前言¶

在 DeepSeek Harness（DSH）中構建智能體時，上下文窗口有限且狀態難以持久化是常見痛點。每次開啓新會話都需要重新解釋背景，或者依賴外部服務存儲敏感數據，都不符合本地化開發的需求。DSH 的插件機制允許擴展核心能力，而 dsh-flymemory 便是解決這一問題的方案。

簡介¶

dsh-flymemory 是一個 DSH Bundle 插件。它在本地運行一個 FlyMemory MCP 服務，將 15 個記憶工具和兩個自動鉤子接入 DSH。數據存儲在本地文件系統中，服務監聽 127.0.0.1:8791，不涉及遠程網絡傳輸。

核心功能¶

插件通過前綴 mcp__flymemory__ 向模型提供工具，並運行兩個鉤子腳本實現自動化記憶管理。

記憶工具¶

提供 15 個工具用於記憶的增刪改查：

• 存儲與檢索：flymemory_remember 用於存儲決策或發現，支持按 compartment 分組；flymemory_recall 用於搜索，融合了密集向量檢索和關鍵詞匹配；flymemory_auto 是鉤子調用的核心，一次完成“檢索”與“存儲”。
• 狀態管理：flymemory_state_lookup 和 flymemory_state_history 追蹤特定鍵的當前值或歷史記錄，適合管理“當前值 X”這類狀態。
• 衝突與清理：flymemory_find_conflicts 查找矛盾條目，flymemory_forget 和 flymemory_cleanup 負責刪除條目或清理過期數據。
• 會話輔助：flymemory_session_pack 打包近期活動摘要，flymemory_stats 輸出統計信息。
• 其他：flymemory_supersede 標記舊條目被新條目替代，flymemory_consolidate 合併多條記錄。

自動鉤子¶

兩個鉤子腳本在 DSH 事件中自動觸發：
- 捕獲：在每次對話後執行，將當前提示寫入記憶。
- 回憶：在每次對話前執行，檢索並追加相關記憶到上下文。
鉤子腳本在服務不可用時靜默降級，不會阻塞對話。

本地監督引擎¶

引擎基於 Python，依賴 torch 和 sentence-transformers。首次運行需下載多語言嵌入模型（約 470 MB）。下載完成後支持離線工作。

安裝與啓用¶

前置依賴：
- Node.js 20+
- Python 3.10+
- Python 依賴：torch, sentence-transformers, “mcp>=1.30,<2”, numpy

安裝命令：

plugin_manager(action: "install_bundle", target: "/absolute/path/to/dsh-flymemory")

安裝後，檢查服務狀態：

node bin/flymemory.mjs status
node bin/flymemory.mjs doctor

數據與配置¶

數據存儲¶

記憶數據存儲在 $DSH_HOME/flymemory-data/flymemory_v3.pkl。環境變量 FLYMEMORY_DATA_DIR 可修改此目錄。

服務配置¶

服務默認監聽 127.0.0.1:8791。可通過 FLYMEMORY_MCP_PORT 和 FLYMEMORY_MCP_URL 調整。

冷啓動¶

由於需要加載 PyTorch 模型，首次啓動和冷啓動耗時較長，通常在 15-20 秒左右。

注意事項¶

• 插件以當前 DSH 進程的權限運行，安裝前建議檢查源碼與許可證（MIT）。
• 憑證類文本（如 gh token）不會被存儲。
• 移除插件時，數據文件不會自動刪除，需手動處理。