前言¶
DeepSeek Harness（dsh）里，AI 能记住上下文，但一换对话、一关窗口，就回到了「白纸一张」。这对做长期对话、知识库、多轮任务的场景很不友好。dsh-hindsight-memory 在 dsh 里引入本地 Hindsight 记忆库，把每轮对话整理成可检索的事实，让 AI 在新的会话里也能「想起」之前的聊天。
插件定位¶
- 插件名：dsh-hindsight-memory
- 维护者：snakejohn
- 仓库：snakejohn/dsh-hindsight-local
- 定位：为 dsh 提供长期记忆能力，通过本地 Hindsight 服务自动整理、索引对话，并按需召回。
核心功能¶
- 长期记忆：对话写入本地 Hindsight 记忆库，关闭 dsh、重新打开对话后依然可用。
- 时间感知：每条记忆带有本地时间，支持「我早上 7 点干了啥」这类时间类问题；对东八区凌晨到早上 8 点做了专门修正。
- 自动写入，旧对话手动导入：新会话自动写入；首次安装不会自动导入历史，需在设置页选择工作区或单个对话导入（已归档对话除外）。
- 内容选择：默认只记「我说的话」和「AI 的回复」，工具调用、思考过程、系统提示、归档对话等可在设置页单独控制。
- 记忆库隔离与共享：每个工作区可绑定一个记忆库；也可让多个工作区写入同一记忆库；记忆库可起中文名。
- 归档对话不记：在 dsh 中归档的对话不会被写入。
- 一键本地部署：无需命令行，没有 Python 也能自动准备 uv 和 Python 3.12，并安装 Hindsight（默认走国内镜像）。
- 状态卡片与控制面板：左下角卡片显示记忆状态；点开可查看各记忆库数量，浏览与搜索记忆。
- 「现在就记住」按钮：手动触发当前工作区或全部对话写入，避免重复。
- 不阻塞聊天：记忆服务异常、超时或被限流时，聊天仍正常进行，仅暂时不带记忆。
工作原理¶
- 写入：每轮对话结束后，插件将这一轮（带本地时间）发送给本地 Hindsight。Hindsight 后台用 LLM 把对话整理成事实，并用 embedding 建索引。
- 召回：提问时，插件先在记忆库中检索相关记忆（支持按时间等条件），再用 reranker 排序，取最相关的若干条作为背景注入上下文。
- 省上下文：只注入少量相关记忆，不把整段历史塞进上下文。
安装与启用¶
在 dsh 左侧点击「Plugins」→ 右上角「+ Add plugin」：
方式 A：从 GitHub 安装（推荐）
把下面这行复制粘贴，点「Install」：
https://github.com/snakejohn/dsh-hindsight-local
方式 B：下载 zip，从本地文件夹安装
- 到 Releases 下载 zip 并解压。
- 把解压后文件夹的完整路径填入插件安装对话框，点「Install」。
安装完成后，在「Installed plugins」里找到 dsh-hindsight-memory，确认开关为打开状态。
三步快速上手¶
- 选择部署方式：首次设置时选择「还没有 Hindsight」，插件会在本机部署；如已有 Hindsight，选择「已经配置好了」并填地址。
- 粘贴密钥：在「② 粘贴密钥」处填入硅基流动的 API 密钥。面板会自动检查，显示「密钥可以用 ✓」后会自动获取模型，「理解文字」「排序」两个模型使用默认即可，点击「一键开始」。准备时间约 3–10 分钟。
- 确认状态：左下角卡片变为 🟢「记忆正常」即可。之后正常聊天，插件会自动记、自动回忆。
- （可选）导入历史对话：设置页会询问「要导入以前的对话吗？」，点击「去选择」可导入工作区或单个对话，会逐段整理且不会重复。
默认模型¶
| 用途 | 默认模型 | 说明 |
|---|---|---|
| 整理记忆（LLM） | 跟随 dsh 默认模型 | 可改为自定义，如硅基流动的 XingChenAGI/Xing4.0-29B 或 DeepSeek（https://api.deepseek.com）；选择「不整理」时只保存原话 |
| 理解文字（Embedding） | BAAI/bge-m3（硅基流动） |
1024 维 |
| 排序（Reranker） | BAAI/bge-reranker-v2-m3（硅基流动） |
留空时退回到纯排名融合（rrf），不调用模型 |
三者皆可在「高级设置」里分别更换服务商与模型。一个硅基流动密钥可同时用于三者。模型被限流时，内容会排队重试，不会丢失。
常用设置¶
面板设置保存在 dsh 的插件配置中；本地 Hindsight 变量同步写入插件根目录的 .env。
| 设置（面板 / 配置名） | 默认 | 作用 |
|---|---|---|
工作区 → 记忆库 bank.workspace_bank_mapping |
空（自动新建） | 每个工作区绑定一个记忆库，多工作区可指向同一库 |
共享记忆库 bank.default_bank |
空 | 填上名字后，所有工作区写入同一记忆库 |
