Plugins

Sistema de memória biomimético para DeepSeek Harness: um único repositório SQLite (node:sqlite, WAL) cuja árvore Markdown é mantida como espelho somente leitura; ferramentas de memória, injeção de snapshot congelado no início da sessão, gateamento de aprovação graduada, extração sob demanda da sessão atual, fusão de quase duplicatas, um ciclo de vida de arquivo e substituição, metabolismo de memória (dream), pinos de memória, recuperação semântica sobre embeddings locais, e o comando /memory.

Memo — pesquisa de memória de sessão para agentes DeepSeek Harness: recuperação de texto completo entre sessões (memo_search), notas destiladas (memo_remember) e estatísticas do corpus (memo_stats) sobre o serviço oficial sessionQuery. Infraestrutura zero, local-first.

Camada de adaptação do dsh-ecolink para o DSH: leitura direta do pool de memória local, injeção no pre-step (pontuação + orçamento + deduplicação por sessão), filtro por #nome-da-memória, conectando o ecossistema de memória do lado web

A CLI self do Superself como ferramentas voltadas para o modelo (contexto de projeto, unidades de trabalho, relatórios, decisões) mais um comando /self — estado de projeto cross-session, cross-project mantido fora do repositório de código.

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.

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.

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.

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.

Gancho de memória do L-clone: o DSH captura automaticamente ao final de cada turno (turn/end) em um cérebro externo; o botão «Painel do cérebro» na barra lateral da GUI Web abre a bancada de memória com um clique.

Estado de trabalho entre sessões explícito para DeepSeek Harness: objetivos, decisões e próximos passos capturados automaticamente a partir de eventos do host ou por meio de uma ferramenta work_state visível para o modelo, inspecionável com /checkpoint.

Observa os rastros de execução do agente e dispara uma revisão LLM no fim de cada turno bem-sucedido quando os sinais disparam, cristalizando fluxos de trabalho reutilizáveis em competências registadas que melhoram progressivamente em execuções posteriores.

Espaços de memória entre sessões governados por humanos, com relações independentes de origem e de consumidor, proveniência, versionamento e revisão da injeção antes do envio.

Plugin do DeepSeek Harness: o CLI `self` do Superself como ferramentas voltadas para o modelo, além de um comando /self — estado do projeto entre sessões e projetos para os agentes.

Memória de arquivos em camadas para DeepSeek Harness com notas USER/MEMORY por espaço de trabalho, consolidação em segundo plano e recuperação híbrida de sessões.

Memória entre sessões com escopo por projeto: snapshot do PROJECT.md injetado na primeira mensagem do usuário, ferramenta memory_remember e autorreflexão após tarefas ReAct; cada projeto mantém seu próprio arquivo de memória

Memória local limitada com controle de autoridade CBDC: afirmações em SQLite + FTS5, recuperação delimitada com decisões explicáveis de usar/verificar/ignorar e trilha de auditoria completa, comandos /memory, injeção de até 3 afirmações/1200 caracteres por chamada, sem chamada extra ao modelo

Long-term memory and self-evolving skills for the DeepSeek Harness · DeepSeek Harness 的长期记忆与自我演进能力 —— Plain Markdown on disk, no vector store

Lightweight zero-dependency memory plugin for DeepSeek Harness: Markdown-file memory store, L0 catalog injection, and 5 model-facing tools.

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.

Evidence-governed experience memory for DeepSeek Harness

Memory Fortress for DeepSeek Harness: 5-track layered memory, self-evolution, knowledge graph (SQLite+FTS5), status pill. 本地记忆堡垒：五轨记忆·自我进化·知识图谱·状态灯。

Cross-session long-term memory for the DeepSeek Harness: a two-phase extraction/consolidation pipeline over a file-based memory workspace, recall injection, a citation feedback loop, lease-based job semantics, plus a settings page, a sidebar status panel

Canonical project memory for DeepSeek Harness: one governing article per asset, an append-only journal beneath it.

Self-tending living memory in one local SQLite file — a nightly patrol dedupes, merges, decays and cross-links entries on its own, with seven-signal RRF hybrid recall (FTS5 + jieba Chinese-first tokenization, optional vector KNN, graph PPR), a typed knowledge graph, conflict detection instead of silent overwrites, and web telemetry panels.