前言¶

DeepSeek Harness（DSH）桌面端裏，對話輪次一多，模型能直接看到的往往只有最近幾屏上下文。偏好、踩過的坑、上週隨口提到的細節，不會自動留在每輪 prompt 裏。常見做法是手動貼筆記，或把整段歷史堆進窗口——前者費手，後者佔用隨歷史膨脹。

下面介紹社區插件 dsh-memory-nebula（維護者 ZILCHW，分類：記憶）。它在每輪對話前按當前話題從本地記憶庫裏檢索，只把相關條目寫回上下文；記憶由插件側工具自行寫入與維護，不依賴外部模型、API 或聯網。側欄提供可交互的「記憶星雲」視圖。版本 v0.2.6，MIT 許可證，零運行時依賴。

這是什麼¶

dsh-memory-nebula 是面向 DSH 桌面端的長期記憶插件：自己決定記什麼、在每輪之前按話題召回，檢索爲純本地的詞法方案（2-gram、IDF、倒排索引、共現學習），結果可解釋——每條命中會說明匹配了哪些詞、落在哪個字段。全部數據落在單個 graph.json，無獨立服務。

與 embedding 方案相比，作者明確不引入模型、key 與按量計費；在「記憶以百計、查詢是日常問法」的規模上，同樣查詢與庫會得到 deterministic 的相同結果。

核心功能¶

每輪注入¶

聊到後面，模型仍可能「忘事」。插件在對話輪次前用你剛說的話去庫裏檢索，只注入少量相關記憶（README 舉例：一百多條記憶時，每輪約 5 條、約 500 字，上下文佔用與庫大小解耦）。翻不到相關時，只回「這一刻沒有相關的」，不佔多餘思考空間。

檢索流程（memory_search）¶

一次檢索大致走七步：

1. 歸一化：全角轉半角、統一大小寫與空白。
2. 粗分詞：中文 2-gram，去停用詞與含虛詞的 2-gram；英文與數字按完整詞切。
3. IDF 加權：罕見詞權重更高；字段層級爲標題 ×6、標籤 ×4、正文 ×1.5。
4. 倒排索引：先收窄候選，避免全表掃描。
5. 共現學習：從已有記憶的標題/標籤統計共現，查詢時按 0.45 權重補充（如 b站 與 bilibili）。
6. 沿連線聯想：字面命中後沿記憶邊擴一跳。
7. 相對門檻：比第一名低 58% 以上的結果丟棄，不湊數。

綜合打分（README 原文）：

score = 字面(歸一化) × 1.0
      + 聯想 × 0.5
      + 可及性 × 0.22
      + 新鮮度 × 0.1

記憶的衰減與釘住¶

每條記憶有 weight、act、strength、hits 等字段；長期未被想起會下沉（不刪，仍可在圖上看到）。45 天半衰期；常被想起的更牢；pinned 釘住的不衰減。

十個工具¶

自動連線僅在標題語義或標籤重合時建立，並按 IDF 加權，避免大衆詞濫連。

側欄星雲界面¶

五種視圖：小銀河、星雲（3D 力導向，層級可遞歸細分）、聚類、時間軸、列表。可點擊類別聚焦、點記憶飛到中心；搜索走完整檢索，列表與畫布上會展示命中理由（命中的詞與字段）。

安裝與啓用¶

需要 DSH 桌面端。官方 README 給出的安裝方式如下：

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

也可將插件放入 ~/.dsh/plugins/ 後用插件管理器安裝。裝完重啓 DSH，協議、面板與工具會自動註冊。

裝好後記憶庫爲空；首次寫入值得記的內容時纔會創建：

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

遷移數據用 memory_export / memory_import；更換存放目錄可設環境變量 DSH_MEMORY_NET_DIR。

典型用法¶

1. 在對話中讓模型通過 memory_save 記下偏好、決定、教訓等待長期保留的信息。
2. 每輪開始前插件會按當前話題調用檢索邏輯；需要主動查庫時可用 memory_search，必要時 memory_get 看全文。
3. 重複條目用 memory_merge；重要條目 memory_pin；不再需要的用 memory_forget。
4. 在側欄切換視圖、用搜索框驗證命中詞與相關簇；導出備份用 memory_export。

數據文件結構（節選，見 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 }]
}

寫入爲原子操作（tmp → rename）。刪除該文件即清空記憶。

適用場景與注意¶

適合：長期在 DSH 桌面端做同一項目或同一主題對話、希望偏好與教訓自動召回、且希望記憶與檢索完全本地、可解釋、無額外 API 成本的開發者。

注意：

• 插件以當前 DSH 進程權限讀寫 ~/.dsh/memory-net/（或 DSH_MEMORY_NET_DIR）；安裝前請閱讀 GitHub 倉庫 源碼與 MIT 許可證，確認符合你的安全與合規要求。
• DSH 生態是「一切皆插件」；社區目錄 SkillHub 插件頁 爲獨立站點，與 DeepSeek / 幻方無官方從屬關係。
• README 中安裝路徑示例爲 dsh-memory-net，與倉庫名 dsh-memory-nebula 並存，本地 clone 或 link 時請與實際目錄一致。

結尾¶

dsh-memory-nebula 把長期記憶收成可檢索的本地圖結構，每輪只送相關幾條回上下文，並用側欄星雲做瀏覽與可解釋搜索——零依賴、不調模型、不聯網。

• 社區目錄：https://www.skillhub.cn/plugins/ZILCHW/dsh-memory-nebula
• 源碼與文檔：https://github.com/ZILCHW/dsh-memory-nebula