前言¶
DeepSeek Harness (DSH) 的设计理念是「一切皆插件」。在构建复杂的工作流或智能体时，如何让 AI 持续维护知识库、避免遗忘上下文，是开发中的核心痛点。dsh-llm-wiki 旨在解决这一问题，它是一个工作区范围、本地优先的 LLM Wiki 插件。
插件介绍¶
名称：dsh-llm-wiki
维护者：wangning19940904
类别：记忆
许可：MIT
该插件通过将当前工作区的目录结构作为知识来源，构建本地持久化的索引。它不依赖外部服务，数据完全存储在本地，并基于工作区的绝对路径进行隔离。
核心功能¶
-
数据隔离与源文件
插件基于exec.agent.session.header.cwd的规范真实路径进行数据隔离。Markdown 和 TXT 文件作为唯一的数据源，插件维护的索引文件可随时删除重建。 -
混合检索
搜索引擎结合了 384 维特征哈希嵌入、PostgreSQL 全文搜索、CJK 子串回退以及[[wikilink]]图信号，并使用倒数排名融合（RRF）算法生成最终结果。 -
知识图谱
插件从 Wiki 链接和同页实体共现中确定性地构建图边，支持探索实体、关系和最多三跳的路径。 -
安全维护
插件提供基于 Agent 的维护工具。写入操作使用 SHA-256 哈希校验，防止意外覆盖，且所有维护操作均在正常会话日志中可见，没有隐藏的嵌套模型调用。
安装与启用¶
在安装前，请确保环境满足以下要求：
* Node.js ^22.19.0 或 >=24.0.0
* pnpm 11
* DeepSeek Harness 0.1.0-rc.6 或兼容版本
使用官方命令安装插件：
dsh plugin --profile headless add github:wangning19940904/dsh-llm-wiki
注意：该插件使用 TypeScript 源码，安装时依赖 prepare 脚本。如果安装报告插件构建被忽略，需要在 profile 的 pnpm-workspace.yaml 中添加：
allowBuilds:
dsh-llm-wiki: true
典型用法¶
插件提供了一组工具供 Agent 调用：
llm_wiki_search：在 Agent 回答前，先检索现有知识库。llm_wiki_import：将工作区内的相对.md、.markdown和.txt文件复制到raw/docs目录。llm_wiki_ingest：更新派生的索引，新文件或修改过的文件会附带日志记录。llm_wiki_read：读取源文件内容（限制readMaxBytes）。llm_wiki_write：将源页面写入wiki/sources、wiki/entities或wiki/concepts目录。llm_wiki_graph：探索实体、关系和路径。
适用场景与注意事项¶
该插件适合需要在本地持久化知识、且对隐私和离线行为有要求的场景。
- 局限性：当前版本无 Web UI、MCP 服务器、Trace 系统、后台模型任务、PDF/图片转换或独立 CLI。
- 文件支持：仅支持本地 UTF-8 编码的 Markdown 和文本文件。
- 向量策略：使用特征哈希而非神经嵌入模型，优先保证可预测的离线行为，而非语义质量。
总结¶
dsh-llm-wiki 通过提供一套工具链，让 Harness Agent 能够自主管理本地 Wiki。它解决了工作区级数据隔离和检索的问题，适合作为 DeepSeek Harness 开发中的记忆层组件。
