前言¶
DeepSeek Harness（DSH）采用插件化架构，支持自定义扩展。在构建长期交互的智能体工作流时，如何自动沉淀会话中值得保留的内容、避免上下文丢失，是开发者面临的常见问题。dsh-motion-memory 插件通过对话跟踪与周期总结，提供了一套本地化的记忆管理解决方案。
这是什么¶
这是一个适配 DeepSeek Harness（DSH）的记忆管理插件。由 li3-feng2-jie2 维护，基于 MIT 许可证。它将会话中值得保留的内容自动沉淀为本地记忆文档，通过对话跟踪与周期总结维护一份“越用越懂你”的长期记忆，全程支持本地存储与本地模型。
核心功能¶
插件主要包含以下能力：
- 四层记忆结构：将记忆划分为当前活跃、周期、事件、原始对话四层，层层可溯源。
- 对话跟踪：每轮对话结束后自动将内容压入记忆，并包含经验教训的累积。
- 周期总结：定时将活跃或重要内容收拢压缩，防止记忆无限膨胀。
- 关键词查重分流：写入前自动查重，同一实体更新，不同实体消歧。
- 引用转跳 + 只读保护：正文链接支持溯源跳转；事件与周期记忆默认只读，可隔离污染。
- 记忆面板增强：支持关键词按智能体筛选、标签归类，以及从关键词库维护词条。
- 首轮总览注入：将用户画像、工作摘要、活跃关键词等注入必要记忆区。
- 两阶段更新：下载更新仅放入暂存区，重启后自动激活，不中断运行。
- 无模型降级：不配置模型时也能使用，支持用户消息引用累积。
安装与启用¶
插件与 DSH 是硬配对关系，安装前需确认版本兼容性。本版 v0.5.1 的精确配对是 DSH 0.2.0-rc.2。
使用以下命令安装（npm 尚未发布，当前不可用 npm 包安装）：
dsh plugin --profile <profile> add github:li3-feng2-jie2/dsh-motion-memory
安装器会自动处理 cordis.patch.yml 配置，无需手工编辑 profile。安装完成后需重启 DSH。
典型用法¶
启用记忆功能通常需要三个步骤：
- 配置模型：进入设置页「记忆管理员」，选择一个本地模型（推荐 LM Studio 或 Ollama 加载的 7B~9B 模型）。
- 开启跟踪：进入设置页「对话跟踪」，启用该功能并将间隔设为 0（即每轮触发）。
- 查看记忆：在对话页的「记忆」面板查看轮次总结、关键词及周期总结。
查看当前状态可在对话页使用命令：
memory cmd=status
适用场景与注意¶
适用场景：适合需要长期记忆、注重数据隐私与可控性的自托管 AI 工作流开发者。
注意事项：
* 版本硬配对：插件与 DSH 是硬配对关系，不同版本可能导致挂载失败，请严格按照 dsh-motion-memory v0.5.1 配对 DSH 0.2.0-rc.2 使用。
* 模型选择：建议使用本地模型，付费模型因缓存命中率低，调用成本较高。
* 包管理器限制：通过「添加插件」用包管理器安装的插件不支持就地激活，升级时请使用 DSH 插件页或 dsh plugin update 命令。
总结¶
dsh-motion-memory 提供了一套结构化的本地记忆方案，通过四层架构和自动化的跟踪总结，帮助 DSH 用户建立长期记忆。所有数据本地存储，结合本地模型使用，兼顾了灵活性与成本控制。
