前言¶

DeepSeek Harness（DSH）桌面端里，对话轮次一多，模型能直接看到的往往只有最近几屏上下文。偏好、踩过的坑、上周随口提到的细节，不会自动留在每轮 prompt 里。常见做法是手动贴笔记，或把整段历史堆进窗口——前者费手，后者占用随历史膨胀。

下面介绍社区插件 dsh-memory-nebula（维护者 ZILCHW，分类：记忆）。它在每轮对话前按当前话题从本地记忆库里检索，只把相关条目写回上下文；记忆由插件侧工具自行写入与维护，不依赖外部模型、API 或联网。侧栏提供可交互的「记忆星云」视图。版本 v0.2.6，MIT 许可证，零运行时依赖。

这是什么¶

dsh-memory-nebula 是面向 DSH 桌面端的长期记忆插件：自己决定记什么、在每轮之前按话题召回，检索为纯本地的词法方案（2-gram、IDF、倒排索引、共现学习），结果可解释——每条命中会说明匹配了哪些词、落在哪个字段。全部数据落在单个 graph.json，无独立服务。

与 embedding 方案相比，作者明确不引入模型、key 与按量计费；在「记忆以百计、查询是日常问法」的规模上，同样查询与库会得到 deterministic 的相同结果。

核心功能¶

每轮注入¶

聊到后面，模型仍可能「忘事」。插件在对话轮次前用你刚说的话去库里检索，只注入少量相关记忆（README 举例：一百多条记忆时，每轮约 5 条、约 500 字，上下文占用与库大小解耦）。翻不到相关时，只回「这一刻没有相关的」，不占多余思考空间。

检索流程（memory_search）¶

一次检索大致走七步：

1. 归一化：全角转半角、统一大小写与空白。
2. 粗分词：中文 2-gram，去停用词与含虚词的 2-gram；英文与数字按完整词切。
3. IDF 加权：罕见词权重更高；字段层级为标题 ×6、标签 ×4、正文 ×1.5。
4. 倒排索引：先收窄候选，避免全表扫描。
5. 共现学习：从已有记忆的标题/标签统计共现，查询时按 0.45 权重补充（如 b站 与 bilibili）。
6. 沿连线联想：字面命中后沿记忆边扩一跳。
7. 相对门槛：比第一名低 58% 以上的结果丢弃，不凑数。

综合打分（README 原文）：

score = 字面(归一化) × 1.0
      + 联想 × 0.5
      + 可及性 × 0.22
      + 新鲜度 × 0.1

记忆的衰减与钉住¶

每条记忆有 weight、act、strength、hits 等字段；长期未被想起会下沉（不删，仍可在图上看到）。45 天半衰期；常被想起的更牢；pinned 钉住的不衰减。

十个工具¶

自动连线仅在标题语义或标签重合时建立，并按 IDF 加权，避免大众词滥连。

侧栏星云界面¶

五种视图：小银河、星云（3D 力导向，层级可递归细分）、聚类、时间轴、列表。可点击类别聚焦、点记忆飞到中心；搜索走完整检索，列表与画布上会展示命中理由（命中的词与字段）。

安装与启用¶

需要 DSH 桌面端。官方 README 给出的安装方式如下：

dsh plugin --profile desktop add link:/path/to/dsh-memory-net

也可将插件放入 ~/.dsh/plugins/ 后用插件管理器安装。装完重启 DSH，协议、面板与工具会自动注册。

装好后记忆库为空；首次写入值得记的内容时才会创建：

~/.dsh/memory-net/graph.json

迁移数据用 memory_export / memory_import；更换存放目录可设环境变量 DSH_MEMORY_NET_DIR。

典型用法¶

1. 在对话中让模型通过 memory_save 记下偏好、决定、教训等待长期保留的信息。
2. 每轮开始前插件会按当前话题调用检索逻辑；需要主动查库时可用 memory_search，必要时 memory_get 看全文。
3. 重复条目用 memory_merge；重要条目 memory_pin；不再需要的用 memory_forget。
4. 在侧栏切换视图、用搜索框验证命中词与相关簇；导出备份用 memory_export。

数据文件结构（节选，见 README）：

{
  "version": 1,
  "nodes": [{ "id": "m_xxx", "title": "...", "body": "...", "layer": "core", "kind": "rule",
              "tags": ["坑"], "weight": 0.8, "pinned": true, "status": "",
              "createdAt": 0, "updatedAt": 0, "hits": 0, "act": 0, "strength": 1 }],
  "edges": [{ "from": "m_a", "to": "m_b", "kind": "related", "weight": 0.6 }]
}

写入为原子操作（tmp → rename）。删除该文件即清空记忆。

适用场景与注意¶

适合：长期在 DSH 桌面端做同一项目或同一主题对话、希望偏好与教训自动召回、且希望记忆与检索完全本地、可解释、无额外 API 成本的开发者。

注意：

• 插件以当前 DSH 进程权限读写 ~/.dsh/memory-net/（或 DSH_MEMORY_NET_DIR）；安装前请阅读 GitHub 仓库 源码与 MIT 许可证，确认符合你的安全与合规要求。
• DSH 生态是「一切皆插件」；社区目录 SkillHub 插件页 为独立站点，与 DeepSeek / 幻方无官方从属关系。
• README 中安装路径示例为 dsh-memory-net，与仓库名 dsh-memory-nebula 并存，本地 clone 或 link 时请与实际目录一致。

结尾¶

dsh-memory-nebula 把长期记忆收成可检索的本地图结构，每轮只送相关几条回上下文，并用侧栏星云做浏览与可解释搜索——零依赖、不调模型、不联网。

• 社区目录：https://www.skillhub.cn/plugins/ZILCHW/dsh-memory-nebula
• 源码与文档：https://github.com/ZILCHW/dsh-memory-nebula