前言¶
在 DeepSeek Harness (DSH) 的插件生态中，大多数内存插件侧重于存储对话或文档，回答“说了什么”。当需要回答“发生了什么”以及“为什么”时，这类通用内存难以直接提供支持。dsh-plugin-asmemory 作为一个 Action-State Memory Engine，旨在为 Agent 提供类型化时间序列记忆，支持趋势、异常和因果分析。
核心功能¶
该插件提供以下核心能力：
* 事件记录：区分“状态”（State，如资源指标）和“动作”（Action，如操作行为）的 typed events。
* 数据分析：支持趋势分析、异常检测（基于 z-score）和因果分析。
* 数据导出：支持将分析结果导出到 DataLens。
* MCP 工具：提供 7 个标准 MCP 工具以供调用。
安装与启用¶
安装过程分为两步：先安装插件包，再在 DSH 中启用。
- 安装插件命令
使用 pip 安装当前目录下的插件：
pip install .
如果不想安装命令行工具，也可以通过环境变量 `ASMEMORY_MCP_PATH` 指定可执行文件的绝对路径。
- 启动 DSH
使用--patch参数加载配置文件cordis.yml来注册插件：
dsh web --patch "$PWD/cordis.yml"
配置文件通常位于插件的根目录。一旦发布，也可以通过 `dsh plugin add dsh-plugin-asmemory` 进行安装。
- 技术细节
- 依赖：仅使用 Python 3.10+ 标准库。
- 持久化：默认数据库路径为
~/.asmemory/memory.db，可通过ASMEMORY_DB_PATH覆盖。
典型用法¶
插件提供了 Python 示例，展示了 Agent 自我跟踪和工业监控的场景。
- Agent 自我跟踪
记录 Agent 的自身动作和资源状态，分析动作对指标的影响。运行以下命令查看演示：
python3 examples/demo_agent_self_tracking.py
- 工业监控与 DataLens 导出
在工业场景中，记录过程变量和控制动作，并导出数据用于可视化分析。
MCP 工具列表¶
插件通过 MCP 协议暴露了 7 个工具，调用时需加上前缀 mcp__asmemory__：
memory_store_state：记录状态事件。memory_store_action：记录动作事件。memory_trend：获取指标的走势方向和斜率。memory_anomaly：使用 z-score 检测异常值。memory_causal：计算动作前后的指标均值变化。memory_summary：查看记忆库统计信息。memory_export_datalens：导出 CSV 和配置文件给 DataLens。
注意事项¶
- 该插件由 Xplore-LAB 维护，许可证为 MIT。
- 数据库文件默认存储在用户目录下，确保有读写权限。
- 使用前请确认已安装 Python 3.10 或更高版本。
总结¶
dsh-plugin-asmemory 为 DSH 中的智能体提供了物理世界和操作世界的记忆层。通过类型化的事件记录和因果分析，Agent 可以更准确地理解自身行为和环境变化，而不仅仅是依赖文本对话。
