在 DeepSeek Harness (DSH) 的开发与调试过程中，智能体经常会遇到重复性问题。如果每次都从零开始解释背景，效率较低。我们需要一种机制，让智能体能够跨会话记住遇到的问题、解决方法以及脚本路径，从而减少重复劳动。dsh-self-memory 旨在解决这一问题，通过结构化记录和自动检索，实现离线、零依赖的经验记忆闭环。
插件简介¶
dsh-self-memory 是一个由 cyanxi69-jpg 维护的 DSH 插件。它将会话中遇到的问题、多种解决方法、脚本文件路径以及模型调用全过程进行结构化记录。新会话启动后，系统会自动检索历史方案并注入上下文，通过“先查、试、标命中/失败、回写”的流程，实现经验的自动沉淀与复用。
核心能力¶
- 结构化记录：将问题、方案、脚本路径与模型调用全过程结构化存储。
- 自动检索与注入：新会话自动检索历史方案并注入上下文，支持命中与失败反馈。
- 零依赖与离线：纯本地运行，无需外部服务，离线可用。
- 外部导入：支持通过接口导入现有的解决方法。
- 前提感知检索：根据不同的前提条件返回不同的解决方案。
- 泛化与规范化：自动生成泛化问题以增强检索能力，支持关键词规范化与同义词表管理。
安装与启用¶
安装该插件需要将本地目录添加到 DSH 的插件配置中。
dsh plugin --profile web add <本目录>
安装后，可以通过免重启热挂载的方式生效：
dev_install_package {"dir": "<本目录>"}
安装完成后，可以通过以下命令验证插件状态：
selfmem_status
如果代码更新，需要执行以下命令重载：
dev_reload_package dsh-self-memory
典型用法¶
1. 检索历史方案¶
当需要查找历史经验时，使用 selfmem_search。
selfmem_search {"query":"如何识图"}
2. 记录新的解决方案¶
记录问题时，可以指定关键词权重、适用前提以及方案内容。例如，记录断网时的安装方案：
selfmem_record {"problem":"断网时如何安装插件","solution":"解压本地包 → dsh plugin add <目录> → pnpm install → dev_install_package 热挂载","keywords":{"plugin":1,"network":0.6},"appliesTo":{"network":"no"}}
3. 标记方案结果¶
当智能体尝试了历史方案后，可以反馈结果。成功则标记命中，失败则记录根因。
selfmem_hit {"query":"断网时如何安装插件","solutionId":"s-…"}
selfmem_fail {"query":"断网时如何安装插件","solutionId":"s-…","rootCause":"…"}
4. 外部导入¶
如果有现成的知识库，可以通过 selfmem_import 进行导入。
selfmem_import {"source":"examples/import-demo.json"}
限制与注意事项¶
- 检索方式：目前仅支持关键词、泛化文本和倒排索引检索，暂不支持向量语义检索。
- 数据提取：虽然会自动采集会话轨迹，但不会自动提炼为记录，通常需要手动调用 LLM 进行提取。
- 存储性能：记录以 JSON 文件形式存储，当记录达到万级后，性能可能会受到限制。
总结¶
dsh-self-memory 是一个专注于本地化、结构化经验沉淀的工具。它通过简单的命令交互，帮助 DSH 智能体构建自己的知识库，减少重复性问题的排查成本。其开源许可证为 MIT，项目地址见 GitHub。
