前言¶
DeepSeek Harness(DSH)采用插件化架构。智能体在运行过程中会产生大量上下文,如何持久化这些知识、防止信息丢失或被误改,是构建长期智能体的基础问题。dsh-memory 作为一个记忆系统插件,旨在解决这一问题。它提供了一套从数据录入、五路召回、加密存储到会话转录的完整流程,帮助开发者构建结构化、可审计的记忆系统。
核心功能¶
该插件主要包含以下能力:
-
RRF 五路召回
将证据来源分为五路进行融合:L1 规则(MEMORY.md / USER.md)、L2 会话全文检索(FTS5)、L3 语义检索(可选)、L4 Wiki 以及 L5 时间窗口。最终生成带有信任标签的排序列表。 -
确认制写入
不直接修改记忆文件。memory_suggest用于提交写入提案,随后由memory_confirm或memory_reject决定是否采纳。此机制包含预算检查、敏感模式扫描和自动trigger:标签生成,确保写入安全。 -
Fernet 加密库
敏感信息存储在VAULT.md.enc中,明文仅以→ vault:<ref>的引用形式出现。 -
会话转录
持续将 DSH 会话日志索引到 FTS5 存储中,用于后续的知识提取和技能蒸馏。 -
维护工具
提供健康检查、Git 备份、命中率审计以及资产去重功能。
安装与配置¶
安装插件需要执行以下命令:
dsh plugin --profile web add github:boomzikazita/dsh-memory
安装后,插件会自动注册工具和钩子(如 primer recall 注入、写入守卫、会话转录)。Python 脚本位于 scripts/ 目录,由 Node 主机按需执行。
配置通过 cordis.patch.yml 挂载,可以覆盖默认路径。例如:
- insert:
- id: dsh-memory
name: 'dsh-memory'
config:
memoryDir: '~/.dsh/memories'
# wikiRoot: '~/wiki' # 环境变量 DSH_WIKI_ROOT 也可用
# primerBudget: 800
工具使用¶
| 工具名 | 功能说明 |
|---|---|
memory_recall |
执行五路 RRF 召回,支持 date= 时间窗口查询和 deep=true 深度检索 |
memory_graph |
实体关系图遍历,包含 curated edges 和自动共现边 |
memory_suggest |
提交记忆写入提案,可指定 track(memory/user/skill)和 lifecycle |
memory_confirm |
接受待处理的提案,将其写入 L1 文件 |
memory_reject |
拒绝待处理的提案 |
memory_vault_get |
读取加密密钥库条目 |
memory_vault_set |
写入加密密钥库条目 |
memory_harvest |
转录会话日志到 L2 FTS5 索引并提取校正信号 |
memory_health |
输出各层级的健康报告(L1 预算、Vault 解密、索引状态等) |
memory_backup |
执行记忆目录的 Git commit + push |
memory_notify |
向飞书/Lark 聊天推送消息 |
check_assets |
在创建新脚本/技能前检查资产去重 |
依赖与环境¶
-
Node 端
需要@deepseek-ai/dsh-tools和@deepseek-ai/dsh-llm,两者被声明为 peer dependencies,版本需>=0.1.0-rc.6。 -
Python 端
若要使用 recall、graph、vault、harvest 等高级功能,需要安装 Python 3 和 SQLite 3。Vault 功能额外依赖cryptography库(用于 Fernet)。
如果 Python 环境缺失,工具会优雅降级并报错提示,部分基础功能可能不可用。
- 可选功能配置
- 飞书/Lark 推送:需设置
LARK_APP_ID和LARK_APP_SECRET(环境变量或~/.env)。 - L3 语义召回:需设置
DSH_HONCHO_MCP_URL和DSH_HONCHO_MCP_TOKEN指向一个暴露honcho_search的 MCP 端点。若未设置,L3 层将静默跳过。
适用场景与注意¶
该插件适合需要在 DSH 中构建长期记忆、严格管理知识库写入权限或需要结合外部知识库(如 Wiki)的智能体开发者。
使用时需注意:插件以当前 DSH 进程的权限运行,建议在安装前检查源码与许可证(MIT)。所有配置项均可覆盖,确保 memoryDir 路径有足够的读写权限。
总结¶
dsh-memory 提供了一套完整的记忆管理解决方案,从数据录入到检索加密均有覆盖。对于希望提升智能体记忆能力与可控性的开发者,这是一个可落地的选择。