前言¶

在 DeepSeek Harness（DSH）裏做 Agent，常見做法是依賴會話上下文或簡單的 KEY→VALUE 存儲來「記住」用戶偏好。這類方案能應付單輪問答，但跨會話後 Agent 往往像每次重新開機：沒有穩定的自我表徵，經驗也難以沉澱爲可複用的知識，行爲邊界也缺少可審計的留痕。

下面介紹 @furongjun1999/dsh-memory（GitHub：FuRongJun-1999/dsh-memory）。維護者 FuRongJun-1999 將其定位爲 AGI 研究向的長期記憶基礎設施，把靈樞（AEIS）的時空記憶引擎與 DSH 對接，而非普通 SQLite 記憶插件。項目遵循「智能論 v3.3」協議，當前 npm 包版本爲 0.3.0，GitHub 約 31 stars，MIT 許可證。

這是什麼¶

一句話：dsh-memory 是 DSH 插件形態的靈樞大腦接入層，爲 Agent 提供跨會話記憶、知識飛輪、自我認知與可審計信任機制。

靈樞（AEIS）在插件側通過手寫 stdio MCP 橋與 Python 子進程通信，運行時動態拉取工具清單；Python 側以 aeis 包提供記憶圖、白箱推理與角色扮演等能力。目標用戶是對 AGI、可解釋性與記憶機制有研究需求的開發者，不是面向普通用戶的消費級記憶工具。

與普通記憶插件的差異可以概括爲：

核心功能¶

以下能力均來自項目 README 與 package.json，按模塊歸納。

跨會話自我連續性¶

Agent 可通過 lingshu_recall、lingshu_search、lingshu_timeline 等 MCP 工具，在不同對話、會話乃至子代理之間共享同一份持續記憶。記憶按語義與時空關係組織，支持檢索、去重與關聯，而非簡單堆疊歷史文本。

知識飛輪與自演化¶

distill、flywheel、learn、induce 等工具把經驗經驗證、歸納、聯想後蒸餾爲可複用模式，隨使用持續演化。對話內容可自動沉澱進記憶庫（見 package.json 描述）。

白箱智能管線¶

知識類查詢走確定性白箱路徑，不依賴 LLM 生成答案。流程爲：條件化知識單元 → 方向推理與組合生成 → 三層自校驗（方向一致性、因果鏈完整性、事實一致性）→ 校驗通過後固化爲直答。README 稱知識問答白箱率爲 100%，LLM 僅作外部校驗器降級使用。

已覆蓋域包括物態變化、密度浮力、熱傳導、摩擦、角色條件與編程規律等；tools: all 時可暴露 71 個 MCP 工具，含 wisdom_verify、wisdom_analyze、wisdom_compose 等白箱族。

自我認知（brain 模式）¶

在 tools: 'brain' 配置下，可使用 cognition、cognition_report、self_reliability、emotional_bias、recursive_reflect 等工具，供 Agent 反思認知狀態與情緒傾向。

角色扮演引擎（v3.3）¶

基於扮演論實現：自我錨點（SELF 層 no_forget 不可遺忘）、特化價值觀（條件觸發）、跨會話角色記憶、世界認知（子知識）、自定義翻譯（現實↔虛擬名詞表）。v0.2.8+ 起插件將 /roleplay 掛載到 DSH webServer，與 GUI 同源（默認 127.0.0.1:3080）；亦可獨立運行 python -m aeis.roleplay_web 或通過 MCP 工具 roleplay_chat 等接入。

可審計信任¶

護欄憲章 v2 約束對外行爲；工具調用、記憶寫入、自校驗判定全鏈路留痕。協議層強調減少信息差（D_norm）、對抗信號下不反擊（隔離、留痕、上報），設計者保留終裁權。內容分級門控對「未成年人特徵詞 + 性內容詞」組合做服務端硬攔截（route=refused）。

工程特性¶

• 零運行時外部依賴的 stdio MCP 橋；Python 子進程崩潰後指數退避自動重啓。
• 啓動競態時 2s 輪詢補註冊工具，避免 Python 未就緒導致工具永久缺失。
• 動態 schema：靈樞升級後 DSH 側無需改代碼即可拉取新工具清單。

安裝與啓用¶

安裝分兩步：先裝靈樞 Python 包，再通過 DSH profile 命令裝插件。README 強調必須用 dsh plugin --profile 安裝，不要用裸 npm install 裝進 profile 的 node_modules，否則會引入錯誤版本的 @deepseek-ai peer 包。

