前言¶

在 DeepSeek Harness（DSH）裏跑智能體，常見情況是：一輪任務結束，上下文被壓縮或清空；換一個新 session 做同一項目，上次聊過的細節、你自己記下的要點，往往不會再出現在模型眼前。把筆記塞進 system prompt 或單獨做向量檢索，可以部分緩解，但 chunk 往往是匿名的，很難按「某條思路、某段結構」尋址，也缺少可審計的召回理由。

下面介紹社區插件 dsh-memory-tree（維護者 qinghuaju），它把對話與可結構化內容落成磁盤上的資產：SQLite 分層存儲、AST 節點路徑、embedding 與軟相似邊，並在每輪前注入有上限的 <memory-recall> 塊。無需外部託管服務，目錄可複製、備份或刪除。

這是什麼¶

dsh-memory-tree 是 DSH 的「記憶」類插件，一句話定位來自項目描述：AST soft-decision-tree long-term memory for DeepSeek Harness (DSH): SQLite + embeddings, project-scoped, cross-session recall.

與「只堆向量 chunk」的做法相比，項目 README 強調：節點有唯一 AST 路徑、樹上一跳激活、六項命名打分項與審計行、hot/warm/cold 輪轉以限制活躍庫體積，並在 SQLite 旁提供可人工查看的 Markdown 鏡像。許可證 MIT，npm 包版本 0.4.2（以 package.json 爲準）；GitHub 倉庫當前約 2 stars。目錄頁：skillhub.cn/plugins/qinghuaju/dsh-memory-tree；源碼：github.com/qinghuaju/dsh-memory-tree。

核心功能¶

經 README 與配置說明，可覈實的能力如下。

1. 後臺捕獲：監聽 session/event，在後臺記錄 user/assistant 交換（可配置 capture.enabled）。
2. AST 索引：解析爲可尋址節點（path、kind、title、content），寫入 embedding（默認 1024 維）及相似度邊（cos ≥ 0.72）。
3. 自動召回：在 agent/pre-step 查詢，向量與 FTS 候選混合打分後，注入 bounded 的 <memory-recall>（recall.autoInject、recall.maxNodes 默認 6，recall.timeoutMs 默認 1500 ms）。
4. 分層存儲：hot（memory.db，默認 <30 天）、warm（30–180 天）、cold（>180 天）輪轉；定時 6 h、啓動後及 mem_rotate 可觸發。
5. 工具面：暴露 mem_recall、mem_store、mem_stats、mem_dream、mem_rotate；mem_stats 含 compat: 行，反映 normal / degraded / off。

兼容方面：README 寫明在 DSH 0.2.1-rc.3（ bundled Node 24）及 Node 22/24 上測試；CLI 需 Node ≥22.5；engines.dsh 爲 ^0.2.1-alpha.2。無 native 構建，embedding 可選用 pollinations、dashscope、openai、ollama、custom，或離線 deterministic fake embedder / Ollama。

安裝與啓用¶

插件以當前 DSH 進程權限讀寫 $DSH_HOME 下配置與數據庫；安裝前請自行審閱源碼與 MIT 許可證。官方 Quick start 不依賴 git clone，步驟如下。

1. 準備 embedding 憑據（不要放進倉庫）：

echo '{"apiKey":"sk-..."}' > "$DSH_HOME/memory-tree/credentials.json"

2. 安裝到 DSH 實際加載的 profile（桌面端多爲 ~/.dsh/profiles/desktop，dsh web 多爲 ~/.dsh/profiles/web），然後重啓 DSH：

node scripts/install.mjs --profile "$DSH_HOME/profiles/desktop" --copy-to

說明：需在已取得插件源碼或發佈包的環境中執行 scripts/install.mjs；安裝器冪等，會備份 cordis.patch.yml，且不修改你的 key。無 --profile 時會自動探測並在 desktop/web 並存時警告。多機、npm/tarball、離線模式見倉庫 docs/DEPLOY.md。

3. 在 DSH 內驗證：讓智能體調用 mem_stats。

DSH 0.2.1-rc.3 默認關閉插件市場且無 index URL；若走市場發現流程，需自行生成 market/index.json 並在 Settings → Plugins → Discover 配置 URL，詳見 docs/MARKET.md（README 中的 market-index.mjs / check-market.mjs 爲發佈與校驗用，非普通用戶一鍵安裝命令）。

可選配置片段（插入 profile 的 cordis patch，鍵名以文檔爲準）：

- insert:
    - id: dsh-memory-tree
      name: 'dsh-memory-tree'
      config:
        embedding:
          preset: pollinations     # pollinations | dashscope | openai | ollama | custom
          dimensions: 1024
        capture:
          enabled: true
        recall:
          autoInject: true
          maxNodes: 6
          timeoutMs: 1500
        storage:
          tiered: true
          hotDays: 30
          warmDays: 180

完整默認值見 docs/PHASE1.md。設 storage.tiered: false 可退回單文件行爲。

典型用法¶

經過上面的安裝與重啓，可按 README 建議做最小驗證：

1. 在同一項目裏對話至少兩輪。
2. 開 新 session，再問第一輪裏說過的事；若召回正常，應看到 <memory-recall> 相關內容。
3. 需要手動查庫或運維時，調用 mem_stats 看節點與兼容狀態；需要整理分層庫時調用 mem_rotate。

打分與管線細節（捕獲 → AST → embedding → 查詢 → 注入）見 README 流程圖與 docs/PRINCIPLES.md；倉庫提供 node scripts/bench.mjs 等離線基準腳本，數值隨機器與 embedder 變化，此處不重複羅列。

適用場景與注意¶

適合誰：在同一 DSH 項目里長期迭代、希望跨 session 找回結構化對話與筆記、且願意本地持有一份 SQLite + 可選 embedding 調用的開發者。

注意：

• 插件與 DSH 同源插件生態一致：社區目錄（如 SkillHub）獨立於 DeepSeek / 幻方，並非官方應用商店。
• Embedding 預設除離線方案外通常需要 API key；憑據僅應放在 $DSH_HOME/memory-tree/credentials.json。
• DSH 側 hook 變更會導致能力分級降級（例如 auto-recall 關閉而 capture / 工具仍可用），以 mem_stats 的 compat: 爲準。
• README 自述在 host 拒絕注入消息等情況下會關閉當輪 auto-recall 並寫日誌，行爲以當前版本源碼爲準。

結尾¶

dsh-memory-tree 把長期記憶做成可檢查、可輪轉、可跨 session 召回的 AST + SQLite 方案，並綁定 DSH 生命週期鉤子與一組 mem_* 工具。若要進一步瞭解設計取捨與部署變體，請讀倉庫 README（含 中文 README.zh.md）與 docs/。

• 目錄頁：https://www.skillhub.cn/plugins/qinghuaju/dsh-memory-tree
• GitHub：https://github.com/qinghuaju/dsh-memory-tree