Плагины

Четыре инструмента только для чтения поверх базы знаний WeKnora: список баз знаний, гибридный поиск фрагментов, повторная сборка чанков одного документа по порядку и собственный ответ RAG или ReAct-агента WeKnora с возобновляемым идентификатором сессии.

Инструменты поиска знаний WeKnora для DeepSeek Harness (dsh): семантический поиск, чтение документов и ответы RAG/агента по вашим собственным базам знаний.

Подключает DeepSeek Harness к локальной самосовершенствующейся персональной базе знаний ReMe: автоматически сохраняет завершённые беседы главного агента как пользовательскую Markdown-память, ищет беседы и исходные материалы через reme_search с BM25, опциональными эмбеддингами и раскрытием wikilinks, а также планирует ежедневную консолидацию памяти.

Подключает DeepSeek Harness к локальной саморазвивающейся персональной базе знаний ReMe: автоматически сохраняет завершённые диалоги основного агента как принадлежащую пользователю память в формате Markdown, выполняет поиск по диалогам и исходным материалам через reme_search с BM25, опциональными эмбеддингами и раскрытием вики-ссылок, а также планирует ежедневную консолидацию памяти.

Общая Markdown-память для DSH и других агентов кодинга с автоматическим захватом, инъекцией контекста перед шагом, поиском по запросу и самоэволюцией памяти в навыки через панель проверки.

Читает файлы сессий, которые уже записали тридцать три других кодинг-агента на этой машине — Claude Code, Codex, Cursor, VS Code Copilot Chat, opencode, OpenClaw, Hermes, Kimi, Cline, Zed и другие, — включая сессии до его установки: шесть инструментов (deja_recall, deja_session, deja_blame, deja_fix, deja_how, deja_remember), команда /deja и опциональный автоматический recall, добавляемый в runtime-контекст. Локальный индекс BM25, без LLM, без эмбеддингов, без сети (dsh plugin --profile web add dsh-deja).

Рабочее пространство ролеплея для DeepSeek Harness: импорт карточек SillyTavern/TauriTavern или создание с нуля в интерактивном потоке; длинный роман TXT превращается в играбельную карточку при тщательном или беглом чтении; главный агент обращается к worldbook по мере необходимости, проза читается в отдельной вкладке; несколько мировых линий в одном диалоге (регенерация, изменить-и-отправить, клонирование); наборы стилей с 16 встроенными стилями, кластер агентов-персонажей, карточка решений и экспорт карточки или романа; связность длинных историй обеспечивают замороженный префикс настроек, жёстко обрезанное окно контекста, отслеживаемые заметки режиссёра и recall по ключевым словам/семантике/гибриду, с эмбеддингами онлайн или локально. Цель — Harness 0.1.2-alpha.3.

Автопамять в стиле Claude Code, нативно: типизированные файлы памяти (user/feedback/project/reference) с индексом MEMORY.md, автоматически внедряемым в системный промпт (нулевой след, пока пусто); memory_write/read/list/delete следуют правилам записи Claude Code (дедупликация с обновлением, абсолютные даты, перекрёстные ссылки); уровни в области workspace и пользователя, межпроцессная блокировка файлов с восстановлением осиротевших блокировок, обычный Markdown на диске, без внешних сервисов, без эмбеддингов.

Долговременная память для DSH: разговоры автоматически дистиллируются в атомарные факты, сводки сцен и профиль персоны, а релевантные воспоминания внедряются перед каждым шагом модели. Работает без настройки — гибридный поиск BM25 + векторный, опциональные офлайн-локальные эмбеддинги, разделение семейств чат/работа.

Превращает локальные документы в формате markdown и текстовые документы в запрашиваемую базу знаний с гибридным семантическим и ключевым поиском, проверкой цитат и внедрением источников.

Локальный RAG по базе знаний литературы: 10 инструментов (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), гибридный поиск BM25 + вектор + реранкер, ответы на вопросы со ссылками и кликабельными DOI, полностью локальные эмбеддинги bge на однофайловом индексе SQLite. Требуется Python 3.9+ с pymupdf, faiss-cpu и sentence-transformers; установщик `npx dsh-kb-rag-install` всё это настраивает и заранее скачивает модель.

Межсессионная долговременная память в метафоре «дворца памяти»: двухуровневые хранилища SQLite (пользователь + проект по origin git), гибридный поиск FTS5 + локальные векторы со слиянием RRF и повышением ранга по свежести и подтверждению, автоматический захват из журнала сессии (включая последний ход), цепочки аудита происхождения, консолидирующая дистилляция и забывание с затуханием, а также панель «Библиотека памяти» на странице настроек с топологией коридоров, дворецким-экскурсоводом и списком на обновление.

