前言¶

智能體跑長任務時，上下文很快會變成兩難：把整段對話原樣回放，token 一路漲；開新會話，昨天剛修好的報錯、剛驗證過的安裝步驟又全部消失。壓縮（compaction）回答的是「這段對話還塞不塞得下」，真正缺的往往是另一件事：下一輪該召回哪些已經沉澱下來的知識。

graph-memory 走的是後一條路。它不把聊天記錄當檔案堆進提示詞，而是從對話裏抽出結構化三元組，存進本地知識圖譜，新問題出現時只注入相關的局部子圖。本文按社區目錄頁、GitHub 倉庫 README / README_CN、package.json、cordis.patch.yml 以及 DeepSeek Harness 官方倉庫覈對後整理：它是什麼、當前 DSH 適配到哪一步、怎麼裝、怎麼用。

需要先分清兩件事。DeepSeek Harness（dsh）本身是 DeepSeek AI 開源的智能體運行時，核心理念是「一切皆插件」；本文引用的插件目錄 deepseek-harness-plugin.com 是獨立社區站點，用來發現和對比插件，與 DeepSeek / 幻方沒有官方從屬關係，不要把它當成官方應用商店。

這是什麼¶

graph-memory 是一款記憶類插件，由 adoresever 維護，源碼在 adoresever/graph-memory，許可證爲 MIT，主要語言是 TypeScript。2026 年 8 月 18 日打開目錄頁和 GitHub 時，倉庫星標均爲 540；社區目錄將其放在「記憶」分類，並標爲精選。當前包版本是 1.6.0-beta.1。

它解決三類常見問題：

• 上下文膨脹：長對話裏大量歷史其實和當前問題無關，卻仍被整段回放。
• 跨會話失憶：Session A 裏驗證過的方法、踩過的坑，Session B 默認帶不過去。
• 經驗孤島：修好的報錯、可複用的步驟如果只散落在 markdown 或聊天記錄裏，彼此沒有邊，下次也檢索不到因果關係。

目錄頁的定位可以概括成一句話：基於知識圖譜的 agent 記憶插件，從對話中抽取結構化三元組，實現可追溯、可檢索、跨會話的經驗複用。同一套記憶內核原生接入 DeepSeek Harness，同時保留 OpenClaw 插件入口。

倉庫 README 特別強調：它不是聊天記錄歸檔器，也不是把所有歷史重新塞回上下文。可複用的對話知識會變成帶類型的節點（TASK / SKILL / EVENT），再用類型化的邊把依賴和因果留下來；新問題檢索的是相關局部子圖，而不是完整歷史。

核心功能¶

類型化知識圖譜¶

節點分三類：

• TASK：目標、執行過程和結果。
• SKILL：經過驗證、可以複用的方法。
• EVENT：錯誤、修復、決策、變更和關鍵事實。

邊保留關係，而不是隻存一句摘要。倉庫文檔給出的類型包括：

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

節點還會關聯形成知識時的 user / assistant 片段（episodic provenance）。召回時可以解釋這條記憶從哪次會話來、爲什麼被選中，而不是隻剩一句不可覈驗的總結。

雙路徑召回，只注入局部子圖¶

召回不是「把庫裏所有節點塞進 prompt」。README_CN 把流程寫成兩條路徑：

• 精確路徑：向量或 FTS5 檢索 → 社區擴展與圖遍歷 → 個性化 PageRank。
• 泛化路徑：查詢向量匹配社區摘要 → 取社區成員 → 再做圖排序。

兩邊最終匯到去重後的局部上下文。社區版默認用 SQLite，不需要單獨部署圖數據庫；沒配 Embedding 時自動走 FTS5 全文檢索，不阻斷對話。配了 OpenAI 兼容的 Embedding 後，可以接 DashScope、OpenAI 或本地服務，並做語義檢索、社區級召回和向量去重。

DSH 適配器在 Prompt Assembly 階段自動注入相關記憶，不要求模型先調用 gm_search。召回內容會被標記爲不可信參考材料，不能覆蓋當前用戶指令。

原生掛進 DSH，而不是旁路 MCP¶

當前 DSH 適配狀態以倉庫 README 爲準（版本 1.6.0-beta.1）：

適配器文件是 dsh.ts，Bundle 入口是 cordis.patch.yml，插件在列表裏顯示爲 graph-memory/dsh。它接入 Session、Tool、Agent Loop、Prompt Assembly、LLM 和 Credentials，卸載時隨插件 fiber 關閉數據庫、緩存和事件監聽，不改 DSH 核心源碼。

本機驗收宿主是 DeepSeek Harness 0.1.0-rc.5。倉庫寫明：DSH 仍處於 Developer Preview，後續版本可能出現破壞性變化。驗收覆蓋了 tarball 安裝、插件 active、1024 維向量回填、跨 Session 語義召回、重啓持久化和 FTS5 降級；文檔記載 107 項自動化測試通過。

壓縮約 75% 是特定場景的對照結果¶

目錄簡介和倉庫都提到「可將上下文壓縮約 75%」。這個數字來自舊版 OpenClaw 入口的一次限定對照：在「安裝、登錄並查詢 bilibili-mcp」的 7 輪工作流裏，第 7 輪 token 從 95,187 降到 23,977。README 明確說，這是該工作流的場景級比較，不是所有任務的固定節省比例；機制是用相關知識子圖替代無差別歷史回放。

