Plugins

Plugin de memória persistente entre agentes e local-first para o DeepSeek Harness (DSH), desenvolvido com Mnemon. Ele compartilha memória de longo prazo entre agentes compatíveis com Mnemon e adiciona memória em tempo de execução, documentos de projeto pesquisáveis, recall semântico, grafo de conhecimento e uma interface de barra lateral.

Camada mnemônica.

Plano de controle de memória em três níveis para DeepSeek Harness: contexto de runtime persistente, documentos de projeto pesquisáveis, memória de longo prazo plugável, roteamento inteligente, fluxos de trabalho de agente supervisionados, WebUI e ferramentas headless.

Compressão de contexto conduzida pelo modelo (Active Context Pruning) para o DeepSeek Harness: o modelo decide quando e o que comprimir.

A memória que sonha — memória entre sessões para o DeepSeek Harness: recorda você entre sessões, autoconsolida-se enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reexecutável. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de uma API externa e uma CLI.

A memória que sonha — memória entre sessões para o DeepSeek Harness: lembra de você entre sessões, autoconsolida enquanto dorme (autoDream), congela memórias conflitantes para sua revisão e mantém uma trilha de auditoria reproduzível. Busca semântica local offline-first sobre SQLite com espelhos Markdown editáveis por humanos, um grafo de entidades, um painel de memória interativo, além de API externa e CLI.

O Agent Context Editor é um plugin entre agentes para excluir, editar e comprimir seletivamente o contexto de conversas de IA manualmente. Também suporta pesquisar, filtrar, selecionar, ocultar, restaurar e desfazer alterações de conversa preservando a sessão original.

Continue ramificando a partir de qualquer resposta concluída em qualquer profundidade enquanto a sessão principal permanece intocada.

Selecione texto em uma resposta DSH confirmada para abrir um Topic independente, persistente e somente leitura de múltiplos turnos vinculado a evidências da sessão de origem e arquivos do projeto enquanto o Agent de origem continua em execução.

Oh My DSH (OMD) adiciona resumos de contexto com recuperação da fonte original, verificação vinculada a tarefas, otimização de prompts, navegação de código CodeGraph, controle do computador OpenCU e quatro temas cobrindo layout, barras laterais e configurações.

Pipeline de custo de tokens para o DeepSeek Harness: compactação em camadas sensível à pressão (projeção sem perdas abaixo de 40% de pressão de contexto, sumarização por LLM acima), allowlist de ferramentas por agente, conversão de texto longo em imagem com sumarização por visão e o comando /token-status que acompanha pressão, níveis e tokens economizados.

Dobragem de contexto sem perdas para o DeepSeek Harness: o trecho mais antigo é substituído por um resumo, e os originais permanecem no log da sessão.

Envolve o trabalho em tarefas nomeadas e, quando uma tarefa fecha, dobra todo o seu intervalo de mensagens num único resumo no próximo limite de passo; o conteúdo original pode ser restaurado a pedido.

Gerencie servidores MCP, skills e ferramentas do seu agente — estado real em contexto (carregado/truncado/expulso) e chaves por sessão.

Substitui o sumarizador de compactação nativo do DSH por um resumo de handoff em cinco seções e mantém toda mensagem ocultada legível em um diretório de segmentos.

Pacote de rotação da janela de contexto orientada pelo modelo para o DeepSeek Harness: contexto de trabalho novo, notas duráveis gerenciadas pelo modelo, uma pequena cauda recente literal e recuperação direcionada do histórico — sem sumarização.

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.

Adiciona contratos de execução persistentes, grafos de trabalho recursivos, clarificação crítica e gates de evidência para tarefas longas ou pouco especificadas do Harness.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

Adaptive Reversible Context (ARC) para o DeepSeek Harness — governança de contexto ciente de provedor e de cache, com recuperação reversível.

Plugin de gerenciamento dinâmico de contexto para o DeepSeek Harness (Dynamic Context Pruning for dsh), inspirado no opencode-dcp.

Lets the model trigger compaction itself at a safe point via a compact_now tool (works mid-turn), plus a context_status tool reporting real token usage against the session's actual context window.