DeepSeek Harness 插件介紹：dsh-evolve

前言¶

DeepSeek Harness（DSH）的理念是「一切皆插件」。Agent 在會話之間通常會遺忘所有內容，且記憶容易在重複使用中產生冗餘和噪音。dsh-evolve 插件爲 DeepSeek Harness 提供了持久化記憶和技能的生命週期管理，旨在解決遺忘問題並防止知識庫膨脹。

dsh-evolve 是一個 Self-evolving memory and skill lifecycle（自我進化的記憶與技能生命週期）插件，由維護者 chenzheshushi-commits 開發。它不預置任何觀點，僅提供機制和規則，所有學習內容均保存在本地，不會離開環境。

該插件包含以下核心功能：

跨會話記憶與確定性召回
提供結構化記錄（fact / preference / decision 等），存儲爲 JSON 及 Markdown 鏡像。使用零 token 的確定性召回算法（結合 bigram-Jaccard 相似度與 SQLite FTS5 BM25），在不需要調用嵌入 API 的情況下，根據當前消息自動注入相關記憶。
分級審批機制
模型生成的記憶會經過一個確定性網關，根據可逆性、衝突情況、重疊度等因素判斷是自動確認還是進入待審覈隊列。該機制忽略模型自報的 kind 字段，確保寫入的可靠性。
強化學習與記憶鞏固
重複的觀察會強化理解而非簡單重複。通過提升觀察計數和重要性閾值，配合配置參數，使頻繁出現的知識點權重更高。
技能生命週期與原地細化
高價值的教學內容可結晶爲 SKILL.md 文件。新證據用於細化現有技能，而非創建重複文件。技能具有 active / stale / archived 三種狀態，支持在原地優化和手動歸檔。
防膨脹收斂
對技能和記憶進行去重和清理。技能端檢測相似內容併合並，記憶端設置字符預算，防止數據無限增長。
後臺每輪審查
在每輪對話結束後，後臺會以獨立的 LLM 調用回放當前對話快照，判斷哪些內容值得記憶。該過程路由至獨立的 reviewModel，不影響主對話流。
Web 設置頁面
提供可視化的配置界面。

安裝該插件需要滿足前置條件：Node.js >= 22.5.0 且 DeepSeek Harness 版本 >= 0.1.0-rc.7。

通過官方安裝命令添加插件：

dsh plugin --profile web add github:chenzheshushi-commits/dsh-evolve

安裝後需要重啓 Harness，工具會在啓動時被發現。

使用以下命令進行操作：

記憶管理
- memory_remember: 存儲事實或偏好。
- memory_recall: 召回相關記憶。
- memory_confirm: 確認需要審覈的記憶。
- memory_confirm_batch: 批量確認記憶。
技能管理
- crystallize_skill: 從標記的教訓中創建 SKILL.md 文件。
- evolve_maintain: 對知識庫進行維護清理。
配置審查模型
在配置中設置 reviewModel，將後臺審查路由至不同的模型（例如更便宜或更強的模型）。

依賴環境
- 需要 Node.js >= 22.5.0，用於使用內置的 node:sqlite 模塊進行全文搜索。
- 需要 DeepSeek Harness 0.1.0-rc.7 或更高版本。
可選依賴
- git：用於啓用自動檢查點和回滾功能。
- tar：用於啓用操作前的備份和 skill_rollback 功能。
操作系統
插件在 Linux 和 macOS 上開發並測試，Windows 環境未經測試。
數據安全
插件永遠不會刪除數據。所有變更操作都是可逆的，可以通過回滾或備份恢復。