前言¶
在 DeepSeek Harness（DSH）里给智能体接长期记忆，常见做法是依赖记忆插件把对话沉淀成结构化条目，再用关键词去搜。条目多了以后，「记过」和「想得起来」往往不是一回事：你换种说法提问，BM25 可能对不上字；摘要折叠之后，当初的原话也翻不回来。
dsh-memory-semantic 是社区维护者 Jackbessaliuz 发布的 DSH「记忆」类插件（GitHub 约 3 stars）。它不改写上游记忆库，只在本机为 meow-memory 已有的数据建索引，补上语义检索、记忆图谱和对话轮次原文召回。下面介绍它的定位、能力与安装方式。
这是什么¶
一句话：meow-memory 负责「记住」，dsh-memory-semantic 负责「想起来」。
| 角色 | 插件 | 职责 |
|---|---|---|
| 存 | meow-memory | 写入、分层、整理（dream）；知识层条目如 soul / user / rules / fact / lesson / topic / project |
| 找与递 | dsh-memory-semantic | 只读同一套记忆库；本地向量索引 + 自有轮次库；检索与自动注入 |
本插件不含任何记忆写入能力，始终以只读方式打开 meow-memory 的 <工作区>/.dsh-meow/memory.db：不建表、不写行、不改 schema。自有数据写在 <工作区>/.dsh-semantic/（含轮次库 turns.db 等）。卸载本插件后，meow-memory 的数据与行为不受影响。
图谱相关的轮次记忆数据模型、召回算法与 surface-takeover range 语义移植自 graph-memory（MIT），能力叠在同一份 meow-memory 之上，而不是并行维护第二套记忆库。
当前 npm 包版本为 1.1.0（MIT 许可证），要求 Node >= 20.11，peer 依赖 @deepseek-ai/cordis ^4.0.1。
解决什么问题¶
在同一份记忆库上，针对关键词检索的三个典型短板做增强，且不改变 meow-memory 本身：
- 换说法就搜不到——例如记忆里是「thresholdRatio 调低」，你问「上下文太满」，字面不匹配时命中为零。
- 不知道哪条更重要——条目多了，枢纽与细枝末节靠人工翻不动。
- 摘要之后细节丢失——长对话被压缩后，需要逐字原话时无法回溯。
README 中在同一套 1283 轮对话库与 64 条人工改写查询上的对比（换词、同义、刻意避开原文独特词）：仅 BM25 的 Recall@1 为 46.9%，仅向量语义为 32.8%，BM25 与向量 RRF 融合为 54.7%；「彻底找不到」从 23/64 降到 20/64。语义单路并不总是强于关键词，融合的意义在于少漏、互补。
核心功能¶
三个工具¶
| 工具 | 作用 |
|---|---|
memory_semantic |
语义检索记忆：本地向量 + BM25，RRF 融合后返回最相关条目 |
memory_graph |
记忆图谱：全局重要性（加权 PageRank）、知识域（社区）、相似邻居 |
recall_turns |
按问题找回更早对话中的逐字问答（轮次原文层） |
首次调用 memory_semantic 时会对现有记忆全量嵌入建向量索引（几百条规模 README 称通常几十秒内完成），之后增量补嵌。
自动接线（可配置关闭）¶
- 跨会话接力：新会话开场说「继续」时，接上上一会话尾部上下文。
- 动作触发注入：改配置、动数据等动作命中时，检索相关红线与教训并附到下一次请求。
- 召回注入：每轮按当前问题从轮次原文中找片段，插在当前提问之前（标注为历史参考）；同一条记忆在同一会话内注入去重。
- 首轮长期记忆注入：会话开头递 soul / user / 全局规则等（与 meow-memory 协同）。
轮次层（书架 B）：每聊完一轮，后台登记、模型抽取摘要与三元组、写入 turns.db 并算向量；队列与水位落库，宿主重启后可从会话日志续抽。抽取默认使用温和档（low），与你会话档位独立。
设置页¶
安装后在 DSH 设置中会出现「语义记忆」页：向量引擎是否可用、索引条数、轮次库与图谱规模、检索与图谱参数、宿主压缩档位建议等。Ollama 自动拉起可在该页切换，即时写入 ~/.dsh/dsh-memory-semantic.runtime.json，不修改宿主配置。
Ollama 与降级¶
- 已安装并可用 Ollama：向量 + BM25 融合，语义泛化更好（关键词含 bge-m3、ollama 等）。
- 未安装或未启动：自动降级为纯 BM25，不报错阻塞；
autoStart: true时后台尝试拉起 Ollama，不阻塞当前对话。
不想自动抽取时可设 turns.live.enabled: false；不想自动注入时可设 turns.recallShadow.inject: false（工具与已入库轮次仍可用）。
安装与启用¶
DSH 生态里插件通过 profile 管理；社区目录页见 SkillHub 插件条目（独立站点，与 DeepSeek / 幻方无官方从属关系）。
先安装并启用 meow-memory，再装本插件；只装其一都无法形成完整「存 + 找」链路。
命令行（CLI / 网页端 profile）安装，命令以 README 为准：
dsh plugin --profile <profile-name> add github:Jackbessaliuz/dsh-memory-semantic
dsh plugin 会把参数透传给 profile 内的 pnpm，add / remove / update 同理。安装前请自行查看 GitHub 仓库 源码与 MIT 许可证；插件以当前 DSH 进程权限运行，与本机文件、可选 Ollama 及抽取用模型调用相关，请按自己的安全策略评估。
典型用法¶
- 确认工作区里 meow-memory 已有记忆数据，且本插件已完成安装。
- 在对话中让模型按需调用工具，例如用自然语言描述意图后使用
memory_semantic做换说法检索，用memory_graph看关联与重点，用recall_turns翻历史原话。 - 打开 DSH「语义记忆」设置页，确认向量引擎与索引条数；若无 Ollama，接受 BM25 降级或按需开启自动拉起。
- 若需控制 token：关闭
turns.live.enabled或turns.recallShadow.inject；README 给出 150 轮样本量级下抽取与召回注入的 token 量级参考。
「装一个能用，装两个才好用」：只有 meow-memory 时记忆在，但换说法不易命中；只有本插件时记忆库为空，检索无源。
适用场景与注意¶
适合：已在使用 meow-memory、希望在本机、少依赖外部 embedding API 的前提下，增强语义找回、图谱视角和长对话原文回溯的 DSH 用户。
注意：
- 必须与 meow-memory 组合；本插件是读层，不是完整记忆系统的替代品。
- 向量索引应建在用户原文语义上；README 强调建在抽取摘要上会导致语义 Recall 大幅下降（同库实测 6.3% vs 原文 32.8%）。
- 删除
<工作区>/.dsh-semantic/可让本插件索引与轮次数据从零开始，不影响 meow-memory。 - 与
dsh-engram、dsh-memoria等完整记忆方案不冲突；本项目专注在既有「存」之上的检索与召回。
结尾¶
dsh-memory-semantic 在不动 meow-memory 写入面的前提下，用本地融合检索、图谱和轮次库，把「记过的」往「想得起来的」推了一步。目录与文档：
