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.

Base de conhecimento no padrão Karpathy LLM Wiki para o DSH: habilidades wiki-write/wiki-search, pipeline sem dependências (lint/index/sincronização de memória mnemon/feedback de qualidade), plugin de ciclo de vida mínimo que injeta esquema + pré-visualização de conhecimento, e recordação semântica SiliconFlow via proxy compatível com Ollama.

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.

Cofre de memória entre sessões: ferramentas remember / recall / forget, injeção de prompt por turno e um navegador de entradas na página de configurações

Recordar, editar-e-reenviar e regenerar, mais versionamento dentro da conversa: uma cronologia de cada retrocesso, rollback de artefactos (git em primeiro lugar, fallback por snapshot), um mapa de bifurcações dos caminhos explorados, linhagem da sessão e um watchdog em tempo real que cria um snapshot do registo ao primeiro sinal de escritas concorrentes. As edições interrompem automaticamente o agente em execução (cancel/whenIdle oficiais) para que os retrocessos nunca corrompam o registo durável nem quebrem /compact.

Memória de longo prazo em markdown entre sessões, com estrutura LLM-Wiki e persona SOUL.md, injetada no início da sessão (por padrão só após a primeira mensagem do usuário e só na sessão ativa), com fluxos remember/recall/consolidate/forget, skill de memória embutida, ferramentas de migração pack/unpack e um lembrete de recall em primeira pessoa ocioso. Traz observabilidade e manutenção: orçamento de bloco de boot por arquivo, carimbo automático de last_access, painel somente leitura de saúde da memória, compilador declarativo de índice, grafo de memória interativo, consultas estruturadas (tag/tipo/saliência) e sugestões de links cruzados. O payload de boot caiu ~23%.

Memória em texto simples entre sessões: recall por palavras-chave BM25 deterministic (sem embeddings), ferramentas memory_save/list/search/confirm/forget atrás de um portão human-confirm, e armazenamentos JSON globais e de projeto que seguem seu repo git.

Plugin de recolhimento de mensagens (撤回) para a Web UI do DSH: um botão de desfazer em cada mensagem do usuário que remove o turno e tudo o que vem depois, de forma durável, sem reverter alterações de código.

Recupera prompts enviados antes na sessão atual com as setas para cima e para baixo com o compositor vazio, e mostra um selo de posição durante a navegação.

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.

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.

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.

Planejamento de tarefas com memória muscular de experiência: recuperação por reflexo condicionado de soluções passadas, correspondência de capacidade do LLM e lições persistidas automaticamente.

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

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.

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).

Memória entre sessões de livro-razão duplo: extrai automaticamente fatos duradouros das conversas para MEMORY.md e mantém um livro-razão de projeto PROGRESS.md, recordando ambos em cada nova sessão.

Memória entre sessões para DeepSeek Harness via o domínio de armazenamento oficial: memórias persistem através de ctx.storage (tabela storageDomain) e são injetadas no system prompt através de uma seção registrada (memory:recall), com ferramentas memory_save / memory_forget para que o agente leia e escreva sua própria memória (maxMemories configurável).

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 nativa por workspace sobre as próprias costuras do harness: fatos e um perfil sempre ativo, porém limitado, na unidade JSON do domínio de armazenamento, gravações com aprovação e citações `(sessionId, seq)`, recuperação determinística e FTS de session-query sobre sessões passadas — sem servidor externo, sem SQLite personalizado.

Recuperação de memória baseada em palavras-chave com BM25

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

Configuration UI for the official OpenViking memory plugin: connection and user-key setup, local connection diagnostics, a per-session memory toggle in the composer, memory isolation that keeps recall inside the current topic, and recall tuning for score threshold, injected item count, query expansion and excluded URIs.