Plugin

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.

Bacheca attività SQLite locale come pagina overlay nativa: progetti, attività, commenti, relazioni, allegati e automazione del flusso di lavoro, con stati backlog → todo → in_progress → in_review → done; gli strumenti Agent `taskboard_*` possono inviare il lavoro solo a in_review, più una CLI JSON headless e una skill pacchettizzata.

Memoria tra sessioni con ambito di progetto: archivio SQLite a sette livelli (soul/user/project/fact/lesson/rules/topic) su node:sqlite, iniezione nel primo messaggio adatta alla cache più corrispondenze di parole chiave per messaggio, strumenti memory_remember/search/find_similar/read/update/project e consolidamento nella finestra di inattività («dream») con soppressione nelle ore di punta. I testi dei prompt sono distribuiti come file di dati per lingua — il framework supporta utenti multilingue.

La memoria che sogna — memoria tra sessioni per DeepSeek Harness: ti ricorda tra le sessioni, si auto-consolida nel sonno (autoDream), congela i ricordi in conflitto perché tu li esamini e mantiene un audit trail riproducibile. Ricerca semantica locale offline-first su SQLite con mirror Markdown modificabili a mano, un grafo di entità, un pannello interattivo della memoria, oltre a un'API esterna e una CLI.

Memoria cross-sessione limitata, a livelli, soggetta ad approvazione e verificabile: un'interfaccia `ctx.memory` tipizzata con un provider SQLite senza dipendenze, uno strumento `memory` e l'iniezione di snapshot congelati, oltre alla prova generale del dsh-memory-protocol v1 con un registro degli adapter e una suite di conformità distribuibile.

La memoria che sogna — memoria tra sessioni per DeepSeek Harness: ti ricorda tra le sessioni, si autoconsolida nel sonno (autoDream), congela i ricordi in conflitto per la tua revisione e mantiene una traccia di audit riproducibile. Ricerca semantica locale offline-first su SQLite con mirror Markdown modificabili a mano, un grafo di entità, un pannello memoria interattivo, più un'API esterna e una CLI.

La memoria che sogna — memoria tra sessioni per DeepSeek Harness: si ricorda di te tra le sessioni, si autoconsolida nel sonno (autoDream), congela le memorie in conflitto per la tua revisione e mantiene una traccia di audit riproducibile. Ricerca semantica locale offline-first su SQLite con specchi Markdown modificabili a mano, un grafo delle entità, un pannello memoria interattivo, più API esterna e CLI.

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).

Ricerca web avanzata e persistente: instradamento multi-motore (DeepSeek/Exa/DDG/Bing/Jina + GitHub/Bilibili/YouTube/V2EX/Xiaohongshu/Twitter/Reddit/RSS), cache SQLite+LRU, estrazione in stile userscript, rendering con Playwright.

Modalità red team: fornisci il nome di un'organizzazione e un pianificatore avvia cinque ruoli (ricognizione, asset, vulnerabilità, exploitation, pivot) con fino a 3 agenti concorrenti; preflight di skill e risorse, richiesta unica della chiave o del VPS mancante, guidata da una skill di onboarding integrata. Punteggio secondo le regole di intrusion scoring (8 categorie / 25 punti), tetti lato server, vince il privilegio più alto e dedup per servizio; gli account auto-registrati non segnano mai. I riscontri, con timestamp, vanno in una base SQLite locale e appaiono in una console destra di 12 schede (asset, agenti, sessione/tunnel, catena di attacco, punteggio, report giustificato, base POC/EXP, skill). Include 23 skill native, 53 strumenti redteam_* e auto-aggiornamento in un comando.

Motore di memoria tra sessioni per DeepSeek Harness: archivio SQLite + specchio Markdown modificabile dall'utente, consolidamento autoDream, ricerca semantica offline (vettorizzazione/riordino/clustering locali), timeline entità-attributo, Sleep Mode, autoSummarize con modello personalizzato e 7 strumenti di memoria.

SkillRoute di JEStats: routing delle skill per gli agenti di DeepSeek Harness.

Bundle DeepSeek Harness (dsh) che collega il router delle skill di SkillRoute ai tuoi agenti.

Bundle DeepSeek Harness (dsh) che collega il router di skill di SkillRoute ai tuoi agent.

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.

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.

Fornisce basi di conoscenza locali e remote con recupero nell'ambito di progetto e sessione, riscrittura controllata e una console di gestione Web integrata.

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.

Memoria a lungo termine tra sessioni con la metafora del «palazzo della memoria»: archivi SQLite a doppio ambito (utente + progetto per origine git), recupero ibrido FTS5 + vettori locali con fusione RRF e potenziamento del ranking per recenza/prova, acquisizione automatica dal registro della sessione (incluso il turno finale), catene di audit della provenienza, distillazione per consolidamento e oblio per decadimento, e un pannello Memory Library nella pagina delle impostazioni con topologia dei corridoi, maggiordomo per i tour e lista di ristrutturazione.

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.

Modalità di apprendimento local-first: thread di apprendimento cross-sessione con spiegazioni per ciascuna fonte.