前言¶

在 DeepSeek Harness（DSH）的長會話場景中，上下文窗口限制是繞不開的問題。壓縮摘要雖然能減少 token 佔用，但經過多輪壓縮後，設計決策的理由、被否決過的方案、關鍵約束等細節往往會丟失。本插件將記憶工作前置到會話進行過程中，通過後臺持續沉澱觀察與反思，讓長會話在經過多輪壓縮後依然保持連貫。

核心功能¶

該插件在後臺維護一套記憶流水線，並在 DSH 的壓縮機制上做了特殊處理：

• 後臺記憶流水線：包含觀察器、反思器和清理器。觀察器將會話事件蒸餾爲帶時間戳和相關度的記錄；反思器提煉長期事實；清理器修剪已被反思覆蓋的觀察。整個過程由 turn/end 等事件按 token 閾值驅動。
• 壓縮即渲染：當 DSH 發起壓縮摘要調用時，插件在 llm/stream 瀑布中攔截。如果記憶非空，直接返回渲染好的記憶文本，實現零模型調用；記憶爲空時回退 DSH 原生摘要。
• 主動壓縮：支持 calibrated（固定閾值）和 ratio（上下文窗口比例）兩種模式。會話空閒且上下文達到閾值時自動觸發。
• recall 工具：模型可調用 recall(id) 恢復任意觀察或反思背後的原始會話證據。
• 記憶選項卡：對話視圖環新增「記憶」頁，實時展示記憶清單、worker 進度、內容與調試日誌。
• 回退按鈕：每條用戶消息下方新增按鈕，支持一鍵分叉會話並將原文放回輸入框。

安裝與啓用¶

安裝前請確保 DSH 版本符合要求。該插件僅支持 DeepSeek Harness 預發佈線（0.1.5-rc.2, 0.1.7-rc.1, 0.2.0-rc.1）。

通過 DSH CLI 安裝：

dsh plugin --profile web add dsh-observational-memory

安裝完成後，重啓 DSH Web 服務。在 Web 界面中，進入 設置 → 插件 → 插件配置，找到 Observational Memory 卡片即可進行配置。

配置¶

配置項位於 observational-memory 命名空間下。核心參數如下：

• 閾值控制：
  • observeAfterTokens: 觸發觀察器的增量 token 數（默認 10000）。
  • reflectAfterTokens: 觸發反思器的增量 token 數（默認 20000）。
  • compactAfterTokensMode: 閾值模式選擇（calibrated 或 ratio）。
  • compactAfterTokensRatio: 比例模式下的閾值（默認 0.68）。
• 模型覆蓋：
  • model: 可選覆蓋記憶 worker 使用的模型。設置卡片中支持按提供商、模型 ID、推理強度三級選擇。全部留空則跟隨會話當前模型。
• 其他設置：
  • passive: 被動模式開關。設爲 true 時關閉主動後臺觸發（僅保留手動觸發和 recall 功能）。
  • debugLog: 是否記錄調試日誌。

使用¶

• 查看記憶：在對話視圖環中點擊「記憶」選項卡，可以查看當前可見記憶、完整記錄以及 worker 的運行進度。
• recall 工具：模型在壓縮後的記憶中看到記憶 id 後，可調用 recall(id) 獲取帶時間戳的原始會話證據。
• 回退操作：點擊用戶消息下方的「回退」按鈕，會在該消息之前的最近輪次邊界處分叉出一個新會話，並將該消息的原文放回輸入框，方便修改後重新發送。

適用場景與注意¶

• 版本限制：僅支持 DSH 預發佈線（0.1.5-rc.2, 0.1.7-rc.1, 0.2.0-rc.1），正式版暫不支持。
• 子代理：子代理會話不參與記憶與主動壓縮。
• Headless 模式：記憶選項卡依賴 Typert Remote 端點，在無 API Gateway 的 Headless 運行中不可用，但其餘功能正常。
• 回退按鈕限制：在首輪消息、純附件消息或無文本消息時，回退按鈕保持禁用。
• Token 估算：所有 token 計數爲估算值（約 4 字符/token）。

結語¶

該插件通過後臺流水線和零模型調用的壓縮渲染，解決了長會話上下文丟失的問題。你可以通過 GitHub 倉庫 epcn-fla/dsh-observational-memory 獲取源碼與更多細節。