플러그인

번들 런타임 의존성이나 외부 서비스 없이 로컬 전용으로 동작하는 프로젝트 메모리: 단일 진실 공급원으로서의 JSON과 생성되는 PROJECT_MEMORY.md, 프롬프트 접두사 캐시 안정성을 위한 토큰 제한 세션 고정 Hot Memory, 캐시된 크로스 프로젝트 BM25 회상, 신뢰할 수 있는 세션/턴 출처, 쓰기 전 중복/충돌 거버넌스의 설명 가능성, 편집 가능한 중요도/핀/태그/대체/아카이브 수명 주기, 구성 가능한 최상위 턴 종료 증류, 그리고 검색·검사·진단·라이브 설정을 위한 이중 언어 Web GUI.

자동 대화 증류: 백그라운드 서브에이전트 회고와 스킬 생성/업데이트를 수행합니다.

ShiGuang Memory Engine(SGME) 브리지: HTTP를 통한 멀티 에이전트 공유 장기 메모리 — L0/L1/L1.5/L2 정제, 시나리오 기반 주입, 통합 검색, 능동적 케어 시그널(memory_search / wiki_search / signal_pull / signal_claim / signal_ack), `dsh-sgme`로 설치 가능

DeepSeek Harness (DSH) 세션 간 메모리 플러그인: 대화 모델이 작업하면서 기록하는 Markdown 프로젝트 메모리로, 주제 파일의 점진적 공개, 선택적 백그라운드 무음 증류, 프로젝트별 격리 및 핫업데이트 설정 패널을 지원합니다. 메커니즘은 Claude Code auto memory와 맞춰져 있습니다. | 에이전트가 유지 관리하는 세션 간 Markdown 메모리: 점진적 공개형 주제 파일, 선택 가능한 무음 증류, 프로젝트별 격리. Claude Code와 정렬됨.

"기억의 궁전" 메타포를 사용하는 세션 간 장기 기억입니다. 이중 범위 SQLite 저장소(사용자 + git origin별 프로젝트), RRF 융합과 최신성/증거 기반 랭킹 부스트를 적용한 FTS5 + 로컬 벡터 하이브리드 검색, 세션 로그(마지막 턴 포함)로부터의 자동 수집, 출처 감사 체인, 통합 정제와 감쇠 망각, 그리고 회랑 토폴로지·투어 버틀러·리퍼비시 목록이 있는 설정 페이지의 Memory Library 패널을 제공합니다.

3계층 에이전트 메모리 하니스: 항상 활성화된 L1 CLAUDE.md, L2 인덱스, 템플릿이 있는 L3 상세 스켈레톤, 보호된 파일 쓰기를 1회성 승인 토큰 없이는 차단하는 게이트, 판단 없는 이벤트 로깅, 주간 증류, TDD 실행 루프 스킬.

거버넌스, 자기 진화, 승인 게이트 쓰기 경로를 갖춘 DeepSeek Harness의 세션 간 메모리. 히트 순위 회상, 환경 규약, 망각 수명주기, 대체 체인, 오염 방어, 자동 증류, 그리고 열린 측정.

DeepSeek Harness용 사람이 읽을 수 있는 Markdown 메모리: 사용자 수준(~/.deepseek-harness/MEMORY.md) + 워크스페이스 수준 메모리를 매 턴 주입하고, 요약을 포함한 일일 로그를 자동 작성하며, 기존 WorkBuddy/CodeBuddy 메모리 디렉터리를 연결하고, 중복 제거가 내장된 memory_note / memory_note_user / memory_read 도구와 이중 언어 설정 페이지를 제공합니다. 일반 텍스트 저장소이며 데이터베이스는 필요 없습니다.

蒸馏主管（distillation-director）：把一本书蒸馏成可执行 Agent 技能的判态制元技能（V4.6：V4.3–V4.5 防坑体系与判官工作流之上，增 §21 **强制门禁**——gate_start 开工自证闸（手册哈希＋条款逐字抄录＋执行单＋机器层＋官方模板）／gate_stage 阶段依赖链（前阶段未过不得进入）／preflight 自动纳入活跃蒸馏任务）

Layered memory for DSH whose agent-facing surface is 10 tools: high-privilege writes (memory_add, memory_delete, memory_import), rumination controls (memory_ruminate, _cancel, _status), and a memory graph (memory_search_graph, memory_expand_graph_node), built over an L0-L3 distillation pipeline that recalls and injects relevant memories before each model step.