Плагины

Hindsight — обучающаяся память агента: долговременная память проекта с автоматическим извлечением и сохранением, страницы знаний, глубокая рефлексия и банки памяти для каждого репозитория.

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.

Кросс-агентный, локально-ориентированный плагин постоянной памяти для DeepSeek Harness (DSH) на основе Mnemon. Он совместно использует долговременную память между агентами с поддержкой Mnemon и добавляет память времени выполнения, документы проекта с возможностью поиска, семантическое воспроизведение, граф знаний и боковую панель UI.

Мнемонический слой.

Межсессионная долговременная память + фоновая самоэволюция (5 направлений: память/осведомлённость о ветках git/эволюция навыков).

Долгосрочная память для DeepSeek Harness в формате простого Markdown, один факт на файл, читаемая в любом редакторе. Индекс `MEMORY.md` имеет жёсткий лимит в 200 строк / 25 КБ, установленный `ctx.tools.guard()`: запись, которая увеличила бы индекс сверх лимита, отклоняется, а перезапись, уменьшающая его, всегда проходит, что позволяет пошагово уплотнять переросший индекс. Плагин никогда не пишет воспоминания сам — что сохранять, решаете вы и модель. То же хранилище используется Claude Code, Codex, Kiro и OpenClaw.

Локальная долговременная память с Git-backend для DeepSeek Harness с гибридным поиском по CJK/английскому, цитируемым контекстом, транзакционной синхронизацией, предпросмотром и откатом.

Трёхуровневая плоскость управления памятью для DeepSeek Harness: персистентный контекст выполнения, поисковые проектные документы, подключаемая долговременная память, умная маршрутизация, контролируемые рабочие процессы агентов, WebUI и headless-инструменты.

Курируемая файловая долговременная память для DeepSeek Harness — читаемые человеком markdown-заметки, единое хранилище в виде простого файла, общее для всех хостов (игнорируется git, если находится внутри репозитория проекта), и детерминированный предел индекса, обеспечиваемый ctx.tools.guard()

Долговременная память для агентов DSH — устойчивые, проверяемые воспоминания с инструментами вызова, поиска, просмотра и графа знаний, импорт из десяти других ИИ-инструментов для программирования и страница настроек.

Недавние разговоры остаются живыми. Старые постепенно превращаются в сводки, а не в забвение. StrataGate дает DeepSeek Harness шестислойную память с временным затуханием, а устойчивые события и отношения оседают в граф знаний. Переносите с собой свои воспоминания из других ИИ — начинать заново не нужно.

Каузальная память для dsh: MCP-мост stdio без зависимостей, монтирующий 17 инструментов сервера causal-memory под чистыми именами (без префикса mcp__) — связи решение → результат с типизированными отношениями (caused / enabled / prevented) в локальном хранилище SQLite, сохраняющемся после compaction, — а также закреплённая секция системного промпта. Требуется бинарный файл сервера causal-memory в PATH (pip install causal-memory или готовый релиз).

Плагин DeepSeek Harness (dsh) — превращает dsh web в ролевой frontend в стиле SillyTavern: карточки персонажей, пресеты prompt, lorebooks, personas, BM25 long-term memory, дельты состояния мира и операции floor, которые можно откатить, все на runtime агента dsh.

Объединяет вдохновлённую Claude Code систему Auto Memory с вдохновлённой Codex консолидацией Session, добавляя в DeepSeek Harness простую, прозрачную и эффективную по контексту долговременную память.

Долговременная память для DeepSeek Harness: многоканальное извлечение и развивающееся хранилище памяти.

StrataGate даёт DeepSeek Harness эволюционирующую долгосрочную память по принципу local-first для пользовательских предпочтений, проектных решений, диалогов и результатов инструментов между сессиями; она наслаивает историю с настраиваемым пользователем временным затуханием, укрепляет воспоминания через использование в реальных ответах, показывает учитывающие рабочее пространство счётчики использования и сохраняет извлечённые доказательства прослеживаемыми до исходных сообщений.

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.

Мост ShiGuang Memory Engine (SGME): общая долговременная память для нескольких агентов через HTTP — дистилляция L0/L1/L1.5/L2, внедрение по сценарию, единый поиск и проактивные сигналы заботы (memory_search / wiki_search / signal_pull / signal_claim / signal_ack), устанавливается как `dsh-sgme`.

Плагин долговременной памяти и самоэволюции для DSH: захват L0 → извлечение памяти L1 → группировка сцен L2 → персона пользователя L3, автоматическая инъекция воспоминаний, синтез навыков, полностью локальная работа (SQLite FTS5 + jieba, опциональный векторный поиск).

Межсессионная память с детерминированным восстановлением без токенов (bigram-Jaccard, объединённый с FTS5 BM25 через RRF, с учётом китайской токенизации), усилением, которое укрепляет повторяющиеся наблюдения, и процедурами, кристаллизованными в файлы SKILL.md, редактируемые на месте через жизненный цикл active-stale-archived с обратимым архивированием и откатом. Для ingest и disposal задаётся выбираемый пользователем уровень автономности; конфликты и записи высокой важности всегда отправляются на проверку человеком, и ничего никогда не удаляется автоматически. Требуется Node 22.5+.

Плагин долговременной памяти NeatMem для DeepSeek Harness — тонкий REST-клиент к серверу neatmem

Верный порт механизма MEMORY.md / USER.md из hermes-agent для DSH: ограниченная двубэнковая память (2200/1375 символов), единый инструмент `memory` (add/replace/remove/batch), инъекция замороженного снимка за сессию, напоминания-подсказки, нативное DSH JSON-хранилище — нулевые внешние зависимости, нулевая стоимость LLM.

Управление карточками персоны soul.md и долгосрочной памятью, с выбором персоны для workspace и session и инструментами для чтения и обновления.

Автосбор без LLM и символический \[ENGRAM\] индекс с поэтапным раскрытием, протокол задач/доказательств в стиле ESR-lite (esr_task / esr_node / esr_close / esr_link) и телеметрией использования по каждому workspace с офлайн-бенчмарком воспроизведения (npm run eval).