前言¶

在 DeepSeek Harness（DSH）裏做智能體開發時，模型會在當前會話裏推理、調工具、踩坑再修正；但這些結論往往只留在這一次任務裏。換到另一個倉庫或另一個 profile，同樣的坑可能再踩一遍。社區裏常見做法是依賴會話上下文、手動粘貼筆記，或單獨查記憶庫——步驟多，且很難在「下一步就要決策」的前一刻自動出現。

下面介紹維護者 OverDustD7 發佈的 dsh-experience-recall（npm 包名 dsh-experience-recall，GitHub OverDustD7/dsh-experience-recall）。它屬於 DSH 社區插件目錄中的「記憶」類插件：監聽當前會話裏的推理、工具參數與結果、錯誤等事件，當運行中的工作與記憶庫裏曾在其他項目裏學過的條目對上時，在下一步 agent/pre-step 邊界前注入一條短消息。檢索與相關性判斷默認都在本機完成；注入內容仍會佔用宿主模型的上下文與輸入 token。

這是什麼¶

一句話定位： Cross-project experience recall for DeepSeek Harness——工作匹配到別處已學經驗時，把那條經驗作爲短消息注入下一步之前；全程可本地運行，由本地小模型做相關性裁決。

插件以 profile bundle 形式接入 DSH（Cordis 插件）。當前 npm 版本爲 0.8.2（見倉庫 package.json），許可證 MIT。SkillHub 目錄頁：dsh-experience-recall（社區站點，與 DeepSeek / 幻方無官方從屬關係）。

核心功能¶

注入長什麼樣¶

README 給出真實會話中的注入示例（節選）：標題爲「可能相關的歷史經驗 · 來自其他項目」，正文刻意壓縮成一行可複用結論，並帶記憶 id，便於模型按需用 mnemon_recall / document_search 拉全文。每輪最多少量條，單條約 1.2 KB。

工作流程¶

1. 從 session/event（推理、文本、工具參數與結果、錯誤）出發。
2. 用從記憶庫與項目文檔派生的詞表做機械關鍵詞匹配（不調用模型）。
3. 經過門控：每輪每詞一次、每條記憶一次、冷卻、每輪配額等。
4. 本地小模型判斷「這條經驗是否會改變下一步該怎麼做」（串行，約 0.4 s）。
5. 就緒結果在下一個 agent/pre-step 邊界追加；邊界不等待——若檢索或裁決未完成，本步照常進行，卡片可能晚一步到達。無法解析或不確定的裁決會丟棄，不會憑猜測注入。

詞表不是手寫：來自記憶庫（作者標籤/實體與正文專有名詞）和項目文檔（含各文檔 ## 小節），並過濾無法區分的詞。新的記憶在 mnemon_* 工具調用後會自動納入。

依賴與行爲邊界¶

注入消息使用 DSH v4 的 producer-owned source（kind: "plugin:dsh-experience-recall"），並與舊版 { kind: "plugin", plugin } 包裝兼容，便於可見性、去重與再注入距離等邏輯。

安裝與啓用¶

官方安裝命令（README 原文；web 爲 DSH Web UI 使用的 profile 名，若你改名請替換）：

dsh plugin --profile web add dsh-experience-recall

也可跟蹤 GitHub 或本地開發目錄（同樣經 profile 轉發到包管理器）：

dsh plugin --profile web add github:OverDustD7/dsh-experience-recall
dsh plugin --profile web add link:/path/to/dsh-experience-recall

安裝後重啓 dsh web。安裝過程會把包寫入 profile 的 dsh.profile.bundles，不要再手動重複添加同一 loader id，否則會報 duplicate loader entry id。

可選配置寫在 bundle 行的 config 中（包內 cordis.patch.yml 或 $DSH_HOME/profiles/<name>/cordis.patch.yml，後者優先），例如：

- id: experience-recall
  config:
    maxInjectionsPerTurn: 0     # 僅觀察，不注入
    localModel: 'qwen3.5:9b'

常用鍵包括：enabled、stateDir（默認 $DSH_HOME/dsh-experience-recall）、localModel / localEndpoint、mnemonCliPath、mnemonDataDir / mnemonStore、cardBuilder（mechanical 可跳過模型建卡）等；完整表格見倉庫 README。

典型用法¶

驗證是否在工作¶

1. 在聊天中執行 /experience-recall：輸出詞表規模、掃描/命中計數、裁決接受/拒絕/未答次數（含延遲與重試）、注入次數，以及最後一條通過的卡片。
2. 查看磁盤日誌：$DSH_HOME/dsh-experience-recall/logs/observe.ndjson，記錄 trigger / recall / verify / inject / term-cooldown 等，便於回答「爲何注入或未注入」。
3. 安裝自檢：

node node_modules/dsh-experience-recall/tools/check-install.mjs

若 state 目錄不在默認位置，可加 --cache / --log。

新裝後建議先跑幾分鐘真實任務：首次啓動會用本地模型爲每條記憶建卡（數百條記憶約 5 分鐘），詞表在建卡完成前會偏薄。

切換本地小模型¶

/experience-recall model                    # 列出 Ollama 已安裝 chat 模型並卡片選擇
/experience-recall model qwen3.6:35b-a3b    # 直接指定，跳過卡片
/experience-recall help                     # 子命令幫助

裁決與建卡每次調用讀取當前模型，切換後無需重啓；選擇會寫回 profile patch。未安裝的模型名會提示，裁決失敗時卡片會回退到機械構建器；已建好的卡片 wording 不會隨切換而改變。

適用場景與注意¶

適合誰： 已在 DSH 裏用 mnemon 等能力沉澱跨項目經驗、又希望當前任務在關鍵詞與上下文對齊時自動看到「別處學過的結論」的開發者。強調本地裁決、可審計日誌，與「一切皆插件」的 DSH 生態一致。

務必注意：

• 插件以當前 dsh 進程權限運行，安裝前請自行審閱源碼與 MIT 許可證，並確認 Ollama、mnemon 數據目錄路徑符合你的安全策略。
• 無本地模型時 deliberately 不注入，避免幻覺式「回憶」。
• 注入仍消耗宿主模型 token；可通過 maxInjectionsPerTurn: 0 等配置只觀察不注入。

結尾¶

dsh-experience-recall 把「其他項目裏已經驗證過的經驗」從被動查庫變成在關鍵步驟前的短消息提醒：機械匹配 + 門控 + 本地小模型裁決，且全過程可對照 observe.ndjson 復盤。目錄與詳情見 SkillHub 插件頁，源碼與完整配置說明見 GitHub 倉庫。