플러그인

WeKnora 지식 베이스에 대한 4개의 읽기 전용 도구: 지식 베이스 나열, 하이브리드 패시지 검색, 한 문서의 청크를 순서대로 재조립, 그리고 재개 가능한 세션 ID를 사용하는 WeKnora 자체 인용 RAG 또는 ReAct 에이전트 답변.

DeepSeek Harness(dsh)용 WeKnora 지식 검색 도구: 자체 지식 베이스에 대한 시맨틱 검색, 문서 읽기 및 RAG/에이전트 답변을 제공합니다.

DeepSeek Harness를 ReMe의 로컬 우선·자기 진화 개인 지식베이스에 연결: 완료된 메인 에이전트 대화를 사용자 소유의 Markdown 메모리로 자동 수집하고, reme_search로 대화와 소스 자료를 검색(BM25, 선택적 임베딩, wikilink 확장)하며, 매일 메모리 통합을 예약 실행합니다.

DeepSeek Harness를 ReMe의 로컬 우선 자기 진화형 개인 지식 베이스에 연결: 완료된 메인 에이전트 대화를 사용자 소유 Markdown 메모리로 자동 캡처하고, BM25, 선택적 임베딩, wikilink 확장을 통해 reme_search로 대화 및 소스 자료를 검색하며, 일일 메모리 통합을 예약합니다.

DSH 및 다른 코딩 에이전트를 위한 공유 Markdown 메모리, 자동 캡처, 단계 전 컨텍스트 주입, 검색 가능한 리콜, 리뷰 패널을 통한 메모리-스킬 자기 진화를 제공합니다.

이 머신의 다른 서른세 개 코딩 에이전트(Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed 등)가 이미 기록한 세션 파일을 읽습니다 — 설치 이전의 세션까지 포함합니다. 여섯 개 도구(deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), /deja 명령, 런타임 컨텍스트에 추가되는 선택적 자동 회상 기능을 제공합니다. 로컬 BM25 색인, LLM 없음, 임베딩 없음, 네트워크 없음(dsh plugin --profile web add dsh-deja).

DeepSeek Harness용 롤플레이 워크스페이스: SillyTavern/TauriTavern 캐릭터 카드를 가져오거나 대화형 플로로 처음부터 제작. 장문 TXT 소설을 정독 또는 조독 패스로 플레이 가능한 카드로 변환. 메인 에이전트는 필요 시 월드북을 참조하고, 산문은 전용 태번 리더 탭에서 읽기. 하나의 대화 안에서 여러 월드라인 탐색(재생성, 편집 후 전송, 명시적 클론). 16개 내장 스타일의 스코프 스타일 프리셋, 캐릭터 에이전트 클러스터, 독립형 결정 카드, 카드 및 소설 내보내기. 고정 설정 프리픽스, 하드컷 컨텍스트 윈도우, 추적 가능한 디렉터 노트, 키워드/시맨틱/하이브리드 회상으로 장편 이야기를 유지. 임베딩은 온라인 또는 완전 로컬 선택. Harness 0.1.2-alpha.3 대상이며 공식 호환 패치를 적용.

Claude Code 스타일 자동 메모리를 네이티브로 구현: 타입이 지정된 메모리 파일(user/feedback/project/reference)과 시스템 프롬프트에 자동 주입되는 MEMORY.md 색인(비어 있으면 흔적이 없음). memory_write/read/list/delete는 Claude Code 쓰기 규칙(중복 제거 후 갱신, 절대 날짜, 상호 링크)을 따릅니다. 워크스페이스 범위와 사용자 범위 레이어, 고아 락 복구를 포함한 프로세스 간 파일 잠금, 디스크상의 순수 Markdown, 외부 서비스 없음, 임베딩 없음.

DSH를 위한 장기 메모리: 대화를 원자적 사실, 장면 요약, 페르소나 프로필로 자동 증류하고 모든 모델 단계 전에 관련 메모리를 주입. 설정 없이 바로 사용 가능 — BM25 + 벡터 하이브리드 검색, 선택적 오프라인 로컬 임베딩, 채팅/업무 패밀리 분리.

로컬 마크다운 및 텍스트 문서를 하이브리드 시맨틱 및 키워드 검색, 인용 검증, 소스 주입 기능을 갖춘 쿼리 가능한 지식 베이스로 변환합니다.

