前言¶
在 DeepSeek Harness（DSH）裏跑智能體，對話一長，上下文窗口很快就會被歷史消息塞滿。常見的 Compaction 能回答「還剩多少對話能塞進窗口」，卻很難回答「此刻真正值得召回的是哪段過往經驗」。換個 Session 繼續幹活，昨天踩過的坑、驗證過的做法，往往又要從頭講一遍。
如果你希望智能體擁有可檢索、可溯源、能跨會話複用的長期記憶，社區插件 graph-memory（維護者 adoresever）值得一看。它在 GitHub 上已有 573 stars、82 forks，歸類爲「記憶」類插件；目錄頁見 SkillHub，源碼託管於 adoresever/graph-memory。
需要說明的是：DSH 插件庫（含 SkillHub 插件廣場）是社區維護的獨立目錄，與 DeepSeek / 幻方並無官方從屬關係；安裝前請自行審閱源碼與 MIT 許可證。插件以當前 dsh 進程權限運行，可能包含本地編譯步驟，安裝前務必確認你信任該倉庫。
這是什麼¶
graph-memory 是一個面向 AI 智能體的知識圖譜記憶插件，同時原生支持 DeepSeek Harness，並保留 OpenClaw 入口。它把對話中可複用的信息抽取爲結構化三元組，寫入本地圖譜，再在需要時按語義召回相關子圖，而不是把完整歷史原樣塞進 Prompt。
README 用一句話區分了兩種能力：Compaction 管「窗口裏還能放多少」，Graph Memory 管「此刻該想起哪段知識」。
維護者 adoresever 在 2026 年 3 月 15 日於清華科技園舉辦的 CLAW program 活動中介紹過該插件架構（詳見項目 README 與公開活動報道）；項目當前版本爲 1.6.0-beta.8，DSH 側適配基於 Cordis 插件生命週期，無需 fork DSH 核心。
核心功能與亮點¶
1. 類型化知識圖譜¶
對話內容會被抽取爲三類節點：
TASK：目標、執行過程與結果；SKILL：已驗證、可複用的方法；EVENT：錯誤、修復、決策、變更與事實。
節點之間通過 USED_SKILL、SOLVED_BY、REQUIRES、PATCHES、CONFLICTS_WITH 等邊保留關係。新問題時，系統檢索相關局部子圖，而非回放整段歷史。
2. 原生接入 DSH，而非 MCP 旁路¶
插件由 DSH/Cordis 生命週期加載，接入 Session、Tool、Agent Loop、Prompt Assembly、LLM 與 Credentials 等接縫；數據庫、緩存與事件監聽隨插件 fiber 一併釋放，不修改 DSH 核心。
3. 跨會話持久記憶¶
Session A 中沉澱的知識，可在 Session B 中自動召回；記憶在 DSH 重啓後仍保留。穩定的事件 ID 保證恢復與熱更新場景下的冪等寫入；召回結果帶來源 Session 與圖譜邊，便於解釋「爲什麼想起這條」。
4. 更小的上下文佔用¶
默認保留最近 5 輪真實用戶輸入（freshTurnCount），較早內容經 DSH 公共 Compaction 服務壓縮爲滾動 checkpoint；同時結合向量檢索（可選）與 FTS5 詞法回退、社區發現、PageRank / 個性化 PageRank 與有界圖遍歷，只把相關跨會話子圖注入當前 Prompt，預算默認 4096 tokens（recallTokenBudget）。
項目在一段七輪 OpenClaw 工作流基準中，第 7 輪上下文從約 95,187 tokens 降至約 23,977 tokens，降幅約 75%——README 明確說明這是特定場景對比，並非對所有任務都保證同等壓縮率。
5. 本地優先、輕量部署¶
社區版默認使用 SQLite，無需單獨部署圖數據庫；Embedding 可選，未配置時回退 FTS5 全文檢索。數據默認落在本地 profile，支持 DashScope、OpenAI 及兼容 OpenAI 協議的本地 Embedding 服務。
6. 可觀測、可手動干預¶
提供 gm_status、gm_search、gm_record、gm_stats 等工具；自動召回在 Prompt Assembly 階段完成，不必每次手動調用 gm_search。召回內容被標記爲不可信參考材料，不能覆蓋當前用戶指令。
安裝與啓用¶
環境要求：Node.js 22.19+ 或 24+。當前 beta 尚未發佈到 npm，README 推薦從源碼構建 tarball 安裝；目錄站也提供 GitHub 直裝命令，可按你的環境選擇。
方式一：目錄頁快捷安裝¶
在 DSH 終端執行（與 deepseek-harness-plugin.com 目錄頁 一致）：
