前言¶

在 DSH 里跑陪伴型助手或工具型 Agent 时，常见做法是把整段对话塞进上下文，或只抽几条「事实」写进向量库。前者 prompt 很快变成难以审计的长文本，后者又容易丢掉普通轮次里的细节。DSH-DREAM（Durable RAG-Enhanced Agent Memory）把硬约束、近期窗口、检索到的记忆和审计记录分开维护，默认在本地做检索，只把短证据块交给模型。下面介绍它是什么、能做什么，以及如何在 DSH 客户端或 Python 里启用。

这是什么¶

DSH-DREAM 由社区维护者 baiqieji-LuLu 发布，当前状态为 v0.2.0 Pre-Alpha，在 DSH 社区目录中归类为记忆。它同时是 DSH 社区插件和可独立使用的 Python 库：核心思路是 holographic memory——完整用户消息与助手回复会无条件写入，而 system_fact 仅作为该轮的高亮标签；在 DSH 中开启 Holographic mode 时，Host 会在 agent/turn-stopping 强制写入，即使 Agent 未调用记忆工具。

项目主页：DSH-DREAM 目录页
源码与文档：GitHub - baiqieji-LuLu/DSH-DREAM

核心功能¶

资料中明确列出的能力如下，安装前可对照 README 自行核对。

四层上下文分离。 Anchors（硬约束）、recent window、retrieved memories、audit snapshots 互不混写，模型拿到的是结构化上下文而非整库原文。

全息写入与白名单。 存储白名单包含 user_message、assistant_message、system_fact、tool_result；model_hint 始终拒绝。MemoryAgent 对整轮做无条件双写；DSH 全息模式在轮次结束时强制落库。

状态槽冲突检测。 不会对全部记忆做「最新覆盖一切」；仅当同一位置/状态谓词发生直接变更（例如钥匙从鞋柜改到花盆）才折叠。像「买杯子 → 摔碎 → 再买」这类动作序列会保留。

时间线检索。 timeline_mode=True 时跳过冲突折叠，按时间戳升序返回相关原始记忆；MemoryAgent 可依据查询改写 LLM 的 intent: "latest" | "timeline" 自动选择模式。

本地优先检索。 默认本地 Chroma 与 BM25；RAGStore.search_memory() 对每次查询并行向量检索（记录在 flat_max_records 默认 200000 以下时用 NumPy 精确余弦 Flat 扫描）与全库 BM25，再用 RRF（score = sum(1 / (60 + rank))）融合。仅超长集合才回退 Chroma HNSW。

可审计与安全边界。 每次请求记录检索 chunk ID、窗口哈希与 anchor 版本；anchor 载荷上限 2000 tokens；检索文本作为不可信背景证据，用户文本 delimiter 隔离。

默认嵌入模型。 BAAI/bge-small-zh-v1.5 本地运行，无需 API Key；也可在设置中配置 OpenAI 兼容 /embeddings 端点。

README 中还记录了 100k 记忆规模下的 A/B 对比（RAG 与 1M token 裸跑等），具体数字以仓库文档为准，本文不展开复述截断部分。

安装与启用（DSH 客户端）¶

官方推荐路径是下载 Release 包并用 PowerShell 安装脚本注册到 DSH Profile，不是凭仓库名拼接 dsh plugin add。

1、下载并解压

从项目 GitHub Releases 获取 release_v0.2.0_prealpha 对应 ZIP（或使用维护者提供的包），在解压目录打开 PowerShell：

Expand-Archive .\DSH-DREAM-v0.2.0-prealpha.zip -DestinationPath .\DSH-DREAM
cd .\DSH-DREAM

2、运行安装器

脚本会注册 bundle 并准备本地 bridge 文件；若执行策略拦截，用 -ExecutionPolicy Bypass 单次绕过，不必永久改机器策略：

powershell -ExecutionPolicy Bypass -File .\install-agent-memory-plugin.ps1 -Force

3、按需设置模型 Key

本地嵌入与检索不需要 Key。若要用 DeepSeek 生成回复，在启动 DSH 之前设置：

$env:DEEPSEEK_API_KEY = "sk-your-key-here"

# 可选：对新终端持久化
setx DEEPSEEK_API_KEY "sk-your-key-here"

勿将 Key 提交到仓库或写入被跟踪的配置文件。

4、在 DSH 设置中打开

进入 Settings → DSH-DREAM（部分 DSH 构建中也可能出现在插件/设置区），勾选 Enable long-term memory；若希望每一轮都持久化而非仅在有 fact 提取时写入，再开启 Holographic mode (forced full memory)。保存后发送测试消息；首次检索可能在本地 Chroma 与嵌入模型初始化时多花数秒。

外部嵌入（可选）。 在 Settings → DSH-DREAM → Embedding model (advanced) 可设 openai_compatible provider、model、API key、base URL；切换模型维度不一致时，可保留「On dimension mismatch, try lossless re-embedding of old data」以尝试无损重嵌旧数据（切换前建议备份 .chroma）。

典型用法（Python 库）¶

开发者可在仓库内用 editable 安装并跑示例：

python -m venv .venv
# Windows: .venv\Scripts\activate
# macOS / Linux: source .venv/bin/activate

python -m pip install -e ".[dev]"

离线演示与带 LLM 的交互聊天：

python examples/chat_demo.py --demo
python examples/chat_demo.py --llm

最小 API 示例（默认本地 BAAI 模型，数据目录 .chroma）：

from agent_memory import RAGStore

store = RAGStore()
store.add_memory("今天逛街买了一个星巴克的蓝色马克杯。", "user_message")

latest = store.search_memory("蓝色马克杯", top_k=3)
history = store.search_memory("蓝色马克杯的完整历史", top_k=5, timeline_mode=True)

测试：

python -m pytest -q

适用场景与注意¶

适合谁。 需要在 DSH 或自研 Agent 中维护长期、可检索、可部分审计的对话记忆；希望默认本地检索、控制进 LLM 的 token；或要在「最新状态」与「完整时间线」之间做区分检索的开发者。

生态说明。 DSH 强调「一切皆插件」；skillhub.cn 上的社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系。

安全与权限。 插件以当前 DSH 进程权限运行，安装前应阅读源码与许可证（仓库 README 提供中英文说明）。Pre-Alpha 版本行为与配置项可能变动，生产使用前请锁定 Release 并自行验证。

结尾¶

DSH-DREAM 把 RAG 增强的长期记忆做成 DSH 可配置的本地优先层，并用全息写入与分层上下文减轻「整段历史进 prompt」的负担。进一步细节见 GitHub README 与 社区目录页。