Plugins

Pacote de memória e contexto OpenViking para o DeepSeek Harness: recuperação automática pré-etapa e injeção de perfil, captura de sessão, proteção de URI `viking://`, e ferramentas de memória para recuperar/gravar com suporte de um servidor OpenViking.

Exploração de arquitetura AGI de caixa branca: metacognição (loop de autocognição), aprendizagem contínua (volante de conhecimento), modelo de mundo (espaço de condições, grafo de memória espaço-temporal), autoaperfeiçoamento (disciplina bootstrap), pipeline de caixa branca zero-LLM e guardrails de confiança auditáveis.

Memória de longo prazo entre sessões + autoevolução em segundo plano (5 trilhas: memória / consciência de branches Git / evolução de skills).

Memória de longo prazo local com Git para o DeepSeek Harness com recuperação híbrida CJK/inglês, contexto com citações, sincronização transacional, pré-visualizações e rollback.

Memória entre sessões limitada, em camadas, sujeita a aprovação e auditável: uma interface `ctx.memory` tipada com um provedor SQLite sem dependências, uma ferramenta `memory` e injeção de instantâneos congelados, além do ensaio do dsh-memory-protocol v1 com um registro de adaptadores e um conjunto de conformidade distribuível.

Implementação puramente em plugin que traz ao DeepSeek Harness a capacidade de "memória de longo prazo entre sessões + auto-evolução em segundo plano": memória de cinco trilhas · consciência de branch do git · autorrevisão dentro do turno · auto-evolução de skills e gerenciador de skills · lista de pendências de quatro trilhas · agendamento COI · broadcast de sessão · busca de sessão · gerenciador de prompts · notas temporárias — zero modificações no núcleo, zero dependências em tempo de execução, pronto para usar ao instalar e limpo ao desinstalar.

Combina o Auto Memory inspirado no Claude Code com a consolidação de Session inspirada no Codex, trazendo memória de longo prazo simples, transparente e eficiente em contexto para o DeepSeek Harness.

Um segundo cérebro autossuficiente para DeepSeek Harness — captura automaticamente conhecimento durável de diálogo num cofre Markdown local (dedup personalizado, pesquisa CJK, compatível com git), com uma base de conhecimento gráfica e um grafo de conhecimento interativo (filtro de legenda, coloração por dimensão temporal, seleção por caixa, mesclar, eliminar, exportar/importar PNG).

Memória persistente local-first para DeepSeek Harness: injeção de hot-memory pré-etapa limitada, recall a frio BM25 exato e de bigramas chineses, seis ferramentas de agente, escritas lease-lock com gate de aprovação e recibos de recuperação, e governança somente leitura e candidatos de revisão de trajetória.

Plugin de memória entre sessões para DSH (v0.6.1, npm @asherliner/dsh-memory-connect): extração automática, indexação SQLite FTS5, recuperação semântica RRF injetada no prompt do sistema a cada turno, manutenção agendada, consolidação LLM via ctx.llm, prevenção de explosão de contexto, identidade Soul global via ~/.dsh/soul.md. v0.5.0: grafo de contexto temporal, modelo de confiança, resumo no fim do turno. v0.6.0: embeddings semânticos locais (BAAI/bge-small-zh-v1.5), sem chamadas à nuvem. v0.6.1: corrigida a expansão de ~ na configuração de caminhos. Instalação sem configuração.

Memória em Markdown legível por humanos para o DeepSeek Harness: memória em nível de usuário (~/.deepseek-harness/MEMORY.md) + memória em nível de workspace injetada a cada turno, gravação automática de logs diários com destilação, ponte com os diretórios de memória existentes do WorkBuddy/CodeBuddy, ferramentas memory_note / memory_note_user / memory_read com deduplicação integrada e uma página de configurações bilíngue. Armazenamento em texto simples, sem banco de dados.

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

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.

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.

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

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 longo prazo por projeto + global para a GUI web do dsh: endpoints POST /items separados, contexto de chamadas de ferramenta fundido em itens de memória como resumos compactos, com deduplicação e persistência por sessão.

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.

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.

Plugin de imposição do protocolo de memória: faz a ponte com o servidor MCP opencode-memory, força memory_weave antes das chamadas de ferramenta, ingere automaticamente as interações e injeta contexto de memória nas etapas do agente.

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

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

Intent fitting for DSH: the agent predicts several directions first, asks a batch of clarifying questions each round, narrows the distribution until one converges, then proposes it for your confirmation. Bottom-right floating panel, local JSONL archive, a