Plugins

Hindsight, uma memória de agente que aprende: memória de projeto de longo prazo com recuperação e retenção automáticas, páginas de conhecimento, reflexão profunda e bancos de memória por repositório.

Lê os arquivos de sessão que trinta e três outros agentes de código nesta máquina já escreveram — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed e outros — incluindo sessões anteriores à sua instalação: seis ferramentas (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), um comando /deja e recall automático opcional adicionado ao contexto de execução. Índice BM25 local, sem LLM, sem embeddings, sem rede (dsh plugin --profile web add dsh-deja).

Traz o histórico de sessão de dezanove outros agentes de codificação para o DeepSeek Harness: recuperação, resumo de sessão e ferramentas de histórico por ficheiro sobre um índice local, mais recuperação automática opcional antes de cada passo.

Plugin de memória de ciclo de vida MemOS Cloud para o DeepSeek Harness

Memória PLUR para o DeepSeek Harness — engramas injetados diretamente no prompt, sem necessidade de chamada de ferramenta

Painel de anatomia para os órgãos do Agent-Body: serve um painel de sinais vitais ao vivo em /anatomy dentro do próprio harness — órgãos, batimento, livro-razão de cura, contadores de auto-treinamento e o fluxo de pulso real — lido diretamente dos arquivos de runtime em vez de redigitado. Somente host, sem bundle de cliente e sem etapa de build.

Motor de contexto Zero-residence: payloads grandes de ferramentas são removidos do contexto ativo para um armazenamento consultável e apenas ponteiros determinísticos permanecem, de modo que os tokens de prompt por turno deixam de crescer com a transcrição. Qualquer conteúdo mascarado é reconstruído literalmente a partir do log da sessão sob demanda, por id de chamada de ferramenta ou seq de sessão.

Núcleo de órgãos do Agent-Body: plugins organizados como um único corpo. Cada comando vira um impulso nervoso que inerva de forma determinística o órgão competente e nomeia a capacidade a usar; um batimento de intervalo variável bombeia diretivas do operador, propriocepção e avisos de homeostase pelo sistema; arcos reflexos disparam sem chamada ao modelo; falhas seguem atribuição determinística (ferramenta, argumentos, permissão, timeout, rede), prescrição e laço de reverificação, e erros de argumento nunca são repetidos. Um órgão ausente é compensado pelo de maior sobreposição de capacidades, e os esquemas de ferramentas são filtrados pela intenção atual (redução medida de 84,7%, reproduzível no repositório). É o pacote de plugins do núcleo no repositório agent-body.

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.

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.

Camada de coordenação de plugins: os plugins declaram suas capacidades, comandos são roteados ao plugin responsável sem chamada ao modelo, esquemas de ferramentas carregam sob demanda para reduzir tokens de prompt, o histórico de execuções se consolida em memória de longo prazo quando ocioso, e falhas são classificadas antes de qualquer nova tentativa.

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.

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.

Integração do TencentDB Agent Memory com captura de conversas, extração estruturada de memória, recuperação automática e ferramentas de busca de memória e conversas.

Mnemosyne memory for DeepSeek Harness: remember / recall / forget / stats / sleep tools, embedded skill, auto-setup, optional auto-sync/prefetch, and a Settings panel. Data lives under ~/.dsh/mnemosyne.

Memory bridge between DeepSeek Harness and ai-memory: runs ai-memory's finalize-session when a DSH session ends, so the observations it already captured become searchable wiki pages. Skips subagents, queues concurrent session ends, and sweeps sessions abandoned by a forced restart. Requires a separately installed ai-memory server with its DSH lifecycle hooks wired by hand — ai-memory’s own install-hooks does not support DSH; this plugin only finalizes what capture has already recorded.

Memory plugin with built-in governance for DeepSeek Harness

Native memory for DeepSeek Harness — auditable facts with evidence chains, powered by StateCore