安裝與啓用¶

社區目錄頁給出的安裝命令如下。在 DeepSeek Harness 終端中運行：

dsh plugin add github:adoresever/graph-memory

如需可復現安裝，目錄頁建議固定 commit 哈希：

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

把 #commit 換成實際提交哈希。插件以當前 dsh 進程的權限運行，安裝時可能執行代碼。安裝前請檢查 源代碼倉庫 和 MIT 許可證，只裝你信任的來源。

倉庫 README 對當前 beta 的說明更細：1.6.0-beta.1 尚未發佈到 npm，文檔中的 DSH 驗收路徑是先從源碼打 tarball，再裝進 Web profile。前置條件寫的是 Node.js 22.19+ 或 24+（package.json 的 engines 字段是 >=20，以 README 的 DSH 安裝節爲準）。

從源碼構建：

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 裝進 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 源碼倉庫裏操作：

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

安裝後，在 設置 → 插件 → 插件列表 裏確認 graph-memory/dsh 爲已啓用。

README 還標明：dsh plugin --profile web add graph-memory 以及 Pro 包 @adoresever/graph-memory-pro-dsh 屬於規劃中的安裝體驗，現在還不能用。當前 npm 上的 graph-memory@1.5.8 仍是 OpenClaw 發行包，不要把它當成已經可安裝的 DSH 插件。

默認數據庫路徑：

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

未設置 DSH_HOME 時，通常是 ~/.dsh/graph-memory/graph-memory.db。

典型用法¶

可選：打開向量檢索¶

不配 Embedding 也能用，召回走 FTS5。若要語義檢索，用環境變量注入密鑰，不要把 API key 發到聊天框。Cordis 配置裏只保存憑據引用，真實值由 DSH Credentials 解析。倉庫給出的 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 裏的默認項還包括：extractionEnabled: true、recallEnabled: true、recallMaxNodes: 6、recallMaxDepth: 2、maintenanceInterval: 6。換 Embedding 模型或維度後，插件會按 fingerprint 回填向量，不同維度的向量不會被靜默拿來比較。

DSH 原生工具¶

安裝成功後，智能體側可以使用這四個工具：

自動抽取依賴輔助模型輸出的穩定性。倉庫建議：beta 階段的關鍵知識用 gm_record 顯式寫入，不要只靠自動抽取。gm_record 需要 name、type（只能是 TASK / SKILL / EVENT）、description 和 content。

日常對話不必先調用 gm_search。適配器會在用戶消息進入後做語義/全文召回，並在組裝系統提示時注入相關子圖。跨 Session、重啓 DSH 後，本地 SQLite 裏的記憶仍然在。

OpenClaw 入口仍然保留¶

如果你本來在 OpenClaw 上用它，DSH 適配沒有要求遷移數據。OpenClaw 側仍走原來的插件入口，並需要在 ~/.openclaw/openclaw.json 把 plugins.slots.contextEngine 設爲 graph-memory，否則可能只看到 recall、庫裏卻沒有抽取結果。本文以 DSH 安裝爲準，OpenClaw 細節見倉庫 README。

適用場景與注意事項¶

比較適合：

• 用 DeepSeek Harness 跑會跨多輪、甚至跨會話的開發或運維任務，希望把「怎麼裝、怎麼修、依賴什麼」留下來。
• 需要解釋記憶從哪來：節點帶原始會話證據，邊能表達 SOLVED_BY、REQUIRES 這類關係。
• 希望先本地落地、暫不部署 Neo4j：社區版默認 SQLite。

需要留意的邊界：

• 當前是 beta。版本號是 1.6.0-beta.1，對照宿主是 0.1.0-rc.5；DSH 還在 Developer Preview。
• DSH 入口缺兩個工具。gm_update、gm_maintain 目前只在 OpenClaw 入口提供。
• Pro 可視化不是現成功能。圖譜工作臺、受控拖拽、可選 Neo4j 仍是規劃架構；現有 desktop-2.0 是 OpenClaw + Neo4j，沒有可安裝的 DSH Client Plugin。
• 壓縮比例不可當成 SLA。約 75% 只對上述 7 輪工作流成立。
• 自動抽取會不穩。重要結論請用 gm_record。
• 權限與密鑰。插件以當前 dsh 進程權限運行，安裝時可能執行構建腳本；API key 走宿主憑據或環境變量，不要寫進數據庫、Cordis patch 或聊天記錄。曾出現在聊天、日誌或截圖裏的密鑰應立即輪換。
• 召回不能壓過當前指令。歷史記憶只作參考。

小結¶

graph-memory 把「記得住」從回放聊天記錄，改成了維護一張帶類型和溯源的本地知識圖譜。對 DeepSeek Harness 來說，它已經是原生 Cordis 插件：自動抽取、跨會話召回、gm_* 工具和可選向量檢索都在 1.6.0-beta.1 裏可用；可視化 Pro、npm 一鍵包和部分維護工具還沒有進 DSH。

目錄頁與源碼：

• 社區目錄：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