前言¶
DeepSeek Harness (DSH) 采用插件化架构，旨在将核心能力开放给社区。在构建智能体工作流时，跨会话的记忆保留是刚需。传统的方案通常依赖外置的向量数据库或记忆服务，这会引入延迟，并带来隐私风险。下面介绍 dsh-memory-layer，一个给 DSH 的「记忆层」插件，它通过本地单文件存储和触发式规则，解决了记忆的持久化与召回问题。
它是什么¶
这是一个纯本地的记忆插件，核心是一个单文件 SQLite 数据库。它不做向量检索、不做知识图谱、不做云端同步，也不做 Web UI。它的职责很单一：在 DSH 进程中维护一份本地记忆，并在特定信号触发时，把该想起的记忆拿出来。
核心功能¶
插件采用四层结构设计，确保记忆的可靠性与可控性。
存储层：本地 SQLite¶
数据存储在本地文件系统中，路径为 .dsh/biomemory/biomemory.db（WAL 模式）。主要字段包括 realm（隔离维度，user 或 project）、mtype（类型，workflow/error/decision/fact）、trigger（触发信号串）以及 text（正文）。所有删除操作采用「墓碑」机制，仅修改状态标记，不物理删除数据。
召回层：触发式驱动¶
插件不依赖模型进行自动回忆，而是根据当前会话的上下文进行确定性召回。触发信号来自当前工作目录和最近 12 次工具调用，形态为可读的字符串：
* file:<文件名>
* tool:<工具名>
* err:<错误代号>
命中后按优先级排序注入（workflow > error > decision > fact），每次注入有预算限制（最多 8 条、1200 字符）。
清理层：五条可解释规则¶
通过 /memory compact 命令执行清理，每次淘汰都会写入 compact.log：
1. 同键覆盖：新记忆覆盖旧记忆（旧条目标墓碑）。
2. Fact 过期：30 天无使用（≤1 次）→ 墓碑。
3. Workflow/Error/Decision 降权：90 天无使用 → 权重减半。
4. Error 与 Decision 永不自动删除。
5. 每条淘汰记录均包含时间、指纹、规则摘要。
适配层：工作流链¶
当同一个触发串出现超过 3 次时，相关记忆会自动升级为 workflow 类型，并按时间顺序拼成一条链。例如记录下「打开文件 -> 运行测试 -> 修改代码」的顺序。
安装与启用¶
安装前请确保已安装 Node.js >= 22.19.0。使用官方命令安装：
# 将 --profile web 替换为你实际的 profile 名
dsh plugin --profile web add github:KLRSL/dsh-memory-layer
安装完成后，DeepSeek Harness 会自动热挂载该插件。
典型用法¶
插件提供了 /memory 命令和 memory_recall 工具。
命令行交互¶
/memory list | query <词> | add <内容> | edit <fp> <新内容> | remove <fp> | undo <fp>
/memory pin <fp> | unpin <fp> | entries [词]
/memory compact [--dry-run] | dump
工具调用¶
在代码或 Prompt 中调用 memory_recall 工具进行显式召回。
写入审批¶
对于重要的记忆（如用户偏好、决定、纠正），插件支持 DSH 官方审批机制。审批服务不可用时，默认拒绝写入（fail-closed，可通过配置放宽）。
适用场景与注意¶
该插件适合需要高隐私、低延迟、可解释性记忆能力的开发者。它适合单机环境，不适合需要多机协作的场景。
需要注意：
1. 不做向量检索：相同的输入必须给出相同的触发信号，检索路径是确定性的。
2. 不做自动反思：不依赖模型进行归纳，工作流链完全基于重复触发记录。
3. 零服务依赖：数据完全本地化，无网络请求，无遥测数据。
短结尾¶
经过上面的步骤，你已经为 DeepSeek Harness 挂载了一个纯本地的记忆层。它不提供花哨的平台功能，只提供可靠的存储与触发式召回。数据就在你自己的机器上，拷走文件即可迁移。更多细节请查看 GitHub 仓库。
