前言¶

智能体跑长任务时，上下文很快会变成两难：把整段对话原样回放，token 一路涨；开新会话，昨天刚修好的报错、刚验证过的安装步骤又全部消失。压缩（compaction）回答的是「这段对话还塞不塞得下」，真正缺的往往是另一件事：下一轮该召回哪些已经沉淀下来的知识。

graph-memory 走的是后一条路。它不把聊天记录当档案堆进提示词，而是从对话里抽出结构化三元组，存进本地知识图谱，新问题出现时只注入相关的局部子图。本文按社区目录页、GitHub 仓库 README / README_CN、package.json、cordis.patch.yml 以及 DeepSeek Harness 官方仓库核对后整理：它是什么、当前 DSH 适配到哪一步、怎么装、怎么用。

需要先分清两件事。DeepSeek Harness（dsh）本身是 DeepSeek AI 开源的智能体运行时，核心理念是「一切皆插件」；本文引用的插件目录 deepseek-harness-plugin.com 是独立社区站点，用来发现和对比插件，与 DeepSeek / 幻方没有官方从属关系，不要把它当成官方应用商店。

这是什么¶

graph-memory 是一款记忆类插件，由 adoresever 维护，源码在 adoresever/graph-memory，许可证为 MIT，主要语言是 TypeScript。2026 年 8 月 18 日打开目录页和 GitHub 时，仓库星标均为 540；社区目录将其放在「记忆」分类，并标为精选。当前包版本是 1.6.0-beta.1。

它解决三类常见问题：

• 上下文膨胀：长对话里大量历史其实和当前问题无关，却仍被整段回放。
• 跨会话失忆：Session A 里验证过的方法、踩过的坑，Session B 默认带不过去。
• 经验孤岛：修好的报错、可复用的步骤如果只散落在 markdown 或聊天记录里，彼此没有边，下次也检索不到因果关系。

目录页的定位可以概括成一句话：基于知识图谱的 agent 记忆插件，从对话中抽取结构化三元组，实现可追溯、可检索、跨会话的经验复用。同一套记忆内核原生接入 DeepSeek Harness，同时保留 OpenClaw 插件入口。

仓库 README 特别强调：它不是聊天记录归档器，也不是把所有历史重新塞回上下文。可复用的对话知识会变成带类型的节点（TASK / SKILL / EVENT），再用类型化的边把依赖和因果留下来；新问题检索的是相关局部子图，而不是完整历史。

核心功能¶

类型化知识图谱¶

节点分三类：

• TASK：目标、执行过程和结果。
• SKILL：经过验证、可以复用的方法。
• EVENT：错误、修复、决策、变更和关键事实。

边保留关系，而不是只存一句摘要。仓库文档给出的类型包括：

TASK   ──USED_SKILL──▶ SKILL
TASK   ──SOLVED_BY───▶ EVENT
SKILL  ──REQUIRES────▶ SKILL
EVENT  ──PATCHES─────▶ SKILL
SKILL  ──CONFLICTS_WITH──▶ SKILL

节点还会关联形成知识时的 user / assistant 片段（episodic provenance）。召回时可以解释这条记忆从哪次会话来、为什么被选中，而不是只剩一句不可核验的总结。

双路径召回，只注入局部子图¶

召回不是「把库里所有节点塞进 prompt」。README_CN 把流程写成两条路径：

• 精确路径：向量或 FTS5 检索 → 社区扩展与图遍历 → 个性化 PageRank。
• 泛化路径：查询向量匹配社区摘要 → 取社区成员 → 再做图排序。

两边最终汇到去重后的局部上下文。社区版默认用 SQLite，不需要单独部署图数据库；没配 Embedding 时自动走 FTS5 全文检索，不阻断对话。配了 OpenAI 兼容的 Embedding 后，可以接 DashScope、OpenAI 或本地服务，并做语义检索、社区级召回和向量去重。

DSH 适配器在 Prompt Assembly 阶段自动注入相关记忆，不要求模型先调用 gm_search。召回内容会被标记为不可信参考材料，不能覆盖当前用户指令。

原生挂进 DSH，而不是旁路 MCP¶

当前 DSH 适配状态以仓库 README 为准（版本 1.6.0-beta.1）：

适配器文件是 dsh.ts，Bundle 入口是 cordis.patch.yml，插件在列表里显示为 graph-memory/dsh。它接入 Session、Tool、Agent Loop、Prompt Assembly、LLM 和 Credentials，卸载时随插件 fiber 关闭数据库、缓存和事件监听，不改 DSH 核心源码。

本机验收宿主是 DeepSeek Harness 0.1.0-rc.5。仓库写明：DSH 仍处于 Developer Preview，后续版本可能出现破坏性变化。验收覆盖了 tarball 安装、插件 active、1024 维向量回填、跨 Session 语义召回、重启持久化和 FTS5 降级；文档记载 107 项自动化测试通过。

压缩约 75% 是特定场景的对照结果¶

目录简介和仓库都提到「可将上下文压缩约 75%」。这个数字来自旧版 OpenClaw 入口的一次限定对照：在「安装、登录并查询 bilibili-mcp」的 7 轮工作流里，第 7 轮 token 从 95,187 降到 23,977。README 明确说，这是该工作流的场景级比较，不是所有任务的固定节省比例；机制是用相关知识子图替代无差别历史回放。

