Memória

Um gerenciador de notas em markdown para o DSH: um **gerenciador de notas MD** e **editor de notas MD** completos, captura rapidamente conversas em notas, mantém as notas por **sincronização com repositórios Git**, e **traz as notas para o contexto da conversa**.

Recuperação semântica, gerenciamento de recursos, recall automático (espaços duplos de usuário + agente) e memória de sessão para o DeepSeek Harness: memsearch/memfind/memread/membrowse/memgrep/memglob sobre URIs viking://, gerenciamento de recursos memadd/memremove, status de observador memqueue, captura de sessão memcommit e geração de guias de habilidades memlearn.

O órgão de memória do Agent-Body: após 2 minutos de silêncio entra em sono leve e após 5 em sono profundo, onde regras determinísticas destilam a experiência real em cartões de memória (armadilhas, playbooks, pontos quentes, problemas não resolvidos, fatos). Comandos recebidos recuperam cartões relacionados por palavra-chave e os injetam no contexto; cartões sem uso decaem numa meia-vida e são arquivados em vez de excluídos. Também remove o ruído dos avisos de homeostase de todo o corpo: repetições dentro de uma janela são contadas em vez de reimpressas, e um aviso que se repete sem nunca sarar converge para um desvio de estado estacionário conhecido e silencia. A consolidação e a recordação não fazem chamadas ao modelo.

Um segundo cérebro autossuficiente para DeepSeek Harness — captura automaticamente conhecimento durável de diálogo num cofre Markdown local (dedup personalizado, pesquisa CJK, compatível com git), com uma base de conhecimento gráfica e um grafo de conhecimento interativo (filtro de legenda, coloração por dimensão temporal, seleção por caixa, mesclar, eliminar, exportar/importar PNG).

Transforma documentos locais em markdown e texto numa base de conhecimento consultável com pesquisa híbrida semântica e por palavras-chave, verificação de citações e injeção de fontes.

Memória de IA persistente apoiada em um cofre local do Obsidian/Codex: cinco ferramentas obsidian_memory_* de leitura/escrita/busca, além de um navegador de cofre na barra lateral.

RAG de base de conhecimento de literatura local: 10 ferramentas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), busca híbrida BM25+vetorial+reranker, QA com citações e links DOI clicáveis, embeddings bge totalmente locais sobre um índice SQLite de arquivo único. Requer Python 3.9+ com pymupdf, faiss-cpu e sentence-transformers; o instalador `npx dsh-kb-rag-install` configura tudo isso e pré-baixa o modelo.

Fornece bases de conhecimento locais e remotas com recuperação no escopo de projeto e sessão, gravação controlada de volta e um console de gerenciamento Web integrado.

Faça a IA lembrar como você pensa, não o que você disse: captura ativamente seus princípios, linhas vermelhas e hábitos de trabalho entre sessões, com capacidade de memória, decaimento gradual e justificativa legível por humanos para cada entrada. A 0.7.0 traz um retrato de persona intuitivo com rastreamento de evidências.

Plugin de memória DSH próprio: armazenamento persistente SQLite + guarda de auditoria em nível de banco (enforceAudit) + log de auditoria. Captura conhecimento automaticamente após as conversas, agentes recordam via memory_recall, com compartilhamento multiagente entre Claude Code/Codex/Cursor. Zero dependências externas.

Memória de longo prazo entre sessões sob a metáfora do “palácio da memória”: armazenamentos SQLite de escopo duplo (usuário + projeto por origem Git), recuperação híbrida FTS5 + vetores locais com fusão RRF e reforço de ranking por recência/prova, captura automática a partir do log da sessão (incluindo o turno final), cadeias de auditoria de proveniência, destilação por consolidação e esquecimento por decaimento, e um painel Memory Library na página de configurações com topologia de corredores, mordomo de tour e lista de reformas.

