前言¶
在 DeepSeek Harness（DSH）的长会话场景中，上下文窗口限制是绕不开的问题。压缩摘要虽然能减少 token 占用，但经过多轮压缩后，设计决策的理由、被否决过的方案、关键约束等细节往往会丢失。本插件将记忆工作前置到会话进行过程中，通过后台持续沉淀观察与反思，让长会话在经过多轮压缩后依然保持连贯。
核心功能¶
该插件在后台维护一套记忆流水线，并在 DSH 的压缩机制上做了特殊处理：
- 后台记忆流水线：包含观察器、反思器和清理器。观察器将会话事件蒸馏为带时间戳和相关度的记录；反思器提炼长期事实；清理器修剪已被反思覆盖的观察。整个过程由
turn/end等事件按 token 阈值驱动。 - 压缩即渲染：当 DSH 发起压缩摘要调用时，插件在
llm/stream瀑布中拦截。如果记忆非空，直接返回渲染好的记忆文本，实现零模型调用；记忆为空时回退 DSH 原生摘要。 - 主动压缩：支持
calibrated（固定阈值）和ratio（上下文窗口比例）两种模式。会话空闲且上下文达到阈值时自动触发。 - recall 工具：模型可调用
recall(id)恢复任意观察或反思背后的原始会话证据。 - 记忆选项卡：对话视图环新增「记忆」页，实时展示记忆清单、worker 进度、内容与调试日志。
- 回退按钮：每条用户消息下方新增按钮，支持一键分叉会话并将原文放回输入框。
安装与启用¶
安装前请确保 DSH 版本符合要求。该插件仅支持 DeepSeek Harness 预发布线（0.1.5-rc.2, 0.1.7-rc.1, 0.2.0-rc.1）。
通过 DSH CLI 安装：
dsh plugin --profile web add dsh-observational-memory
安装完成后，重启 DSH Web 服务。在 Web 界面中，进入 设置 → 插件 → 插件配置，找到 Observational Memory 卡片即可进行配置。
配置¶
配置项位于 observational-memory 命名空间下。核心参数如下：
- 阈值控制：
observeAfterTokens: 触发观察器的增量 token 数（默认 10000）。reflectAfterTokens: 触发反思器的增量 token 数（默认 20000）。compactAfterTokensMode: 阈值模式选择（calibrated或ratio）。compactAfterTokensRatio: 比例模式下的阈值（默认 0.68）。
- 模型覆盖：
model: 可选覆盖记忆 worker 使用的模型。设置卡片中支持按提供商、模型 ID、推理强度三级选择。全部留空则跟随会话当前模型。
- 其他设置：
passive: 被动模式开关。设为true时关闭主动后台触发（仅保留手动触发和 recall 功能）。debugLog: 是否记录调试日志。
使用¶
- 查看记忆：在对话视图环中点击「记忆」选项卡，可以查看当前可见记忆、完整记录以及 worker 的运行进度。
- recall 工具：模型在压缩后的记忆中看到记忆 id 后，可调用
recall(id)获取带时间戳的原始会话证据。 - 回退操作：点击用户消息下方的「回退」按钮，会在该消息之前的最近轮次边界处分叉出一个新会话，并将该消息的原文放回输入框，方便修改后重新发送。
适用场景与注意¶
- 版本限制：仅支持 DSH 预发布线（0.1.5-rc.2, 0.1.7-rc.1, 0.2.0-rc.1），正式版暂不支持。
- 子代理：子代理会话不参与记忆与主动压缩。
- Headless 模式：记忆选项卡依赖 Typert Remote 端点，在无 API Gateway 的 Headless 运行中不可用，但其余功能正常。
- 回退按钮限制：在首轮消息、纯附件消息或无文本消息时，回退按钮保持禁用。
- Token 估算：所有 token 计数为估算值（约 4 字符/token）。
结语¶
该插件通过后台流水线和零模型调用的压缩渲染，解决了长会话上下文丢失的问题。你可以通过 GitHub 仓库 epcn-fla/dsh-observational-memory 获取源码与更多细节。
