Memória

Memória entre sessões para o DeepSeek Harness com governança, autoevolução e um caminho de escrita com aprovação. Recordação ordenada por calor, convenções de ambiente, ciclo de esquecimento, cadeias de substituição, defesa contra envenenamento, autodestilação e uma medição aberta.

Plugin de memória Honcho da Plastic Labs: injeta o perfil do usuário, resumo da sessão e conclusões relevantes no início da sessão, envia cada turno ao Honcho em segundo plano com segredos redigidos, e adiciona ferramentas honcho_search / honcho_chat / honcho_remember além do comando de status /honcho; configurado pelo ~/.honcho/config.json compartilhado com as outras integrações Honcho, contra o honcho.dev hospedado ou uma instância auto-hospedada.

Memória vetorial totalmente local para DSH: embeddings locais, armazenamento SQLite, injeção automática de recuperação, deduplicação com detecção de conflitos, lixeira com exclusão temporária, backup online e extração LLM opcional.

Wenmai 文脉 — base de conhecimento compilada para trabalhadores do texto, plugin DeepSeek Harness

Compressão de diálogo in-loco por curva de esquecimento para DeepSeek Harness: turnos recentes permanecem verbatim, turnos médios são estruturalmente desidratados (sem LLM), turnos antigos se dobram em um par de resumos limitado — conversas ilimitadas em um orçamento de memória limitado.

Um corpus acumulado de gosto de design para agentes DSH: alimente com exemplos bons e ruins, distile princípios e revise novos designs com base no julgamento aprendido, em vez de um conjunto fixo de regras.

Harness de memória de agente em três níveis: CLAUDE.md L1 sempre ativo, índice L2, esqueleto detalhado L3 com modelos, um gate que bloqueia gravações em arquivos protegidos sem um token de aprovação de uso único, registro de eventos sem julgamento, destilação semanal e uma skill de loop de execução TDD.

Memória de projeto persistente no estilo ZCode com um gerenciador de configurações completo, injeção index-first e ferramentas de memória do agente.

agentmemory para DeepSeek Harness (dsh): ferramentas memory_* completas, hooks de captura e injeção de contexto pelo servidor REST local

Sistema de base de conhecimento estilo Cherry Studio para DeepSeek Harness (DSH): bases, documentos, fragmentação, embeddings (compatível com OpenAI / Ollama / local / fallback lexical), recuperação, ferramentas voltadas para modelos e um painel de gestão no navegador.

Padrões aprimorados de autocompactação para predefinições de agente do DeepSeek Harness: aplique com um único comando limites/presupostos de retenção ajustados e políticas por modelo, de forma idempotente, com backups e rollback.

Recall de histórico de conversas para DSH: recuperação em três camadas (literal/difusa/semântica) sobre o texto original de cada sessão passada, totalmente local e offline — a IA nunca esquece o que você disse a ela. Instalação em um comando via `dsh.bundle.patch`, a camada semântica roda em uma thread de worker.

Livro-razão de conhecimento negativo vinculado a evidências: persiste caminhos refutados (command_failed, file_missing) com seu resultado e evidências de pré-condição, e então avisa ou bloqueia tentativas repetidas até que as evidências mudem.

Personalização por host para o DSH: instruções personalizadas, memória local de longo prazo e presets de tom de resposta.

Cria pacotes de base de conhecimento auditáveis (SQLite FTS5) a partir de md/txt/docx/pdf, com recuperação determinística e leitura do texto original

Backend de memória vetorial + em grafo: ferramentas observe/remember/search/recall contra um servidor memoria local, combinando recuperação semântica HNSW, busca por palavras-chave FTS5 e sinais de grafo de conhecimento via ranking RRF, com persistência automática ao final do turno e isolamento de namespace por agente

Contexto de rede de conhecimento de negócios OpenBKN para DeepSeek Harness

Documentos do projeto e memória de longo prazo como Markdown simples em um cofre Obsidian dedicado: seis ferramentas mem_* (search, read, write, log, brief, admin), uma injeção orçada de recordação no primeiro passo de uma sessão e destilação automática de turnos concluídos. O Obsidian não precisa estar em execução, e o cofre permanece legível com o plugin desinstalado.

Ativações proativas em nível de host para o DeepSeek Harness: o modelo agenda os próprios alarmes (uma vez, intervalo ou cron, com jitter opcional), sessões frias são despertadas na hora via session resume, os follow-ups do modelo são limitados por horas de silêncio e um orçamento diário, e turnos de despertar silencioso terminam com proactive_reclaim e saem do contexto como lápides. Arquivos de agenda declarados sincronizam seus JSON com os alarmes do host por glob de forma idempotente; min_idle_seconds adia os despertares até a sessão de destino se acalmar, e um painel web gerencia alarmes e histórico — o motor de batimento para companheiros de IA e personagens de RPG com rotinas próprias.

Um registro de estado pessoal e motor de decisão local-first para dsh: mantém cada byte de entrada exatamente como recebido, com proveniência em nível de linha, argumenta contra suas próprias conclusões gerando refutadores primeiro, aplica a cada fato armazenado seu próprio TTL e informa onde uma decisão não se apoia em nada.

Alimenta cada prompt do dsh no pipeline local de memória de feedback agent-feedback-loop — captura insatisfações, revisa-as offline em reflexões e anexa ao turno o contexto compilado de regras de recorrência, nunca bloqueando um prompt. Requer o runtime agent-feedback-loop; executar agent-feedback-loop install depois conecta automaticamente os perfis dsh existentes.

Entradas de memória em SQLite, um calendário com lembretes de prazo e tarefas de agente agendadas por cron, com 13 ferramentas de modelo e uma interface bilíngue zh/en.

Rascunho de memória por sessão no estilo Codex para o DeepSeek Harness: uma sessão, um rascunho (rollout_summaries), contido e passivo (grava apenas a pedido explícito do usuário), divulgação em camadas (resumo + registro), marca d'água de integração idempotente. / Plugin de memória: uma sessão, um rascunho.

Memória de sessão → plugin de sedimentação de conhecimento OKF: um sistema de memória com autoaprendizagem neural orientada por previsão. O conteúdo de alto valor das sessões é sedimentado como memória de longo prazo conforme a especificação OKF v0.1 e evocado automaticamente entre sessões. Plugin de memória de sessão para OKF com autoaprendizagem neural (recordação preditiva, captura orientada por incerteza, feedback de reforço).