在 DeepSeek Harness 的开发流程中，智能体经常面临上下文断裂的问题，或者在没有明确依据时开始猜测。KRouter 旨在解决这一问题，它通过 MCP 协议，让 Claude Code、Codex、Cursor 和 DeepSeek Harness 共享同一个 Obsidian 文件夹作为记忆源。这实现了基于纯 Markdown 文件的记忆共享，所有决策记录和修正历史都存储在本地文件中，智能体在回答问题时可以引用具体的页面来源。
核心功能¶
KRouter 提供了一套本地化的记忆检索机制，主要包含以下特性：
- 共享记忆库：所有支持的智能体（Claude Code、Codex、Cursor、DeepSeek Harness）通过 MCP 共享同一个 Obsidian vault。记忆以纯 Markdown 文件形式存在，你可以直接查看、编辑和同步。
- 本地全文检索：使用本地 SQLite 进行全文索引，查询延迟约为 110ms，所有查询均在本地完成。
- 拒绝猜测机制：当 vault 中没有相关信息时，智能体会明确拒绝回答（
recall: none），而不是提供可能错误的邻近片段。 - 自动蒸馏与导入：支持每晚自动蒸馏和导入会话。安装后，会提示导入过去 7 天的会话摘要。
- 来源追踪：每个回答都包含其来源页面和引用收据。
- 外部导入支持：支持从
claude-mem导入记忆。
安装与启用¶
安装前请确保已满足前置依赖（见下文“注意事项”）。根据你的环境选择安装方式：
通过 Shell 安装（Linux / macOS）：
curl -fsSL https://raw.githubusercontent.com/398894496-arch/KRouter/main/scripts/bootstrap.sh | sh
通过 DeepSeek Harness 插件市场安装：
在 DSH 中执行以下命令安装插件：
/plugin install krouter --marketplace 398894496-arch/KRouter
安装程序会创建一个 vault（或使用现有的），并询问是否导入历史会话。
使用流程¶
安装完成后，KRouter 会引导你完成初始化：
- 导入会话：安装程序会询问是否导入当前机器上已有的会话。如果选择是，过去 7 天的会话将转换为 Markdown 页面，每页包含问答摘要。
- 模型提取：安装程序会询问模型是否已提取“已决定的内容”。如果选择是，模型会自动在会话页面上方总结决策内容。
- 记忆检索：你可以向智能体提问，例如：“我们决定如何发货？”或“上周关于 X 的决策是什么？”。智能体会从 vault 中检索，并回答具体内容，同时引用来源页面。
- 修正机制：如果你改变了主意，新的回答会直接替换旧页面，而不是与旧内容并存，避免混淆。
前置依赖与注意事项¶
- 运行环境：仅要求 Python 3。
- 生态依赖：运行 KRouter 需要配合 DeepSeek Harness、Cordis、Dsh-tools 和 Schemastery。
- 数据安全：Keys 和标记为 secret 的内容永远不会被发送或引用。查询和导入均为本地操作。
- 更新机制：通过第三方市场安装的插件不会自动更新，需要手动执行更新命令。
- 技术特点：不使用向量存储，完全依赖本地文件系统和 SQLite 索引。
KRouter 为 DeepSeek Harness 提供了一个零维护成本的“第二大脑”，让开发过程中的决策和修正能够被智能体持续、准确地回溯。如果你正在寻找一个基于本地文件、无需向量化且能拒绝猜测的共享记忆方案，KRouter 是一个可靠的选择。