Ponte para o ShiGuang Memory Engine (SGME): memória de longo prazo compartilhada entre múltiplos agentes via HTTP — destilação L0/L1/L1.5/L2, injeção baseada em cenário, busca unificada e sinais proativos de cuidado (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), instalável como `dsh-sgme`

Plugin de memória entre sessões para DeepSeek Harness (DSH): memória de projeto em Markdown mantida pelo modelo de diálogo enquanto trabalha, com arquivos temáticos de divulgação progressiva, destilação silenciosa opcional em segundo plano, isolamento por projeto e painel de configurações com atualização em tempo real. Mecanismo alinhado ao Claude Code auto memory. | Agent-maintained cross-session Markdown memory: progressive-disclosure topic files, opt-in silent distillation, per-project isolation. Claude Code-aligned.

Camada de integração nativa DSH para o motor de memória Minta: compõe a linha oficial dsh-mcp-client, registra a skill minta-memory-governance além de um preaquecimento de memória no início da sessão, e envia um preset de agente Minta; requer o motor Minta implantado separadamente (Python/Docker) para fornecer as 19 ferramentas MCP — não utilizável sem ele.

Plugin de memória de longo prazo e autoevolução para DSH: captura L0 → extração de memória L1 → agrupamento de cenas L2 → persona de usuário L3, injeção automática de recordação, síntese de habilidades, totalmente local (SQLite FTS5 + jieba, recuperação vetorial opcional).

Memória de equipe autoevolutiva como Markdown simples no git: um plugin nativo do Cordis que registra 38 ferramentas de memória com nome simples mais uma seção de sinais de prompt reavaliada a cada montagem, com reforço RPE, decaimento e consolidação durante o sono; compartilha um repositório de dados com seus hosts Claude Code (MCP) e OpenClaw; verificado com DSH 0.1.0-rc.6.

Memória de equipe auto-evolutiva como Markdown simples no git: um plugin Cordis nativo que registra 38 ferramentas de memória de nome simples, além de uma seção de sinais de prompt reavaliada a cada montagem, com reforço RPE, decaimento e consolidação durante o sono; compartilha um único repositório de dados com seus hosts Claude Code (MCP) e OpenClaw; verificado com o DSH 0.1.0-rc.6.

Adiciona um painel de configurações multiusuário ao cliente web do DSH: seleção do modo de uso, gerenciamento de membros com status online e vinculação de dispositivos, e troca ou compartilhamento das bases de memória e conhecimento por membro.

Adiciona /pua para orientar o agente a tentar outra abordagem e verificar os resultados antes de declarar a conclusão, com 15 estilos de empresa, modos de persona, configurações globais e por conversa, e um loop opcional que continua até um comando de verificação passar, o limite de iterações ser atingido ou o usuário cancelar.

Compactação reversível de contexto para DeepSeek Harness: recodificação tabular sem perdas em estilo TOON de arrays JSON uniformes, janelas de tabela amostradas por stride com números de linha e deduplicação entre turnos para saídas de ferramenta repetidas; cada substituição passa por um limite bytes+tokens (≤72% de bytes, estritamente menos tokens estimados) e o original é gravado em disco atrás de um aviso `[save-token #id]`, recuperável numa única chamada via a ferramenta `save_token_expand`, com contagem de tokens facturados e evitados num painel de definições.

Memória entre sessões com lembrança determinística de zero token (bigram-Jaccard fundido com FTS5 BM25 via RRF, tokenização ciente do chinês), reforço que fortalece observações repetidas, e procedimentos cristalizados em arquivos SKILL.md refinados no lugar por um ciclo active-stale-archived com archive e rollback reversíveis. Ingest e disposal expõem um nível de autonomia escolhido pelo usuário; conflitos e gravações de alta importância sempre vão para revisão humana, e nada é autoapagado. Requer Node 22.5+.

Memória persistente local-first para DeepSeek Harness: injeção de hot-memory pré-etapa limitada, recall a frio BM25 exato e de bigramas chineses, seis ferramentas de agente, escritas lease-lock com gate de aprovação e recibos de recuperação, e governança somente leitura e candidatos de revisão de trajetória.

Port fiel do mecanismo MEMORY.md / USER.md do hermes-agent para DSH: memória dual-bank limitada (2200/1375 chars), uma única ferramenta `memory` (add/replace/remove/batch), injeção de snapshot congelado por sessão, lembretes de nudge, armazenamento JSON nativo do DSH — zero dependências externas, zero custo de LLM.

Plugin do DeepSeek Harness que se conecta a um PowerContext Server via HTTP para recall, memória, handoff, experiência e skills.