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.

Destilação automática de conversas: reflexão por subagente em segundo plano + criação/atualização de skills.

Memória de experiências e reflexão para agentes DSH: extrai lições candidatas após tarefas e recupera em tarefas futuras relevantes apenas as lições revisadas pelo usuário. Inclui procedência da fonte, busca por projeto, tratamento de conflitos, feedback de uso e revisão de expiração. Captura e recuperação têm controles separados; escrever em AGENTS.md exige prévia e aplicação explícita. Guia inicial de 4 etapas nas configurações.

Conjunto de disciplina de execução para o DSH com interceptação de tentativas idênticas, reflexão forçada, aplicação de todo, deduplicação de memória e promoção de experiência a habilidade (11 plugins + 6 habilidades).

Plugin proativo de agendamento multi-modelo: ingestão de sinais multi-fonte com dedup e classificação de urgência, um motor de decisão de quatro vias executar/adiar/dispensar/perguntar ao usuário, geração de plano DAG com execução paralela de modelos, reflexão de qualidade com retry automático e troca de modelo, memória de longo prazo para padrões de tarefa e lições, e evolução de estratégia via algoritmos genéticos com avaliação em sandbox e rollout canário.

Framework de agentes autoevolutivo para DeepSeek Harness (dsh): 40 plugins Cordis e 4 predefinições para memória, reflexão, barreiras, métricas e um ciclo de evolução auditável. Não é uma instalação de um comando. Clone o repositório e execute install/install.sh --profile=web (requer bash, Node 20+, python3 e DSH 0.1.7-rc.1 ou superior com perfil inicializado); depois, reinicie.

Condensa o trabalho da sessão em observações e reflexões de fundo para preservar o contexto após a compactação.

Alimenta cada prompt do dsh no pipeline local de memória de feedback agent-feedback-loop — captura insatisfações, revisa-as offline em reflexões e anexa ao turno o contexto compilado de regras de recorrência, nunca bloqueando um prompt. Requer o runtime agent-feedback-loop; executar agent-feedback-loop install depois conecta automaticamente os perfis dsh existentes.

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

Plugin de memória Reflect2Evolve: memória em camadas L1/L2/L3, retropropagação de valor ponderada por reflexão, indução de políticas entre tarefas, cristalização de skills e recuperação em três níveis para OpenClaw, Hermes Agent e DeepSeek Harness.

Camada de reflexão para sessões DSH que reescreve gradualmente uma visão de mundo de 3–7 itens nas camadas de valores, preferências e hábitos, acompanha espírito, saúde e saldo, ingere vídeos do Bilibili/Douyin e mantém um arquivo de crescimento auditável. Vídeos são opcionais e exigem cookies do site; analisar Douyin também requer Edge/Chrome e yt-dlp.

Destila sessões longas em observações e reflexões em segundo plano, injeta-as como seção do system prompt e gera resumos de compactação a partir da memória preparada. Inclui página de ajustes e recordação respaldada por fontes.

Plugin de memória permanente para DSH com busca vetorial, reflexão LLM e páginas de conhecimento.