로컬 문헌 지식베이스 RAG: 도구 10개(kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), BM25+벡터+리랭커 하이브리드 검색, 클릭 가능한 DOI 링크가 있는 인용 QA, 단일 파일 SQLite 인덱스 위에서 전부 로컬로 동작하는 bge 임베딩. Python 3.9+와 pymupdf, faiss-cpu, sentence-transformers가 필요하며, `npx dsh-kb-rag-install` 설치 프로그램이 이를 설정하고 모델을 미리 내려받습니다.

"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.

DSH용 세션 간 메모리 플러그인(v0.6.1, npm @asherliner/dsh-memory-connect): 자동 추출, SQLite FTS5 인덱싱, 매 턴 시스템 프롬프트에 주입되는 RRF 시맨틱 리콜, 예약된 유지보수, ctx.llm을 통한 LLM 기반 통합, 컨텍스트 폭발 방지, ~/.dsh/soul.md를 통한 전역 Soul 정체성 제공. v0.5.0은 시간적 컨텍스트 그래프(valid_from/valid_until/supersedes, reviseMemory를 통한 append-only 수정), 신뢰 모델(리콜된 기록은 신뢰할 수 없는 참조로 주입되며 현재 지시가 항상 우선), 턴 종료 요약을 추가했습니다. v0.6.0은 로컬 시맨틱 임베딩(embed_server.py를 통한 BAAI/bge-small-zh-v1.5, FTS5와의 코사인 + RRF 융합, 클라우드 호출 없음, CPU에서 초당 약 232개 메시지)을 추가했습니다. v0.6.1은 경로 설정의 ~ 확장을 수정했습니다. 설정 없이 설치 가능합니다.

DeepSeek Harness용 생체모방 메모리 시스템: Markdown 트리를 읽기 전용 미러로 유지하는 단일 SQLite 저장소(node:sqlite, WAL). 메모리 도구, 세션 시작 시 고정 스냅샷 주입, 등급별 승인 게이팅, 현재 세션의 온디맨드 추출, 거의 중복 병합, 아카이브 및 대체 수명 주기, 메모리 대사(dream), 메모리 핀, 로컬 임베딩을 통한 의미적 검색, 그리고 /memory 명령어.

세션 간 평문 메모리: deterministic BM25 키워드 recall(임베딩 없음), human-confirm 게이트 뒤의 memory_save/list/search/confirm/forget 도구, git repo를 따르는 전역 + 프로젝트 범위 JSON 저장소.

DSH용 완전 로컬 벡터 메모리: 로컬 임베딩, SQLite 저장소, 자동 리콜 주입, 충돌 감지를 통한 중복 제거, 소프트 삭제 휴지통, 온라인 백업 및 선택적 LLM 추출 기능을 제공합니다.

DeepSeek Harness (DSH)용 Cherry Studio 스타일 지식 베이스 시스템: 베이스, 문서, 청킹, 임베딩(OpenAI 호환 / Ollama / 로컬 / 어휘 폴백), 검색, 모델 대상 도구, 브라우저 관리 패널.

DeepSeek Harness용 로컬 시맨틱 코드 검색: 프래그먼트 수준 심볼 인식 인덱싱, 오프라인 어휘 임베딩 또는 OpenAI 호환 엔드포인트, RRF로 융합된 하이브리드 벡터 + BM25 검색 - 3개의 dsh 도구와 sema CLI를 제공합니다.

계층적 장기 기억 MCP 서버: 원시 턴 → 작업 조각 → 일일 요약 → 주제 인덱스, 로컬 MiniLM 384차원 임베딩 또는 OpenAI 호환 API 백엔드, 시맨틱 + Jaccard 폴백 검색, 한 번의 명령으로 DSH 플러그인 설치.

DeepSeek Harness(dsh) 플러그인. fin-trace 에이전트 루프를 내장 — 금융 지식 그래프에 대한 멀티홉 관계 추론을 비동기 도구(start/status/cancel)로 노출합니다.

Markdown 노트용 이중 지식 그래프 RAG(half-life 메모리 감쇠): 전제 조건 + 유사도 그래프(P/S-Agent 트래버설), 단락 청킹, n-gram/embedding 하이브리드 검색, 명시적 가중치 피드백 루프 — Cordis 네이티브 플러그인, npm으로 @eqman00003/knowlp-rag 설치 가능.

Tiny local vector memory via Ollama embeddings and ~/.dsh/vecmem (workspace namespaces; optional IM crumb via vecmemOnReply).

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.