dsh-wsl-vecmem：基於 Ollama 的本地向量記憶插件

在 DeepSeek Harness (DSH) 的開發中，讓智能體具備長期記憶是一個常見需求。現有的方案往往需要搭建獨立的向量數據庫服務，配置成本較高。dsh-wsl-vecmem 插件提供了一個輕量級的解決方案，利用 Ollama 本地生成 Embedding，配合 JSON 文件存儲，實現語義檢索。

這是什麼¶

這是一個用於本地語義記憶的 DSH 插件。它通過調用 Ollama 的 Embedding 模型，將短文本向量化後存儲在 ~/.dsh/vecmem/store.json 中，支持按語義相似度進行檢索。

核心功能¶

插件提供了三個核心指令：

• vecmem_status：查看 store 路徑、embed 模型以及當前存儲的條目數。
• vecmem_add：將指定的文本寫入並生成向量。
• vecmem_search：根據語義相似度檢索相關文本。

安裝與啓用¶

安裝前需要確保本地已安裝並運行 Ollama。

1. 拉取 Embedding 模型：

    ollama pull nomic-embed-text

2. 在 DSH 中安裝插件：

    dsh plugin --profile web add github:173787247/dsh-wsl-vecmem

配置¶

插件支持通過配置文件調整參數。默認情況下，數據存儲在 ~/.dsh/vecmem/store.json。

config:
  enabled: true
  storePath: ""            # 留空使用默認路徑
  ollamaBase: "http://127.0.0.1:11434"
  embedModel: "nomic-embed-text"
  timeoutMs: 60000
  maxItems: 5000

適用場景與注意¶

• 依賴關係：插件依賴本機的 Ollama 服務（可與 dsh-wsl-ollama 插件同機運行）。
• 網絡訪問：如果 Ollama 運行在 Windows 上，WSL 無法直接訪問 127.0.0.1，需要將 ollamaBase 改成可從 WSL 訪問的地址。
• 用途定位：該插件主要用於補全 Obsidian 或筆記庫，不是 vault 替代品。

總結¶

dsh-wsl-vecmem 爲 DSH 提供了無需外部依賴的本地向量記憶能力。通過簡單的命令即可管理文本存儲與檢索，適合需要在本地輕量級維護知識庫的場景。

更多細節可參考 GitHub 倉庫。