dsh plugin add github:adoresever/graph-memory
如需可復現安裝，可固定 commit：
dsh plugin add github:adoresever/graph-memory#<commit-hash>
該插件依賴 @photostructure/sqlite 等原生模塊，若直裝遇到編譯問題，可加上 --allow-build 參數（以你使用的 DSH 版本文檔爲準）。
方式二：從源碼構建 tarball（README 推薦）¶
git clone https://github.com/adoresever/graph-memory.git
cd graph-memory
npm install
npm test
npm run build
npm pack
將生成的 tarball 安裝到 Web profile：
npx @deepseek-ai/dsh plugin --profile web add /absolute/path/to/graph-memory-1.6.0-beta.8.tgz
npx @deepseek-ai/dsh --profile web --dump-config
npx @deepseek-ai/dsh web
若你在 deepseek-harness 源碼倉庫內開發，也可使用：
pnpm dsh plugin --profile web add /absolute/path/to/graph-memory-1.6.0-beta.8.tgz
pnpm dsh web
安裝後，在 Settings → Plugins → Plugin list 中確認 graph-memory/dsh 已啓用。
默認數據庫存放路徑：
$DSH_HOME/graph-memory/graph-memory.db
未設置 DSH_HOME 時，通常爲 ~/.dsh/graph-memory/graph-memory.db。
典型用法示例¶
可選：開啓向量檢索¶
不要在聊天中發送密鑰。DSH Credentials 或環境變量負責解析真實 API Key。以 DashScope 爲例：
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
未配置 Embedding 時，插件繼續使用 FTS5，不會阻塞對話。
常用工具¶
| 工具 | 用途 |
|---|---|
gm_status |
查看插件、存儲、抽取、召回與向量狀態 |
gm_search |
顯式搜索長期圖譜記憶 |
gm_record |
手動寫入 TASK / SKILL / EVENT |
gm_stats |
查看節點、邊、類型與社區統計 |
自動召回在 Prompt 組裝階段觸發，日常對話無需每次手動搜索。對 beta 階段的關鍵知識，README 建議用 gm_record 確定性落庫，因爲自動抽取依賴輔助模型輸出穩定性。
Graph Memory Pro（可選）¶
項目還提供實驗性的 Pro Lite DSH 插件（dsh-pro/ 目錄），可在 Web 側邊欄只讀查看圖譜快照；完整 2D/3D 渲染、分屏對話與拖拽入上下文等功能仍在開發中，與社區版共用同一 SQLite 庫。
適用場景與注意事項¶
適合誰用：
- 長期在 DSH 中維護同一項目的開發者，需要跨 Session 記住排障路徑、工具用法與決策依據；
- 對話輪次多、上下文膨脹明顯，希望用結構化記憶替代「整段歷史重放」的團隊；
- 同時關注 OpenClaw 生態、希望在兩個宿主間共享同一記憶核心的用戶（OpenClaw 入口仍保留）。
使用時請注意：
- 插件以
dsh進程權限運行，安裝與構建步驟會執行倉庫中的腳本；安裝前請閱讀源碼與 MIT 許可證。 - 當前 beta（1.6.0-beta.8）尚未上架 npm，生產環境建議固定 commit 或 tarball 版本。
- DSH 側暫未暴露 OpenClaw 入口的
gm_update、gm_maintain工具；自動抽取質量因模型而異，關鍵知識請用gm_record。 - 75% 上下文壓縮來自 README 記載的特定基準場景，實際收益取決於對話類型與圖譜規模。
- API Key 請通過 Credentials 或環境變量配置，勿寫入聊天記錄；若密鑰曾泄露，應及時輪換。
結尾¶
如果你正在爲 DSH 智能體尋找「能解釋來源、能跨會話複用」的記憶層，graph-memory 把知識圖譜、向量/全文檢索與 DSH 原生 Prompt 流水線接在一起，是一個值得試用的社區方案。