① 安裝靈樞大腦（Python）

pip install aeis-0.3.0-py3-none-any.whl

也可按 README 使用 git+ 在線安裝；具體 wheel 或倉庫地址以 GitHub 發佈頁爲準。

② 安裝 DSH 插件（web profile 示例）

dsh plugin --profile web add @furongjun1999/dsh-memory

③ 在 cordis.yml 中啓用

- id: lingshu-memory
  name: '@furongjun1999/dsh-memory'
  config:
    dbPath: 'data/lingshu.db'
    identity: '靈樞'
    tools: 'brain'      # 'brain' 全心智 | 'core' 精選 | 'all' 含 wisdom_* 全工具

環境要求：package.json 指定 Node >=22.19；peer 依賴包括 @deepseek-ai/cordis ^4.0.1 等，由 profile 的 pnpm 協調解析。

若需改源碼：克隆倉庫後執行 npm install && npm run build，再用 dsh plugin add <本地路徑> 部署。

典型用法¶

記憶召回¶

插件加載後，Agent 在對話中可調用靈樞暴露的 MCP 工具。常用入口包括：

• lingshu_recall：按語義召回歷史記憶
• lingshu_search：搜索記憶圖
• lingshu_timeline：按時間線瀏覽事件

具體參數以運行時動態 schema 爲準；靈樞升級後工具列表會自動更新。

知識學習與蒸餾¶

需要把對話經驗固化爲可複用知識時，可調用 learn、induce、distill、flywheel 等工具，走驗證→歸納→聯想→蒸餾鏈路。

角色扮演網頁¶

DSH web profile 啓用插件後，訪問同源 /roleplay（GUI 首頁右上角有「角色扮演」入口）。功能包括角色選擇/創建、完整對話轉錄（JSONL 持久化）、雙向翻譯面板、記憶/錨點/價值觀三導入 UI。

獨立部署示例：

python -m aeis.roleplay_web --port 8793 --data-dir roleplay_data

編輯類寫接口需設置環境變量 ROLEPLAY_EDIT_KEY，請求時攜帶 x-edit-key 頭；未設置時本地開發默認開放。

白箱知識查詢¶

配置 tools: 'all' 後，Agent 可直接調用 wisdom_verify、wisdom_analyze、wisdom_predict、wisdom_compose、wisdom_respond 等工具，在不調用 LLM 生成答案的前提下完成條件路由、組合生成與自校驗。

適用場景與注意¶

適合誰

• 需要在 DSH 中做跨會話、可檢索、可關聯記憶的 Agent 研究。
• 關注白箱推理、協議工程、扮演一致性或可審計信任機制的 AGI 方向開發者。
• 需要角色扮演長對話不崩、且希望記憶與設定可導入/可審計的場景。

使用前注意

1. 權限：插件以當前 dsh 進程權限運行，可讀寫配置的 dbPath、啓動 Python 子進程；安裝前應閱讀源碼與 MIT 許可證，確認數據落盤位置與網絡行爲符合你的環境策略。
2. 安裝方式：務必使用 dsh plugin --profile <name> add，避免 peer 依賴版本衝突。
3. 定位：README 明確這是研究向基礎設施，理論底座爲「智能論 v3.3」；若只需簡單 KV 記憶，複雜度可能偏高。
4. Python 依賴：除 npm 插件外還需安裝 aeis；兩者版本需與 README / 發佈說明對齊。
5. 內容門控：開源版不做身份認證；服務端僅硬攔截特定關鍵詞組合，成人內容依賴前端本地確認彈窗。

結尾¶

dsh-memory 把靈樞的時空記憶、白箱推理與護欄機制接到 DSH，解決的是 Agent 跨會話自我連續、經驗演化與行爲可審計一類問題，而不是再做一個字面存儲的記憶表。

• SkillHub 目錄頁：https://www.skillhub.cn/plugins/FuRongJun-1999/dsh-memory
• GitHub 倉庫：https://github.com/FuRongJun-1999/dsh-memory
• npm 包：@furongjun1999/dsh-memory（當前 0.3.0）

SkillHub 爲獨立社區目錄，與 DeepSeek / 幻方無官方從屬關係；插件是否納入你的 DSH 環境，建議結合源碼、許可證與上述鏈接自行判斷。