前言¶

DeepSeek Harness（DSH）智能體在跨會話使用時，往往缺乏對歷史經驗的複用，導致重複解決相同的問題。dsh-self-memory 插件通過自動記錄會話軌跡與解決方案，提供離線檢索與閉環回寫能力，幫助智能體在後續對話中直接利用歷史經驗。

前提¶

使用該插件前，需滿足以下環境要求：
- Node.js 版本 >=22
- DSH 版本 @deepseek-ai/dsh 0.1.x

安裝與啓用¶

通過本地目錄安裝插件，支持熱掛載。

dsh plugin --profile web add <本目錄>

安裝後，通過以下命令驗證插件狀態：

selfmem_status

返回內容應包含 plugin=v0.3.0 等信息。代碼更新後，可使用 dev_reload_package dsh-self-memory 或重啓 DSH 完成裝配。

核心能力¶

該插件主要解決以下五個問題：

1. 多關鍵詞關聯度：通過權重化的關鍵詞匹配，提升檢索相關性。
2. 隱去細節增強泛化：記錄時自動生成 abstractProblem，檢索時同時匹配原始文本與泛化文本。
3. 大量案例快速檢索：使用倒排索引進行候選集篩選，支持大規模記錄。
4. 前提不同結果矛盾：記錄級 preconditions 與方案級 appliesTo、conflictsWith，支持按前提過濾與衝突標註。
5. 關鍵詞規範統一：內置同義詞表，檢索與存儲使用統一的規範化路徑。

使用方法¶

插件通過一系列工具命令完成記憶的閉環管理。

自動注入與日常閉環¶

插件默認開啓自動採集與自動注入。每次用戶消息發送後，系統會自動檢索歷史方案，並通過 <selfmem_memory> 圍欄注入上下文。智能體在解決新問題時，應遵循“先查記錄 → 有就試 → 成功/失敗記根因 → 無則自研 → 最後回寫”的流程。

命令工具¶

• selfmem_status：查看插件狀態與規模統計。
• selfmem_search：檢索既有方案，支持 context 前提過濾。
• selfmem_record：記錄/追加方案，支持多方案、前提、關鍵詞權重。
• selfmem_hit / selfmem_fail：標記方案成功或失敗，並記錄根因。
• selfmem_import：外部導入解決方法。
• selfmem_trace：查看自動採集的會話軌跡。

使用示例¶

記錄一個帶前提的方案：

selfmem_record {"problem":"斷網時如何安裝插件","solution":"解壓本地包 → dsh plugin add <目錄> → pnpm install → dev_install_package 熱掛載","keywords":{"plugin":1,"network":0.6},"appliesTo":{"network":"no"}}

前提感知檢索示例：

selfmem_search {"query":"如何識圖","context":{"model_vision":"no"}}

配置¶

可通過覆蓋 profile 的 cordis.patch.yml 調整插件行爲。

配置示例：

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

注意事項¶

• 零運行時依賴：插件純本地運行，不依賴外部服務，支持離線使用。
• 檢索機制：當前檢索基於關鍵詞、泛化文本與倒排索引，暫不支持向量語義檢索。
• 記錄提煉：會話軌跡自動採集，但不會自動提煉爲記錄，需手動調用工具回寫。
• 前提定義：同一問題多方案仍需在記錄時手動指定 appliesTo 以區分。
• 存儲限制：當前爲單文件 JSON 存儲，記錄量達萬級後需考慮遷移至 SQLite。

結尾¶

dsh-self-memory 通過結構化記錄與閉環回寫，爲 DSH 智能體提供了基礎的跨會話記憶能力。更多細節可參考項目文檔：

• 項目目錄
• GitHub 倉庫