在 DeepSeek Harness 的開發流程中，智能體經常面臨上下文斷裂的問題，或者在沒有明確依據時開始猜測。KRouter 旨在解決這一問題，它通過 MCP 協議，讓 Claude Code、Codex、Cursor 和 DeepSeek Harness 共享同一個 Obsidian 文件夾作爲記憶源。這實現了基於純 Markdown 文件的記憶共享，所有決策記錄和修正歷史都存儲在本地文件中，智能體在回答問題時可以引用具體的頁面來源。
核心功能¶
KRouter 提供了一套本地化的記憶檢索機制，主要包含以下特性：
- 共享記憶庫：所有支持的智能體（Claude Code、Codex、Cursor、DeepSeek Harness）通過 MCP 共享同一個 Obsidian vault。記憶以純 Markdown 文件形式存在，你可以直接查看、編輯和同步。
- 本地全文檢索：使用本地 SQLite 進行全文索引，查詢延遲約爲 110ms，所有查詢均在本地完成。
- 拒絕猜測機制：當 vault 中沒有相關信息時，智能體會明確拒絕回答（
recall: none），而不是提供可能錯誤的鄰近片段。 - 自動蒸餾與導入：支持每晚自動蒸餾和導入會話。安裝後，會提示導入過去 7 天的會話摘要。
- 來源追蹤：每個回答都包含其來源頁面和引用收據。
- 外部導入支持：支持從
claude-mem導入記憶。
安裝與啓用¶
安裝前請確保已滿足前置依賴（見下文“注意事項”）。根據你的環境選擇安裝方式：
通過 Shell 安裝（Linux / macOS）：
curl -fsSL https://raw.githubusercontent.com/398894496-arch/KRouter/main/scripts/bootstrap.sh | sh
通過 DeepSeek Harness 插件市場安裝：
在 DSH 中執行以下命令安裝插件：
/plugin install krouter --marketplace 398894496-arch/KRouter
安裝程序會創建一個 vault（或使用現有的），並詢問是否導入歷史會話。
使用流程¶
安裝完成後，KRouter 會引導你完成初始化：
- 導入會話：安裝程序會詢問是否導入當前機器上已有的會話。如果選擇是，過去 7 天的會話將轉換爲 Markdown 頁面，每頁包含問答摘要。
- 模型提取：安裝程序會詢問模型是否已提取“已決定的內容”。如果選擇是，模型會自動在會話頁面上方總結決策內容。
- 記憶檢索：你可以向智能體提問，例如：“我們決定如何發貨？”或“上週關於 X 的決策是什麼？”。智能體會從 vault 中檢索，並回答具體內容，同時引用來源頁面。
- 修正機制：如果你改變了主意，新的回答會直接替換舊頁面，而不是與舊內容並存，避免混淆。
前置依賴與注意事項¶
- 運行環境：僅要求 Python 3。
- 生態依賴：運行 KRouter 需要配合 DeepSeek Harness、Cordis、Dsh-tools 和 Schemastery。
- 數據安全：Keys 和標記爲 secret 的內容永遠不會被髮送或引用。查詢和導入均爲本地操作。
- 更新機制：通過第三方市場安裝的插件不會自動更新，需要手動執行更新命令。
- 技術特點：不使用向量存儲，完全依賴本地文件系統和 SQLite 索引。
KRouter 爲 DeepSeek Harness 提供了一個零維護成本的“第二大腦”，讓開發過程中的決策和修正能夠被智能體持續、準確地回溯。如果你正在尋找一個基於本地文件、無需向量化且能拒絕猜測的共享記憶方案，KRouter 是一個可靠的選擇。
