Plugins

Memória Markdown compartilhada para DSH e outros agentes de codificação, com captura automática, injeção de contexto pré-etapa, recuperação pesquisável e autoevolução de memória para skill por meio de um painel de revisão.

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.

Memória de longo prazo para DeepSeek Harness em Markdown simples, um fato por arquivo, legível em qualquer editor. O índice `MEMORY.md` tem um limite rígido de 200 linhas / 25 KB imposto por `ctx.tools.guard()`: uma escrita que ultrapassasse o limite é recusada, enquanto uma reescrita que o reduza sempre passa, permitindo compactar passo a passo um índice superdimensionado. O plugin nunca escreve memórias por conta própria — o que é mantido é decidido por você e pelo modelo. O mesmo armazenamento também é usado por Claude Code, Codex, Kiro e OpenClaw.

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.

Memória de longo prazo curada e baseada em arquivos para o DeepSeek Harness — notas em markdown legíveis por humanos, um único repositório de arquivos de texto simples compartilhado entre hosts (ignorado pelo git quando reside dentro de um repositório de projeto) e um limite determinístico de índice imposto por ctx.tools.guard()

Memória de longo prazo para agentes DSH — memórias duráveis e inspecionáveis com ferramentas de recordação, busca, navegação e grafo de conhecimento, importação de dez outras ferramentas de codificação com IA e uma página de configurações.

Conversas recentes permanecem vívidas. As antigas desvanecem-se em resumos, não no esquecimento. StrataGate oferece ao DeepSeek Harness memória em seis camadas, com decaimento temporal, enquanto eventos e relacionamentos duradouros se acomodam em um grafo de conhecimento. Traga suas memórias de outras IAs com você — sem precisar recomeçar.

Memória causal para dsh: uma ponte MCP stdio sem dependências que monta as 17 ferramentas do servidor causal-memory com nomes simples (sem prefixo mcp__) — arestas decisão → resultado com relações tipadas (caused / enabled / prevented) numa loja SQLite local que sobrevive à compactação — mais uma secção de prompt de sistema fixada. Requer o binário do servidor causal-memory no PATH (pip install causal-memory ou uma versão pré-compilada).

Memória de longo prazo para DeepSeek Harness: recuperação multicanal e um repositório de memória em evolução.

StrataGate oferece ao DeepSeek Harness memória local-first, a longo prazo e evolutiva para preferências do usuário, decisões de projeto, conversas e resultados de ferramentas entre sessões; sobrepõe o histórico com decaimento temporal ajustável pelo usuário, reforça memórias pelo uso em respostas reais, mostra contagens de uso cientes do espaço de trabalho e mantém as evidências recuperadas rastreáveis até suas mensagens originais.

Memória de longo prazo para DSH: conversas destiladas automaticamente em fatos atômicos, resumos de cena e um perfil de persona, com memórias relevantes injetadas antes de cada etapa do modelo. Zero configuração, pronto para uso — recuperação híbrida BM25 + vetorial, embeddings locais offline opcionais, separação de famílias chat/trabalho.

Plugin de memória de longo prazo e autoevolução para DSH: captura L0 → extração de memória L1 → agrupamento de cenas L2 → persona de usuário L3, injeção automática de recordação, síntese de habilidades, totalmente local (SQLite FTS5 + jieba, recuperação vetorial opcional).

Memória entre sessões com lembrança determinística de zero token (bigram-Jaccard fundido com FTS5 BM25 via RRF, tokenização ciente do chinês), reforço que fortalece observações repetidas, e procedimentos cristalizados em arquivos SKILL.md refinados no lugar por um ciclo active-stale-archived com archive e rollback reversíveis. Ingest e disposal expõem um nível de autonomia escolhido pelo usuário; conflitos e gravações de alta importância sempre vão para revisão humana, e nada é autoapagado. Requer Node 22.5+.

Port fiel do mecanismo MEMORY.md / USER.md do hermes-agent para DSH: memória dual-bank limitada (2200/1375 chars), uma única ferramenta `memory` (add/replace/remove/batch), injeção de snapshot congelado por sessão, lembretes de nudge, armazenamento JSON nativo do DSH — zero dependências externas, zero custo de LLM.

Memória entre sessões baseada em arquivos: arquivos de memória em Markdown simples com injeção automática de recuperação, compatível em formato com CLAUDE.md e arquivos de memória do Claude Code, então migrar é uma cópia manual de arquivos.

Captura automática sem LLM e um índice simbólico \[ENGRAM\] com divulgação progressiva, um protocolo de tarefa/evidência ESR-lite (esr_task / esr_node / esr_close / esr_link) e telemetria de uso por workspace com um benchmark offline de recordação (npm run eval).

Memória de grafo local em pré-visualização técnica para DSH e Codex: recorda evidências globais do proprietário e do projeto atual antes de cada turno, escreve registros de USER e ASSISTANT separadamente e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

Memória de grafo local em pré-visualização técnica para DSH e Codex: recupera evidências globais do proprietário e do projeto atual antes de cada turno, grava registros de USER e ASSISTANT separadamente, e preserva a proveniência de projeto, sessão, ator e fonte para um atlas visual e páginas de conhecimento citadas.

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.

Sistema de memória de longo prazo estruturado para o DeepSeek Harness — pares breve/completo baseados em unidades, com injeção automática

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

Local SQLite long-term memory with CJK-aware search, BM25 and character n-gram cosine reranking, deduplication, and lifecycle management.

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