聊天时自动回忆 recall.enabled |
开 | 关闭则不注入记忆 |
每次最多回忆几条 recall.top_n |
6 | 注入上下文的记忆条数上限 |
注入字数上限 recall.max_chars |
4000 | 记忆块的字符上限 |
自动记住对话 retain.enabled |
开 | 关闭则不写入 |
启动时补录旧对话 backfill.enabled |
关 | 默认不自动导入，可在设置页「现在就记住」手动导入 |
记住哪些内容 retain.include_* |
我说的话 + AI 的回复 | 其他内容（工具调用、思考过程、系统提示等）默认不记 |
时区 time.timezone |
跟随系统 | 用于时间解析 |
向量维度 embedding.expected_dim |
1024 | 理解文字模型的输出维度，换模型或迁移时需保持一致 |
端口 service.local.port |
8888 | 本地 Hindsight 监听端口 |
LLM 超时 service.local.llm_timeout |
300 秒 | 超时时间 |
写入分块 service.local.retain_chunk_size |
1500 字符 | 长消息切分大小 |
单次最大输出 service.local.retain_max_completion_tokens |
8000 | 必须大于分块大小 |
更多配置项与环境变量（DSH_HINDSIGHT_*）见技术说明文档。
性能实测（v0.1.1）¶
基于公开数据集 LoCoMo 的压测结果：
| 指标 | 结果 |
|---|---|
| 写入规模 | 992 轮对话 · 3 个记忆库 · 48 次写入，全部成功，0 次限流 |
| 花费 | 约 ¥2.37（按 DeepSeek 账户余额前后差计算） |
| 召回命中率 | 50 题中 94%，其中时间类问题 97.2% |
| 上下文节省 | 与把整段历史塞进上下文相比，约省 85% |
| 召回延迟 P95 | 3.3–4.9 秒（记忆量 172–341 条） |
| 长消息 | 约 1.2 万 token 的长消息 7.6 秒写完 |
常见问题¶
- 服务启动失败：面板会说明原因，多数情况点「重试」即可；若仍失败，可在状态页「检查一下」「重新启动」或「重新安装」，并导出日志求助。
- 端口 8888 被占用：可在高级设置里修改端口，或关闭占用该端口的程序（Windows 可用
netstat -ano | findstr :8888查看）。 - 卡片显示「模型被限流」或「N 段没整理好」：免费模型有频率限制，v0.1.3 起默认一次整理 1 段，失败会自动重试，也可在状态页「重试失败项」。
- 卡片显示「模型地址连不上」：确认整理记忆用的本机模型地址（如
127.0.0.1:3425）已启动，插件会暂停写入并在恢复后补录。 - 反馈问题：在状态页「导出日志」（密钥自动隐藏），再点「去提问题」将日志拖进 GitHub 问题表单。
- 写入卡在「处理中」：v0.1.1 已将长消息切分到 1500 字符、超时放宽到 300 秒，一般不再卡住。若仍卡住，可查看控制面板「没记住的」区域与
hindsight.log。 - 数据存在哪里：记忆数据库在
~/.pg0/dsh-hindsight（Linux）；Python 环境在~/.dsh-hindsight/venv；日志在~/.dsh-hindsight/logs/；进度在~/.dsh-hindsight/state；配置（含密钥）在插件根目录的.env。 - 备份、迁移、独立服务：详见使用文档「迁移和备份记忆」章节。
- 已有 Hindsight 服务：设置里选择「已经配置好了」，填地址和密码，插件只连接，不启动/停止/修改该服务。
- 卸载：在 dsh「Plugins」里关闭或移除 dsh-hindsight-memory，重启 dsh 即停止本地服务；想清数据则删除
~/.dsh-hindsight文件夹和插件目录；记忆数据库在~/.pg0，若无其他程序使用可一并删除。
适用场景与注意¶
- 适合需要长期对话记忆、多轮任务、知识沉淀的场景。
- 插件以当前 dsh 进程权限运行，安装前建议检查源码与许可证（MIT）。
- Linux 已完整实测，Windows/macOS 路径已写好但未真机验证。
- 记忆服务异常时聊天不受影响，仅暂时不带记忆。
小结¶
dsh-hindsight-memory 通过本地 Hindsight 实现对话的整理、索引与按需召回，在不阻塞聊天的前提下，让 AI 在新会话中也能「想起」之前的聊天。适合需要长期记忆、多轮对话和上下文压缩的场景。更多细节见插件目录页与 GitHub 仓库。
参考链接¶
- 插件目录页：https://www.skillhub.cn/plugins/snakejohn/dsh-hindsight-local
- GitHub：https://github.com/snakejohn/dsh-hindsight-local
