dsh-error-improvement：将用户确认的经验转化为持久化智能体记忆

前言¶

在 DeepSeek Harness (DSH) 的开发中，避免智能体重复犯错并复用成功的经验是提升鲁棒性的关键。传统的记忆机制往往依赖外部服务或缺乏明确的确认流程。dsh-error-improvement 插件直接解决了这一痛点：它将智能体运行中产生的结果转化为持久化记忆，要求用户确认后才生效，从而将“错误”转化为预防规则，将“验证过的修复”转化为配方，并最终将经过实战检验的条目升格为独立技能。

插件定位¶

这是一个 DeepSeek Harness 插件（所有者：wbushihenshuai-design）。它是一个独立于 EverOS、内存服务、数据库、浏览器和网络 API 的纯文件存储系统。所有持久化状态都保存在 $DSH_HOME/error-improvement/ 目录下的纯 Markdown 文件中。插件采用“安全协议”，只有当 confirmed: true 时才注入记忆，确保智能体不会静默写入未经授权的输出。

核心功能¶

下面介绍插件的核心工作流程和机制。

1. 捕获与确认¶

• 零 LLM 捕获：插件监听工具执行结果，将错误和结果直接队列化到 candidates.jsonl，不经过 LLM 队列。
• 受控蒸馏：当队列达到 capture.minQueueSize 且间隔满足 capture.minIntervalMs 时，LLM 被激活用于生成草稿，草稿存放在 drafts/ 目录。
• 用户确认：草稿不会静默写入记忆。它们首先出现在 Settings → 错误改进 → 待确认草稿 中。用户可以批准或拒绝。
• 例外工具：智能体可以通过调用 improve_record_recipe 工具来持久化一个已经验证过的解决方案，这属于例外情况。

2. 注入与记忆¶

• 三种模式：
  • assist（默认）：注入与当前上下文相关的经验作为建议。
  • strict：注入所有已确认的经验作为规则。
  • off：仅捕获，不注入。
• 渲染规则：注入的文本经过控制字符清理和角色标签编码（转义 < 和 >），并以原子方式渲染（整个块若超出字符预算则完全省略，不截断）。
• 来源标识：注入的内容使用插件来源（form: instructions），并包含递归保护（<SUBAGENT-STOP>）。

3. 错误预防（强制规则）¶

• 重复错误检测：插件监听 tools/post-execute，统计相同的失败模式（工具名+归一化错误签名）。
• 升格为规则：当失败次数超过 enforcement.threshold（默认 3）时，该错误被提升为运行时规则。
• 拦截机制：在 tools/pre-execute 阶段拦截匹配的调用：
  • warn（默认）：在冷却期内拦截，显示原因并允许重试。
  • deny：直接阻断调用。
• 失败开放：每个钩子和文件/LLM 操作都设计为“失败开放”，插件错误不会阻塞工具管线或智能体循环。

4. 配方与技能升格¶

• 配方：通过 improve_record_recipe 工具保存的验证解会进入 recipes.md，与经验共享相关性引擎。
• 技能升格：获得 hit（命中次数）的条目会成熟。达到 graduation.minHits（默认 3）的条目会被提议为技能。批准后，它们会作为 $DSH_HOME/skills/<slug>/SKILL.md 文件写入磁盘。

安装与启用¶

插件目标版本为 DSH 2.0.15+（需要 Node 22.19+ 或 24+）。它通过 profile 的配置文件启用，而非传统的 npm 安装命令（事实中未提供具体安装命令，需通过目录或包管理器部署后配置）。

配置文件位于 ~/.dsh/profiles/<profile>/cordis.patch.yml。通过声明 Schemastery schema 来启用插件。

典型用法¶

• 查看草稿：进入 Settings → 错误改进 → 待确认草稿，查看并处理待确认的条目。
• 工具操作：在智能体会话中调用 improve_review_drafts 工具来列出和操作草稿。
• 记录配方：在解决问题后，调用 improve_record_recipe 工具将解决方案持久化为配方。
• 候选队列：结果会自动转化为 candidates.jsonl 中的条目。

适用场景与注意¶

• 适用场景：需要长期记忆、防止智能体重复犯错、希望将验证过的流程固化为技能的场景。
• 注意：
  • 权限：插件以当前 DSH 进程权限运行，安装前应检查源码和许可证。
  • 数据迁移：旧版本（0.2.x）的设置不会自动迁移到新的 cordis.patch.yml，需要手动配置。
  • 数据存储：所有数据存储在本地文件系统，不依赖 EverOS 或其他服务。
  • 清理：存储的文本会进行控制字符清理，文件写入采用原子操作（先写临时文件再重命名）。

总结¶

dsh-error-improvement 提供了一套从“错误捕获”到“用户确认”，再到“注入预防”和“技能升格”的完整闭环。它通过强制确认机制保证了记忆的质量，通过文件存储保证了独立性，适合追求高可靠性、可复用性的 DSH 智能体开发。

GitHub 仓库