Memória

Memória entre sessões limitada, em camadas, sujeita a aprovação e auditável: uma interface `ctx.memory` tipada com um provedor SQLite sem dependências, uma ferramenta `memory` e injeção de instantâneos congelados, além do ensaio do dsh-memory-protocol v1 com um registro de adaptadores e um conjunto de conformidade distribuível.

Memória de longo prazo para agentes DSH — memórias duráveis e inspecionáveis com ferramentas de recordação, busca, navegação e grafo de conhecimento, importação de dez outras ferramentas de codificação com IA e uma página de configurações.

Compressão de contexto conduzida pelo modelo (Active Context Pruning) para o DeepSeek Harness: o modelo decide quando e o que comprimir.

A memória que sonha — memória entre sessões para o DeepSeek Harness: recorda você entre sessões, autoconsolida-se enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reexecutável. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de uma API externa e uma CLI.

A memória que sonha — memória entre sessões para o DeepSeek Harness: lembra de você entre sessões, autoconsolida enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reproduzível. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de API externa e CLI.

Conversas recentes permanecem vívidas. As antigas desvanecem-se em resumos, não no esquecimento. StrataGate oferece ao DeepSeek Harness memória em seis camadas, com decaimento temporal, enquanto eventos e relacionamentos duradouros se acomodam em um grafo de conhecimento. Traga suas memórias de outras IAs com você — sem precisar recomeçar.

Memória associativa proativa para DSH: injeta recall sem prompt em uma fronteira fixa, com auto-consolidação em três camadas, cristalização de skills e gerenciamento de contexto no estilo Astra. Inclui livros de passagem e um quadro PLAN que sobrevivem a mudanças de janela de contexto, além de detecção de nível com uma janela de modelo autodetectada. Armazenamento local em Markdown, agnóstico ao modelo, zero dependências; piso lexical de 0 GB com camadas semânticas opcionais.

Memória causal para dsh: uma ponte MCP stdio sem dependências que monta as 17 ferramentas do servidor causal-memory com nomes simples (sem prefixo mcp__) — arestas decisão → resultado com relações tipadas (caused / enabled / prevented) numa loja SQLite local que sobrevive à compactação — mais uma secção de prompt de sistema fixada. Requer o binário do servidor causal-memory no PATH (pip install causal-memory ou uma versão pré-compilada).

Integração DeepSeek Harness para OpenContext com memória durável entre sessões, captura e recuperação automática de prompts, resumos de sessão, insights estruturados e recuperação de documentos.

Auto-memória no estilo Claude Code, nativa: arquivos de memória tipados (user/feedback/project/reference) com um índice MEMORY.md injetado automaticamente no system prompt (pegada zero quando vazio); memory_write/read/list/delete seguem as regras de escrita do Claude Code (deduplicar e atualizar, datas absolutas, links cruzados); camadas por workspace e por usuário, bloqueio de arquivo entre processos com recuperação de lock órfão, Markdown puro em disco, sem serviços externos, sem embeddings.

Motor de memória entre sessões para o DeepSeek Harness: armazenamento SQLite + espelho Markdown editável por humanos, consolidação autoDream, busca semântica offline (vetorização/reclassificação/clustering locais), linha do tempo de entidade-atributo, Sleep Mode, autoSummarize com modelo personalizado e 7 ferramentas de memória.

Implementação puramente em plugin que traz ao DeepSeek Harness a capacidade de "memória de longo prazo entre sessões + auto-evolução em segundo plano": memória de cinco trilhas · consciência de branch do git · autorrevisão dentro do turno · auto-evolução de skills e gerenciador de skills · lista de pendências de quatro trilhas · agendamento COI · broadcast de sessão · busca de sessão · gerenciador de prompts · notas temporárias — zero modificações no núcleo, zero dependências em tempo de execução, pronto para usar ao instalar e limpo ao desinstalar.

Cofre local do Obsidian como base de conhecimento do agente, com ferramentas DSH somente leitura que encaminham status, preferência, correção, memória, projeto, busca e sugestão para a página correspondente.

Cofre Obsidian local como repositório de conhecimento do agente, com ferramentas DSH somente leitura que roteiam status, preferência, correção, memória, projeto, busca e sugestão para a página correspondente.

Plugin para deepseek-harness que faz seu agente evoluir em um repositório git personalizado.

Memória de projeto apenas local, sem dependências de runtime empacotadas nem serviços externos: JSON como fonte da verdade mais um PROJECT_MEMORY.md gerado, Hot Memory limitada por tokens e congelada por sessão para estabilidade do cache de prefixos de prompt, recall BM25 entre projetos em cache, proveniência confiável de sessão/turno, governança explicável de duplicatas/conflitos antes da gravação, ciclo de vida editável de importância/pin/tags/substituição/arquivo, destilação configurável no fim do turno de nível superior e uma GUI web bilíngue para busca, inspeção, diagnóstico e configurações ao vivo.

Destilação automática de conversas: reflexão por subagente em segundo plano + criação/atualização de skills.

Combina o Auto Memory inspirado no Claude Code com a consolidação de Session inspirada no Codex, trazendo memória de longo prazo simples, transparente e eficiente em contexto para o DeepSeek Harness.

Memória de longo prazo para DeepSeek Harness: recuperação multicanal e um repositório de memória em evolução.

Conecte o dsh a um cofre local do Obsidian: pesquise, leia, escreva, mova e descarte notas através das ferramentas `obsidian_*`.

StrataGate oferece ao DeepSeek Harness memória local-first, a longo prazo e evolutiva para preferências do usuário, decisões de projeto, conversas e resultados de ferramentas entre sessões; sobrepõe o histórico com decaimento temporal ajustável pelo usuário, reforça memórias pelo uso em respostas reais, mostra contagens de uso cientes do espaço de trabalho e mantém as evidências recuperadas rastreáveis até suas mensagens originais.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

Memória de projeto para dsh com integração nativa ao sistema de tarefas: todos os todos da sessão e leituras de arquivos são condensados automaticamente em registros de tarefa entre sessões (links task↔file), de modo que fluxos de trabalho possam ser alternados e retomados sem recontextualização. Memória em tempo de leitura (sem varredura inicial): extrai símbolos de código, resume docs e cria cross-links docs↔symbols; aprimoramento semântico opcional de TS (auto ligado quando TS está instalado). Notas de experiência são deduplicadas automaticamente. Cada recuperação inclui uma citação rastreável. Pure JS, uma única dependência, funciona de saída, operação silenciosa, zero overhead.

Compressão automática de contexto para DeepSeek Harness: comprime saídas de ferramentas antes que cheguem ao modelo e mantém cada compressão com perda reversível por meio de ferramentas de recuperação CCR.