前言¶
用 DSH（DeepSeek Harness）做长周期开发时，常见的问题是记忆断层：昨天排掉的报错，今天开新窗口要重新踩一遍；刚定下的架构约束，一次上下文压缩（Compaction）后很难找回；同一个项目在 Codex、Antigravity 和 DSH 之间来回切换，经验无法接力。另一种做法是把原始聊天记录回填到 Prompt，但长记录会增加输入成本，过期内容也会挤占当前任务的上下文。
下面介绍的 agents-learning 针对的是这个位置。它由 swenbo1-web 维护，自称本地受治记忆引擎（Governed Memory Engine），把排障过程、架构约束、工具结果与代码改动沉淀为可溯源、可纠错、按需展开的工程资产，并让 Codex、Antigravity 与 DSH 共用同一份本地 SQLite 知识库。许可证为 MIT，运行时依赖 Python 3.10+。
需要说明的是，DSH 的理念是「一切皆插件」，本文引用的社区目录 SkillHub 是独立站点，与 DeepSeek / 幻方没有官方从属关系。
基本事实¶
先把可以核对的基本信息列出来，避免后面的能力描述被当成承诺。
| 项目 | 内容 |
|---|---|
| 仓库 | https://github.com/swenbo1-web/agents-learning |
| 目录页 | https://www.skillhub.cn/plugins/swenbo1-web/agents-learning |
| 维护者 | swenbo1-web |
| 分类 | 记忆 |
| 插件名 / 包名 | agent-learning（插件名与 CLI 名），agent_learning（Python 包） |
| 版本 | 最新正式版 v1.4.40；main 为 1.4.43，DSH 直接 GitHub 安装与初始化使用 main 的 1.4.43 及后续版本 |
| 运行依赖 | Python 3.10+，纯本地 SQLite 权威存储 |
| 许可证 | MIT |
| 星标 | 目录页登记 1 star |
版本口径需要留意：README 写明 v1.4.40 提供三宿主源码、Python wheel 和 SHA-256 校验文件，供 Codex、Antigravity 和本地导出流程使用；DSH 侧则跟随 main 的 1.4.43。仓库 AGENTS.md 给出的兼容基线同样是版本 1.4.43、数据库 schema 25、正式知识全文索引 7、工作历史索引 3、可选语义索引 1、内部发布协议 25。
核心能力¶
这些能力都来自 README 与仓库内源码，按模块列出。
跨会话工作历史¶
自动记录公开需求、分析说明、工具执行结果与文件修改关联，长回复会分段并标记完整／部分／截断状态。记录自带来源标签，其中「来源陈述」标记为 reported，用于区分「历史尝试」与「已验证结论」。这部分是插件的基础，其他能力都建立在它之上。
结论优先的渐进式读取¶
检索围绕当前业务问题过滤，而不是因为调了同一个通用工具就触发引用。输出分三层：「结论＋必要前提 → 正文 → 证据」，预算装不下完整前提时宁可给读取索引，也不截断条件。默认自动注入预算为 2,400 字符，对应 config.example.json 里的 injection_max_chars，可配置。
同时做两件事：对持续上下文中已展示的卡片精确去重；知识修订、来源变化、切换任务或压缩恢复时重新校验当前任务与资料资格。这套过滤、全文检索、预算裁剪与展示去重由本地程序完成，默认不额外调用生成模型。
工具报错自动补查¶
在宿主事件中采集工具结果与说明。工具失败后登记一次有界的经验查找，在后续受支持事件中提供相关参考。这解决的是报错发生时 Agent 只能靠当前推理或临时查资料的问题。
错误经验的熔断与纠错¶
知识条目保留适用条件、来源引用和修订历史，并可核对关联文件的已观察状态。出现来源变化、反例、争议或撤销时，会在后续受支持事件中重新检查：已确认失效的知识停止后续自动摘要，部分来源风险降为带提示的读取索引，相关会话按事件和预算收到变更提醒。
证据分级与阶段自动发布¶
证据分 reported 与 tool_success 等级别。可选管理员按阶段提炼候选知识，可以设置每明确交付 1～20 个任务／阶段集中整理一次，并控制在项目 Token 预算内。分级自动发布机制在授权范围内核验健康成功证据，合格解法自动上架，有冲突或缺证据的条目留给人工拍板。
老项目历史吸收¶
可以主动框选项目文档、核心源码、架构笔记与已有对话历史，冻结为独立批次做历史吸收与增量整理。来源版本、Token 预算与覆盖进度可查，支持中断续做与仅审新增改动。
三端共库与可视化¶
Codex、Antigravity 与 DSH 共享同一个本地 SQLite 知识库，同时各自的会话状态、管理员开关与模型路由彼此隔离。可视化入口有两类：宿主原生面板（DSH 侧是已绑定项目聊天框左下角的「📖 知识库」实体按键），以及 127.0.0.1 上的本地 WebUI，支持全文搜索、证据溯源、修订比对与批量审批。
安装与启用¶
