前言¶
用 DeepSeek Harness（DSH）写代码、做方案、日常闲聊时，会话一关上下文就清零：昨天交代过的项目背景、偏好、踩过的坑，今天得从头再说一遍。换台机器、换一个 Agent，更是「第一次见面」。
DSH 生态里插件可以扩展能力。下面介绍 SGME（拾光记忆引擎，ShiGuang Memory Engine）——由 freehul 维护的记忆类插件，在 GitHub 上约 9 stars，MIT 许可证。它把对话沉淀为结构化记忆，在下次会话时按场景注入，并通过 memory_search 等工具供 Agent 主动检索。
这是什么¶
SGME 是一个自托管的记忆中枢：捕获你与 AI 的对话，提炼成带标签的记忆，在后续对话中按场景送回 Agent。数据留在本机（Python + SQLite），不依赖 GPU 或外部数据库。
作为 DSH 插件（npm 包名 dsh-sgme，当前版本 v0.1.1），它通过 Cordis SDK 接入 Harness：会话首步画像注入、memory_search / wiki_search 等工具、/sgme 命令、逐轮会话入库，以及会话结束后的自进化回写。与 SGME 服务本身解耦——插件负责桥接，记忆引擎需单独部署并启动。
核心功能¶
捕获、提炼、注入¶
工作流程分三步，全部自动：
- 捕获：对话保存为 L0 原始层（磁盘 Markdown，永久保留）
- 提炼：从原始对话提取标签化记忆（事实、偏好、项目状态、决策等），自动去重、合并、发现矛盾
- 注入：每次对话开始时，按场景挑选相关记忆注入——闲聊带身份与近况，编程带技术栈与项目上下文，不全量加载
画像注入走结构化 SQL 查询，README 说明其不调用大模型、零 token 成本。
DSH 侧暴露的能力¶
根据仓库 package.json 与 README，插件主要提供：
memory_search工具：通过 DSH ToolRuntime 以自然语言查询记忆，返回有界结构化结果- Wiki 工具：
wiki_search、wiki_pages、wiki_page /sgme命令：插件内命令入口- 逐轮入库与自进化：turn/end 触发经验回写
插件声明兼容 DSH 0.1.0-rc.6，以 harness-profile 协议集成，激活需重启 profile。
记忆引擎的其他能力（服务层）¶
以下由 SGME 服务提供，经插件或 MCP/HTTP 间接使用：
- 记忆可溯源：每条记忆可追溯到原始对话
- 多 Agent 共享：Hermes、DSH 等接入同一记忆池
- 主动关怀：通过 care 信号让 Agent 在适当时机主动关心用户
- 人格洞察：基于对话沉淀人格画像，每月校准
- 统一检索：关键词 + 语义 + 标签三重融合，同时覆盖记忆池与知识库
- 中文优化：针对中文对话的提炼与召回调优
- 混合检索：BM25 + 向量 + 标签过滤，可不装向量库运行
安装与启用¶
SGME 分两层：先部署记忆服务，再安装 DSH 插件。
1. 部署 SGME 服务¶
需要 Python 3.11+。在 SGME 仓库根目录执行：
# 创建虚拟环境
python -m venv .venv
# macOS/Linux: source .venv/bin/activate
# 安装依赖
pip install -e .[dev]
# 启动 Server（默认端口 9910）
python -m sgme
正式使用建议在 config/.env 配置密钥：
SGME_ADMIN_KEY=<随机串>
SGME_AGENT_KEY=<随机串>
# 生成：python -c "import secrets;print(secrets.token_hex(32))"
不配置时使用内置默认 key，仅限本机首次体验；配置后默认 key 失效。可选模型 Key（智谱 ZHIPU_API_KEY、硅基流动 SILICONFLOW_API_KEY）用于提炼与向量检索，详见仓库 docs/guide/免费模型Key申请指南.md。
2. 安装 DSH 插件¶
官方 README 给出的安装命令：
# 从 npm 安装（推荐）
dsh plugin --profile web add dsh-sgme
# 或从 GitHub 仓库安装
dsh plugin --profile web add github:freehul/sgme
启动 dsh 前，确保环境变量中 SGME 服务可见：
SGME_BASE_URL=...
SGME_AGENT_KEY=...
SGME_ADMIN_KEY=...
仓库提供 adapters/dsh/install.py 可自动注册 agent 并写入密钥，完整步骤见 adapters/dsh/README.md。
典型用法¶
服务健康检查¶
Agent 或运维可先探测服务是否在线：
curl http://localhost:9910/v1/health
默认 HTTP 端口 9910，MCP 端口 9913（http://localhost:9913/mcp）。地址也可从 ~/.sgme/install.json 或环境变量 SGME_HTTP_URL / SGME_MCP_URL 读取。
在 DSH 会话中的行为¶
安装并配置密钥后，重启 DSH profile 激活插件。典型流程：
- 会话开始：插件自动注入与当前场景相关的画像记忆
- 对话中：Agent 可调用
memory_search检索历史事实；涉及「之前/上次/还记得」类问题时，应先 search 再回答 - 每轮结束：当前轮次 append 落盘；会话结束触发
refine_trigger异步提炼 - 主动关怀：Agent 可通过 SSE（
GET /v1/events/stream）或signal_pull消费 care 信号并回执
Wiki 相关操作通过 wiki_search、wiki_pages、wiki_page 工具完成；/sgme 命令提供插件内快捷入口。
MCP 接入自检¶
若 Agent 支持 MCP，连接后调用 agent_onboarding() 可获取工具清单与配置模板（版本标记 SGME-ONBOARDING-v2），确认无 403 或超时即接入成功。
适用场景与注意¶
适合谁
- 长期使用 DSH 做开发或日常协作，希望跨会话、跨设备保留上下文
- 同时运行多个 Agent（DSH、Hermes 等），需要统一记忆池
- 重视数据本地化，愿意自托管 Python 服务
使用前注意
- 两层部署：仅装 DSH 插件不够，SGME 服务须先启动并可达（默认
localhost:9910） - 权限范围：插件声明权限为
harness:tool、harness:command、network:read；subprocess、shell、credentials均为none。插件以当前 DSH 进程权限运行，安装前应阅读源码与 MIT 许可证，确认符合你的安全要求 - 版本兼容：
package.json标明兼容 DSH0.1.0-rc.6，升级 DSH 或插件前核对版本 - 密钥管理：生产环境勿依赖默认 key；
SGME_AGENT_KEY/SGME_ADMIN_KEY应妥善保管 - 模型 Key：记忆提炼依赖外部 LLM（主链智谱 GLM-4.7-Flash，备用 deepseek），向量检索可用硅基流动 BAAI/bge-m3；缺失时
/v1/health的model_config.missing_keys会提示
结语¶
SGME 把「每次对话都是第一次见面」变成可沉淀、可检索、可按场景注入的长期记忆。对 DSH 用户而言，dsh-sgme 插件负责把 Harness 接到这台本地记忆引擎上——装好服务、配好密钥、装上插件，Agent 就能在下一轮对话里接着上次的话题继续。
- 目录页：SkillHub — freehul/sgme
- 源码与文档：GitHub — freehul/sgme
