CommunitySchreiben & Editierengithub.com

DDDFXYqiming/Agent_Extensions

Agent Skills & DeepSeek Harness (DSH) Erweiterungsbibliothek: Allgemeine KI-Agent-Fähigkeiten (General_skills) + DSH-Standard-Plugins (dsh-plugin) – eine sofort einsetzbare Sammlung zur Leistungssteigerung von KI-Agenten.

Was ist Agent_Extensions?

Diese Skill-Erweiterung, bekannt als 'Agent_Extensions', kombiniert allgemeine KI-Agent-Fähigkeiten mit speziell für das DeepSeek Harness (DSH) entwickelten Plugins. Sie bietet eine Reihe von vorgefertigten, sofort einsetzbaren Funktionen, die die Fähigkeiten eines beliebigen KI-Assistenten deutlich erweitern. Der Fokus liegt auf der Implementierung eines robusten, hierarchischen Gedächtnissystems (L1-Indizes, L2-Umgebungsfakten, L3-Aufgabenerfahrungen), das es dem Agenten ermöglicht, über mehrere Sitzungen hinweg zu lernen und sich an spezifische Umgebungen anzupassen. Das System beinhaltet klare Auslösemechanismen zum Lesen und Schreiben von Erinnerungen, wobei ein starker Schwerpunkt auf der Validierung durch Aktionen ('No Execution, No Memory') liegt, um eine Verschmutzung des Wissensspeichers mit unbestätigten Annahmen oder flüchtigen Daten zu vermeiden. Es ist besonders nützlich für Entwickler, die ihre KI-Agenten in komplexen, sich wiederholenden Arbeitsabläufen in Entwicklungsumgebungen oder bei der Konfiguration von Werkzeugen einsetzen, da es die Notwendigkeit minimiert, denselben Kontext immer wieder neu zu erklären oder dieselben Fehler zu wiederholen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add DDDFXYqiming/Agent_Extensions

Installed? Explore more Schreiben & Editieren skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Gedächtnisverwaltung (DSH-Version)

Sitzungsübergreifendes Langzeitgedächtnis: L1-Index-Injektion (bei jeder Runde sichtbar) + L2-Umgebungsfakten + L3-Aufgabenerfahrung.

Auslösezeitpunkte

Lesen (Wann wird das Gedächtnis abgefragt?)

  • Zu Beginn einer neuen Aufgabe: Wenn die Aufgabe die lokale Umgebung, Tool-Konfigurationen, einen bestimmten Technologie-Stack oder ähnliche frühere Aufgaben betrifft → zuerst memory_list um zu sehen, was vorhanden ist, dann memory_read um relevante Einträge abzurufen.
  • Bei Schwierigkeiten/Problemen: memory_read um nach relevanten SOPs zu suchen (Stichwortabgleich mit Dateinamen in sops/ oder Abschnitten in facts).
  • Gedächtnisindex im Modell-Prompt (memory:index): Der bei jeder Runde sichtbare L1-Existenzindex – wenn verwandte Stichwörter gesehen werden, sollte aktiv memory_read/memory_list aufgerufen werden, um Details abzurufen.

Schreiben (Wann wird das Gedächtnis gefestigt?)

Wenn eine Aufgabe abgeschlossen (oder ein Teilabschnitt abgeschlossen) ist und durch Aktionen verifizierte, erfolgreiche Informationen vorliegen, wird memory_write aufgerufen:

Schreibbar (muss mit einem evidence-Beleg versehen sein):

  • Umgebungsspezifische Fakten: Pfade, Konfigurationen, getestete Parameter, Tool-Verhalten (→ entry_type: fact)
  • Erfahrungen mit komplexen Aufgaben: Stolpersteine, die nur nach mehreren Wiederholungen erfolgreich waren, versteckte Vorbedingungen, stabile Schritte (→ entry_type: sop)
  • Allgemeine rote Linien/Muster (→ können auch per memory_write sop oder durch direkte Pflege in [RULES] festgehalten werden)

Nicht schreibbar (Schreiben wäre eine Verunreinigung):

  • ❌ Informationen ohne Bestätigungsbeleg (keine Aktion, keine Erinnerung)
  • ❌ Im Modell inhärentes Wissen, logische Schlussfolgerungen, unbestätigte Hypothesen
  • ❌ Veränderliche Zustände: Zeitstempel, PIDs, temporäre Pfade, einmalige IDs
  • ❌ Allgemeinwissen, Protokolle, Details des Schlussfolgerungsprozesses

Index-Synchronisation

  • memory_write synchronisiert den L1-Index automatisch; manuelle Eingriffe sind normalerweise nicht nötig.
  • Nach manuellen Änderungen an facts.md / den sops/-Dateien → memory_index aufrufen, um den Index neu aufzubauen.
  • Wenn der Index 30 Zeilen überschreitet: [RULES] straffen (Wortänderungen vornehmen, kein Überschreiben des gesamten Textes).

Speicherstruktur

<home>/.dsh/memory/
├── memory_management_sop.md   L0-Metaregeln (wie das Gedächtnis verwaltet wird)
├── index.txt                  L1-Index (≤30 Zeilen: L2/L3-Existenzliste + RULES)
├── facts.md                   L2-Umgebungsfakten (## SECTION)
├── sops/*.md                  L3-Aufgabenerfahrungen
└── file_access_stats.json     Lesezugriffsstatistik

Werkzeuge

WerkzeugZweck
memory_listAlle Erinnerungen auflisten (Fakten + SOPs + Indexzeilenanzahl)
memory_readBestimmte Erinnerung lesen (Index / Fact-Thema / SOP-Dateiname)
memory_writeErinnerung schreiben (Fact/SOP, evidence ist Pflicht)
memory_indexL1-Index-Autosegment neu aufbauen

Prinzipien

  1. Aktionsvalidierung: Keine Ausführung, keine Erinnerung. Es werden nur erfolgreich verifizierte Informationen geschrieben.
  2. Minimal ausreichend: Der Inhalt sollte so kurz wie möglich sein; es werden nur Informationen gespeichert, deren Vergessen zu kostspieligen Wiederholungen führen würde.
  3. Keine Änderung oder Löschung verifizierter Fakten: Sie können komprimiert oder verschoben werden, aber nicht verworfen.
  4. Aktives Schreiben: Das Schreiben von Erinnerungen wird immer vom Modell/Benutzer initiiert; es erfolgt keine automatische Änderung der Konfiguration oder Installation von Plugins.

Verwandte Skills