e risultati degli strumenti tra le sessioni; sovrappone la cronologia con decadimento temporale regolabile dall'utente, rafforza i ricordi tramite l'uso nelle risposte reali, mostra conteggi d'uso consapevoli dell'area di lavoro e mantiene le evidenze richiamate tracciabili fino ai messaggi originali.

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.

Bridge per ShiGuang Memory Engine (SGME): memoria a lungo termine condivisa multi-agente via HTTP — distillazione L0/L1/L1.5/L2, iniezione basata su scenario, ricerca unificata e segnali proattivi di cura (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), installabile come `dsh-sgme`

Plugin di memoria a lungo termine e auto-evoluzione per DSH: acquisizione L0 → estrazione della memoria L1 → raggruppamento delle scene L2 → persona utente L3, iniezione automatica dei ricordi, sintesi delle competenze, completamente locale (SQLite FTS5 + jieba, recupero vettoriale opzionale).

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+.

Plugin di memoria a lungo termine NeatMem per DeepSeek Harness: client REST leggero verso un server neatmem

Port fedele del meccanismo MEMORY.md / USER.md di hermes-agent per DSH: memoria dual-bank limitata (2200/1375 caratteri), un singolo strumento `memory` (add/replace/remove/batch), iniezione di snapshot congelato per sessione, promemoria nudge, archiviazione JSON nativa DSH — zero dipendenze esterne, zero costo LLM.

Gestisce le schede persona di soul.md e la memoria a lungo termine, con selezione della persona per workspace e sessione e strumenti per leggerle e aggiornarle.

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).