Плагин межсессионной памяти для DSH (v0.6.1, npm @asherliner/dsh-memory-connect): автоматическое извлечение, индексация SQLite FTS5, семантическое восстановление RRF, внедряемое в системный промпт каждый ход, плановое обслуживание, консолидация LLM через ctx.llm, предотвращение взрыва контекста, глобальная идентичность Soul через ~/.dsh/soul.md. v0.5.0: темпоральный граф контекста, модель доверия, суммаризация в конце хода. v0.6.0: локальные семантические эмбеддинги (BAAI/bge-small-zh-v1.5), без облачных вызовов. v0.6.1: исправлено разворачивание ~ в конфигурации путей. Установка без настройки.

Биомиметическая система памяти для DeepSeek Harness: единое хранилище SQLite (node:sqlite, WAL), дерево Markdown которого хранится как зеркало только для чтения; инструменты памяти, внедрение замороженного снимка при запуске сессии, ступенчатое одобрение по шлюзам, извлечение текущей сессии по запросу, слияние почти дубликатов, жизненный цикл архивирования и замены, метаболизм памяти (dream), закрепления памяти, семантическое извлечение по локальным эмбеддингам, а также команда /memory.

Межсессионная память в открытом тексте: deterministic восстановление по ключевым словам BM25 (без эмбеддингов), инструменты memory_save/list/search/confirm/forget за шлюзом human-confirm, а также глобальные и проектные JSON-хранилища, следующие за вашим git-репозиторием.

Полностью локальная векторная память для DSH: локальные эмбеддинги, хранилище SQLite, автоматическая инъекция воспоминаний, дедупликация с обнаружением конфликтов, корзина мягкого удаления, онлайн-резервное копирование и опциональное извлечение LLM.

Система базы знаний в стиле Cherry Studio для DeepSeek Harness (DSH): базы, документы, чанкинг, эмбеддинги (совместимые с OpenAI / Ollama / локальные / лексический резерв), извлечение, инструменты для моделей и панель управления в браузере.

Локальный семантический поиск по коду для DeepSeek Harness: индексирование на уровне фрагментов с учётом символов, офлайн лексические эмбеддинги или совместимый с OpenAI эндпоинт и гибридный поиск вектор + BM25, объединённый через RRF, — три инструмента dsh плюс CLI sema.

Многоуровневый MCP-сервер долгосрочной памяти: исходные ходы → фрагменты задач → ежедневные сводки → тематические индексы, локальные MiniLM-эмбеддинги размерности 384 или OpenAI-совместимый API-бэкенд, семантический поиск с откатом на Jaccard, установка плагина DSH одной командой.

Плагин DeepSeek Harness (dsh), встраивающий цикл агента fin-trace — многошаговое (multi-hop) рассуждение об отношениях над графом финансовых знаний, предоставляемое как асинхронные инструменты (start/status/cancel).

RAG с двойным графом знаний для заметок Markdown с half-life затуханием памяти: графы предпосылок и сходства (обход P/S-Agent), разбиение на абзацы, гибридный поиск n-gram/embedding и явный цикл обратной связи по весам — нативный плагин Cordis, устанавливается через npm как @eqman00003/knowlp-rag.

Tiny local vector memory via Ollama embeddings and ~/.dsh/vecmem (workspace namespaces; optional IM crumb via vecmemOnReply).

Per-project memory for DeepSeek Harness. Three Markdown files per workspace — PROJECT.md, DECISIONS.md and SESSIONS.md — are auto-created on the first step of any session in that workspace, re-read from disk and re-injected only when they change (and re-injected if compaction dropped them), and written back by classification through a memory_checkpoint tool, with a bounded end-of-turn nudge when a turn did work but recorded nothing. memory_read and memory_search read the live log and the archive, the latter over a zero-dependency BM25 index. The session log is capped at 200 entries with the overflow moved to SESSIONS-archive.md — never injected, but visible, readable and searchable, and restorable one entry at a time. Settings page: a workspace list with a path filter, read-only tabs for the three memory files plus the archive, reload, export/import of one workspace's memory as a JSON bundle, a two-step clear, a panel that rewrites or removes the AGENTS.md instruction block, and a PROJECT.md staleness reminder. A composer status chip shows that workspace's sync state and creates the files on click. Zero dependencies — no vector store, no embeddings, and no model calls.

Local semantic index over workspace documents (MD/PDF/DOCX/TXT): FTS5 BM25 + local embedding hybrid retrieval, hit citations with line numbers, and incremental updates.