安装与启用¶

社区目录页给出的安装命令如下。在 DeepSeek Harness 终端中运行：

dsh plugin add github:adoresever/graph-memory

如需可复现安装，目录页建议固定 commit 哈希：

dsh plugin add github:adoresever/graph-memory#commit

把 #commit 换成实际提交哈希。插件以当前 dsh 进程的权限运行，安装时可能执行代码。安装前请检查 源代码仓库 和 MIT 许可证，只装你信任的来源。

仓库 README 对当前 beta 的说明更细：1.6.0-beta.1 尚未发布到 npm，文档中的 DSH 验收路径是先从源码打 tarball，再装进 Web profile。前置条件写的是 Node.js 22.19+ 或 24+（package.json 的 engines 字段是 >=20，以 README 的 DSH 安装节为准）。

从源码构建：

git clone https://github.com/adoresever/graph-memory.git
cd graph-memory
npm ci
npm test
npm run build
npm pack

把生成的 tarball 装进 DSH Web profile：

npx @deepseek-ai/dsh plugin --profile web add /absolute/path/to/graph-memory-1.6.0-beta.1.tgz
npx @deepseek-ai/dsh --profile web --dump-config
npx @deepseek-ai/dsh web

如果是在 DeepSeek Harness 源码仓库里操作：

pnpm dsh plugin --profile web add /absolute/path/to/graph-memory-1.6.0-beta.1.tgz
pnpm dsh web

安装后，在 设置 → 插件 → 插件列表 里确认 graph-memory/dsh 为已启用。

README 还标明：dsh plugin --profile web add graph-memory 以及 Pro 包 @adoresever/graph-memory-pro-dsh 属于规划中的安装体验，现在还不能用。当前 npm 上的 graph-memory@1.5.8 仍是 OpenClaw 发行包，不要把它当成已经可安装的 DSH 插件。

默认数据库路径：

$DSH_HOME/graph-memory/graph-memory.db

未设置 DSH_HOME 时，通常是 ~/.dsh/graph-memory/graph-memory.db。

典型用法¶

可选：打开向量检索¶

不配 Embedding 也能用，召回走 FTS5。若要语义检索，用环境变量注入密钥，不要把 API key 发到聊天框。Cordis 配置里只保存凭据引用，真实值由 DSH Credentials 解析。仓库给出的 DashScope 示例：

export GRAPH_MEMORY_EMBEDDING_API_KEY='replace-with-your-key'
export GRAPH_MEMORY_EMBEDDING_BASE_URL='https://dashscope.aliyuncs.com/compatible-mode/v1'
export GRAPH_MEMORY_EMBEDDING_MODEL='text-embedding-v4'
export GRAPH_MEMORY_EMBEDDING_DIMENSIONS='1024'
dsh web

cordis.patch.yml 里的默认项还包括：extractionEnabled: true、recallEnabled: true、recallMaxNodes: 6、recallMaxDepth: 2、maintenanceInterval: 6。换 Embedding 模型或维度后，插件会按 fingerprint 回填向量，不同维度的向量不会被静默拿来比较。

DSH 原生工具¶

安装成功后，智能体侧可以使用这四个工具：

自动抽取依赖辅助模型输出的稳定性。仓库建议：beta 阶段的关键知识用 gm_record 显式写入，不要只靠自动抽取。gm_record 需要 name、type（只能是 TASK / SKILL / EVENT）、description 和 content。

日常对话不必先调用 gm_search。适配器会在用户消息进入后做语义/全文召回，并在组装系统提示时注入相关子图。跨 Session、重启 DSH 后，本地 SQLite 里的记忆仍然在。

OpenClaw 入口仍然保留¶

如果你本来在 OpenClaw 上用它，DSH 适配没有要求迁移数据。OpenClaw 侧仍走原来的插件入口，并需要在 ~/.openclaw/openclaw.json 把 plugins.slots.contextEngine 设为 graph-memory，否则可能只看到 recall、库里却没有抽取结果。本文以 DSH 安装为准，OpenClaw 细节见仓库 README。

适用场景与注意事项¶

比较适合：

• 用 DeepSeek Harness 跑会跨多轮、甚至跨会话的开发或运维任务，希望把「怎么装、怎么修、依赖什么」留下来。
• 需要解释记忆从哪来：节点带原始会话证据，边能表达 SOLVED_BY、REQUIRES 这类关系。
• 希望先本地落地、暂不部署 Neo4j：社区版默认 SQLite。

需要留意的边界：

• 当前是 beta。版本号是 1.6.0-beta.1，对照宿主是 0.1.0-rc.5；DSH 还在 Developer Preview。
• DSH 入口缺两个工具。gm_update、gm_maintain 目前只在 OpenClaw 入口提供。
• Pro 可视化不是现成功能。图谱工作台、受控拖拽、可选 Neo4j 仍是规划架构；现有 desktop-2.0 是 OpenClaw + Neo4j，没有可安装的 DSH Client Plugin。
• 压缩比例不可当成 SLA。约 75% 只对上述 7 轮工作流成立。
• 自动抽取会不稳。重要结论请用 gm_record。
• 权限与密钥。插件以当前 dsh 进程权限运行，安装时可能执行构建脚本；API key 走宿主凭据或环境变量，不要写进数据库、Cordis patch 或聊天记录。曾出现在聊天、日志或截图里的密钥应立即轮换。
• 召回不能压过当前指令。历史记忆只作参考。

小结¶

graph-memory 把「记得住」从回放聊天记录，改成了维护一张带类型和溯源的本地知识图谱。对 DeepSeek Harness 来说，它已经是原生 Cordis 插件：自动抽取、跨会话召回、gm_* 工具和可选向量检索都在 1.6.0-beta.1 里可用；可视化 Pro、npm 一键包和部分维护工具还没有进 DSH。

目录页与源码：

• 社区目录：https://deepseek-harness-plugin.com/zh-CN/plugins/graph-memory/
• GitHub：https://github.com/adoresever/graph-memory
• DeepSeek Harness：https://github.com/deepseek-ai/deepseek-harness