前言¶

DeepSeek Harness（DSH）智能体在跨会话使用时，往往缺乏对历史经验的复用，导致重复解决相同的问题。dsh-self-memory 插件通过自动记录会话轨迹与解决方案，提供离线检索与闭环回写能力，帮助智能体在后续对话中直接利用历史经验。

前提¶

使用该插件前，需满足以下环境要求：
- Node.js 版本 >=22
- DSH 版本 @deepseek-ai/dsh 0.1.x

安装与启用¶

通过本地目录安装插件，支持热挂载。

dsh plugin --profile web add <本目录>

安装后，通过以下命令验证插件状态：

selfmem_status

返回内容应包含 plugin=v0.3.0 等信息。代码更新后，可使用 dev_reload_package dsh-self-memory 或重启 DSH 完成装配。

核心能力¶

该插件主要解决以下五个问题：

1. 多关键词关联度：通过权重化的关键词匹配，提升检索相关性。
2. 隐去细节增强泛化：记录时自动生成 abstractProblem，检索时同时匹配原始文本与泛化文本。
3. 大量案例快速检索：使用倒排索引进行候选集筛选，支持大规模记录。
4. 前提不同结果矛盾：记录级 preconditions 与方案级 appliesTo、conflictsWith，支持按前提过滤与冲突标注。
5. 关键词规范统一：内置同义词表，检索与存储使用统一的规范化路径。

使用方法¶

插件通过一系列工具命令完成记忆的闭环管理。

自动注入与日常闭环¶

插件默认开启自动采集与自动注入。每次用户消息发送后，系统会自动检索历史方案，并通过 <selfmem_memory> 围栏注入上下文。智能体在解决新问题时，应遵循“先查记录 → 有就试 → 成功/失败记根因 → 无则自研 → 最后回写”的流程。

命令工具¶

• selfmem_status：查看插件状态与规模统计。
• selfmem_search：检索既有方案，支持 context 前提过滤。
• selfmem_record：记录/追加方案，支持多方案、前提、关键词权重。
• selfmem_hit / selfmem_fail：标记方案成功或失败，并记录根因。
• selfmem_import：外部导入解决方法。
• selfmem_trace：查看自动采集的会话轨迹。

使用示例¶

记录一个带前提的方案：

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"}}

前提感知检索示例：

selfmem_search {"query":"如何识图","context":{"model_vision":"no"}}

配置¶

可通过覆盖 profile 的 cordis.patch.yml 调整插件行为。

配置示例：

- insert:
    - id: self-memory
      name: dsh-self-memory
      config:
        autoRecall: true
        recallBudget: 800
        captureEnabled: true

注意事项¶

• 零运行时依赖：插件纯本地运行，不依赖外部服务，支持离线使用。
• 检索机制：当前检索基于关键词、泛化文本与倒排索引，暂不支持向量语义检索。
• 记录提炼：会话轨迹自动采集，但不会自动提炼为记录，需手动调用工具回写。
• 前提定义：同一问题多方案仍需在记录时手动指定 appliesTo 以区分。
• 存储限制：当前为单文件 JSON 存储，记录量达万级后需考虑迁移至 SQLite。

结尾¶

dsh-self-memory 通过结构化记录与闭环回写，为 DSH 智能体提供了基础的跨会话记忆能力。更多细节可参考项目文档：

• 项目目录
• GitHub 仓库