dsh-memory-plugin
volcengine
面向 DeepSeek Harness 的 OpenViking 记忆与上下文插件:pre-step 自动召回与画像注入、会话捕获、`viking://` URI 防护,以及对接 OpenViking 服务端的 recall/write 记忆工具。
tinqiao-oss/engramory
把 Engramory 策展式记忆纪律做成可安装插件([npm: dsh-engramory](https://www.npmjs.com/package/dsh-engramory)):通过 `ctx.tools.guard()` 对 `MEMORY.md` 索引施加确定性的 200 行 / 25KB 上限(增长即拒、缩小的重写一律放行),并把协议注册为运行时 skill。记忆库是纯 markdown、一条事实一个文件,与 Claude Code、Codex、Kiro、OpenClaw 共用。
安装
GitHub 方式 · GitHub 源码
从 GitHub 装会执行项目自己的构建脚本,而 pnpm 默认拦着不让跑——先跑一次这条命令,pnpm 会打印出要加到 ~/.dsh/profiles/web/pnpm-workspace.yaml 里 `allowBuilds` 下面的那个 key。
安装前须知

engramory 是一个 DeepSeek Harness 插件,把策展式记忆规则应用到本地纯 Markdown 文件中。它使用一个始终加载的 MEMORY.md 索引,并将每条事实放在独立文件里,不依赖数据库、向量、embedding 或服务器。协议会注册为运行时 skill,并通过 CLAUDE.md、AGENTS.md 或宿主规则文件作为长期规则提供给 agent。
插件通过 ctx.tools.guard() 注册 PreToolUse hook,只检查直接作用于 MEMORY.md 的 Edit、Write 和 MultiEdit。索引超过 200 行或 25 KB 时,导致内容增长的写入会被拒绝;压缩或缩小后的重写会放行。规则还要求写入前去重、更新已有事实、删除错误内容,并避免记录 git、CLAUDE.md 或代码已经保存的信息。仓库提供 tools/engramory_doctor.py 作为校验工具。
它适合规模较小、需要人工阅读和编辑的本地记忆。若需要所有写入路径都受到强制控制,则不应使用它:Bash、PowerShell、后台 Monitor 命令、MCP 文件工具、外部编辑器和同步客户端都能绕过 hook,规则本身也依赖模型遵循。它假定写入者单一且写入串行。目录信息标记了终端表面和凭据要求,但 README 没有说明具体凭据。
Engramory 使用纯 Markdown 作为记忆源文件:一个 MEMORY.md 索引,加上每条事实一个文件。实时存储目录保持 git-ignored。规则定义了 user、feedback、project、reference 四种角色类型;feedback 表示程序性记忆,并要求包含 Why: 和 How to apply:。写入前需去重,已有事实应更新而不是重复创建,错误事实应删除,也不应保存 git、CLAUDE.md 或代码已经记录的内容。
索引在达到以下任一限制时触发限制行为:
| 阈值 | 行为 |
|---|---|
150 行 / 20 KB |
发出警告 |
200 行 / 25 KB |
写入前压缩或询问 |
硬性后备机制是使用 ctx.tools.guard() 的 PreToolUse hook。它检查对 MEMORY.md 的直接 Edit、Write 和 MultiEdit 操作。会使索引超过任一上限的增长写入会被拒绝;缩小索引的重写可以通过。仓库还提供 tools/engramory_doctor.py,用于校验记忆存储;README 未说明它的参数或输出格式。
该项目面向本地文件式记忆,不需要数据库、embedding 或服务器。规则通过 CLAUDE.md、AGENTS.md 或宿主对应的规则文件加载。README 将 0.8.0 标为 experimental,并假定只有一个写入者,且写入按串行方式进行。
PreToolUse hook 不是全局写入保护。Bash、PowerShell、后台 Monitor 命令、MCP 文件工具、外部编辑器和同步客户端都可以绕过它。策展协议依靠模型执行,因此属于尽力而为,不能保证每个任务都遵守,也不适合作为强制的跨 agent 记忆层。
根据项目自己的文档整理,会跟着上游更新。两边对不上时以源码仓库为准—— 去 GitHub 看原始 README
同一分类
volcengine
面向 DeepSeek Harness 的 OpenViking 记忆与上下文插件:pre-step 自动召回与画像注入、会话捕获、`viking://` URI 防护,以及对接 OpenViking 服务端的 recall/write 记忆工具。
vectorize-io
Hindsight:会学习的 Agent 长期记忆系统,自动召回/保存、知识页、深度反思与按仓库隔离的记忆银行。
bowenliang123
上下文洞察面板:一眼看清模型上下文窗口的组成与变化——构成对照窗口大小、按请求历史趋势、压缩/注入事件、消息级 token 统计。
Co-Engram
自进化团队记忆,以纯 Markdown 存于 Git:原生 Cordis 插件注册 38 个裸名记忆工具,并按每次组装动态注入 prompt-signals 段;含 RPE 强化、衰减与睡眠巩固;与 Claude Code(MCP)、OpenClaw 宿主共享同一数据仓;已对 DSH 0.1.0-rc.6 实测。
omdsh-dev
由 Mnemon 驱动的 DeepSeek Harness(DSH)跨 Agent、本地优先的持久记忆插件。它可在支持 Mnemon 的 Agent 之间共享长期记忆,并提供运行时记忆、可检索项目档案、语义召回、知识图谱和 Sidebar UI。
Aik358
DSH 自动记忆插件:三层记忆自动注入与检索、每轮对话自动沉淀、AI 时段问候与三级抽屉、智能检索、日历视图与设置页,支持继承其他 AI 工具的记忆。