前言¶
在 DeepSeek Harness (DSH) 的插件生態中，大多數內存插件側重於存儲對話或文檔，回答“說了什麼”。當需要回答“發生了什麼”以及“爲什麼”時，這類通用內存難以直接提供支持。dsh-plugin-asmemory 作爲一個 Action-State Memory Engine，旨在爲 Agent 提供類型化時間序列記憶，支持趨勢、異常和因果分析。
核心功能¶
該插件提供以下核心能力：
* 事件記錄：區分“狀態”（State，如資源指標）和“動作”（Action，如操作行爲）的 typed events。
* 數據分析：支持趨勢分析、異常檢測（基於 z-score）和因果分析。
* 數據導出：支持將分析結果導出到 DataLens。
* MCP 工具：提供 7 個標準 MCP 工具以供調用。
安裝與啓用¶
安裝過程分爲兩步：先安裝插件包，再在 DSH 中啓用。
- 安裝插件命令
使用 pip 安裝當前目錄下的插件：
pip install .
如果不想安裝命令行工具，也可以通過環境變量 `ASMEMORY_MCP_PATH` 指定可執行文件的絕對路徑。
- 啓動 DSH
使用--patch參數加載配置文件cordis.yml來註冊插件：
dsh web --patch "$PWD/cordis.yml"
配置文件通常位於插件的根目錄。一旦發佈，也可以通過 `dsh plugin add dsh-plugin-asmemory` 進行安裝。
- 技術細節
- 依賴：僅使用 Python 3.10+ 標準庫。
- 持久化：默認數據庫路徑爲
~/.asmemory/memory.db，可通過ASMEMORY_DB_PATH覆蓋。
典型用法¶
插件提供了 Python 示例，展示了 Agent 自我跟蹤和工業監控的場景。
- Agent 自我跟蹤
記錄 Agent 的自身動作和資源狀態，分析動作對指標的影響。運行以下命令查看演示：
python3 examples/demo_agent_self_tracking.py
- 工業監控與 DataLens 導出
在工業場景中，記錄過程變量和控制動作，並導出數據用於可視化分析。
MCP 工具列表¶
插件通過 MCP 協議暴露了 7 個工具，調用時需加上前綴 mcp__asmemory__：
memory_store_state：記錄狀態事件。memory_store_action：記錄動作事件。memory_trend：獲取指標的走勢方向和斜率。memory_anomaly：使用 z-score 檢測異常值。memory_causal：計算動作前後的指標均值變化。memory_summary：查看記憶庫統計信息。memory_export_datalens：導出 CSV 和配置文件給 DataLens。
注意事項¶
- 該插件由 Xplore-LAB 維護，許可證爲 MIT。
- 數據庫文件默認存儲在用戶目錄下，確保有讀寫權限。
- 使用前請確認已安裝 Python 3.10 或更高版本。
總結¶
dsh-plugin-asmemory 爲 DSH 中的智能體提供了物理世界和操作世界的記憶層。通過類型化的事件記錄和因果分析，Agent 可以更準確地理解自身行爲和環境變化，而不僅僅是依賴文本對話。