DSH 侧的安装是仓库安装加显式初始化两步。README 写明「DSH 直接 GitHub 安装与初始化使用 main 的 1.4.43 及后续版本」；仓库的 package.json 里 dsh.bundle.patch 指向 dsh.patch.yml，后者第一行是「Repository installation starts with an explicit, profile-local initializer.」，说明安装完成后还需要对具体 profile 与项目做一次初始化。
初始化由仓库提供的 agent-learning-dsh-init 完成（package.json 的 bin 指向 scripts/dsh-init.mjs）。它需要的参数在脚本里写明：
agent-learning-dsh-init --profile-directory <DSH_HOME/profiles/name> --workspace <absolute project path> [--python <absolute Python executable>]
其中 --profile-directory 与 --workspace 是必填，--python 可选。运行 agent-learning-dsh-init --help 可以打印同样的用法。这一步的作用是把插件绑定到指定 DSH profile 和项目工作区，生成本地运行副本与配置。
初始化完成后重载宿主，在目标项目开启新对话即可。首次验活用「检查接入」或技能 $learning-debug；想查看沉淀了什么，打开知识库面板或调用 $learning-history。
仓库 skills/ 下还提供了 learning-admin、learning-browser、learning-panel、learning-review、learning-worker 等技能入口，分别对应管理员设置、浏览器视图、面板、复盘与执行侧操作。
默认配置保持克制。config.example.json 里的默认值是：
{
"injection_max_chars": 2400,
"event_max_chars": 6000,
"capture_deliveries": true,
"work_memory": { "enabled": true, "automatic_context": true, "max_context_chars": 600, "max_items": 3 },
"retrieval": { "semantic": { "enabled": false, "provider": "ollama", "url": "http://127.0.0.1:11434" } },
"admin": { "enabled": false, "auto_publish": false },
"scheduler": { "enabled": false },
"hindsight": { "enabled": false, "url": "http://127.0.0.1:8888" }
}
仓库 AGENTS.md 也明确：「配置示例保持后台调度、管理员、自动发布和远端服务默认关闭。」也就是说，语义检索、管理员、调度器和 Hindsight 远端召回都需要显式开启。语义检索开启后默认连本地 Ollama（127.0.0.1:11434），需要自行准备模型。
适用场景与注意¶
适合的场景比较明确：长周期项目，需要跨会话保留排障经验和架构约束；同机多宿主（Codex / Antigravity / DSH）共用项目知识；接手老项目时想先把历史文档与代码批量吸收成可检索资产。
几点需要注意：
- 插件以当前 dsh 进程权限运行。安装前应检查仓库源码与许可证（MIT），确认初始化脚本和 Hook 链的行为符合预期，再决定是否常驻。
- README 的实测数据来自维护者自测：2026 年 10 月 27～28 日，冷启动简单场景，两个编码阶段加一次主动压缩，模型为 GPT-6.1-Sol／High，管理员关闭。结果是质量得分 97.5/100，与无插件历史样本持平；累计注入 1,086 字符，实际注入 1 条工作历史卡，同卡精确重复 0 次；Hook／MCP 本地累计计时约 3.50 秒。作者自己也写明 A／B 没有重跑、CLI 版本不同，不能把耗时差异单独归因于插件，也不能据此承诺所有任务零开销。
- 1,086 是字符数而非 Token 数；注入仍然消耗输入 Token，本地计时不含模型阅读与注意力影响。
- 三端共库的宿主应一起升级、重新加载，避免版本与 schema 不一致。
- 星标数很低（目录页登记 1 star），功能描述基本来自维护者自述，建议在自己的项目里用
$learning-debug先验活，再决定是否开启管理员与自动发布。
结尾¶
agents-learning 的价值在于把「记住上一次怎么修的」从聊天记录回填，换成带来源、带证据等级、按需展开的本地知识库，并用 2,400 字符预算约束自动注入体积。它默认本地运行、不额外调用生成模型，管理员与远端能力都是可选开关，接入成本低；长期收益仍需要在真实项目里持续对照验证。
- 目录页：https://www.skillhub.cn/plugins/swenbo1-web/agents-learning
- GitHub：https://github.com/swenbo1-web/agents-learning
