前言¶

在 DSH 裏做長期對話時，常見做法是把筆記散落在工作區文件裏，靠模型讀文件或自己 grep。資料一多，格式雜、身份混在一起，檢索和引用出處都不穩定。若你希望「一個角色一套庫、導入後自動切塊索引、問答帶編號出處、數據只在本機」，需要一套掛在工作區上的專用能力。下面介紹社區插件 cyber-self（賽博鏡像）——由 MrLsss 維護，在 DSH 插件目錄中歸類爲記憶，當前 GitHub 星標爲 0。

這是什麼¶

cyber-self 的定位是：一個人可以有多重身份，每種身份對應一個 DSH 工作區，工作區裏掛一份只屬於自己的本地資料庫。把資料收進來後自動整理、建立全文與向量索引，之後用自然語言提問，回答會註明出處。

一個身份 = 一個 DSH 工作區 = 一個資料庫；庫文件位於工作區目錄下的 .cyberself/kb.db，檢索只在當前工作區的庫裏進行，沒有跨身份檢索。

插件版本 0.2.0（MIT），兼容 DSH 0.2.1-rc.4 至 0.3.0 之前（>=0.2.1-rc.4 <0.3.0-0）。DSH 社區插件目錄由 SkillHub 獨立收錄，與 DeepSeek / 幻方無官方從屬關係；安裝前建議自行查看 GitHub 源碼 與許可證。插件以當前 DSH 進程權限運行，導入目錄路徑、調用 Ollama 與視覺模型均在本機完成。

核心功能¶

用法在 README 裏歸納成一條線：收集 → 整理歸納與向量化 → 提問複用。

收集與格式
支持上傳文件，或填寫 Host 上目錄的絕對路徑做整目錄導入。文檔含 PDF、DOCX（Word 內嵌圖片會解析）；表格含 xlsx、xls、csv；筆記與純文本含 md、txt 等（自動識別 UTF-8 與 GBK）；網頁 html；圖片與掃描件（依賴能看圖的對話模型轉寫）；聊天記錄需先導出爲 txt、Markdown 或 html。單文件上限 64 MB。.doc 不支持，需另存爲 docx 或 PDF。

自動整理
導入時按格式解析正文，按標題、表格行、段落切塊，按內容 hash 去重；同一內容重複導入會提示已導入過。

索引
切塊寫入 SQLite，並建 trigram 全文索引與向量索引（默認通過本機 Ollama 使用 bge-m3）。向量在後臺補齊；未完成時仍可提問，此時主要依賴關鍵詞匹配。

問答與引用
對話中提問時插件先檢索資料，把命中片段交給對話模型；回答中結論後帶 [1]、[2] 等編號，可在面板覈對原文塊。資料庫沒有的內容會直說缺什麼，不猜測。每個身份可設「僅資料庫」或「允許補充（補充句註明資料庫外）」。

面板
頂欄或右欄「資料庫」：統計、導入、文檔列表與分塊查看、僅檢索不調用模型的檢索框，以及向量化全部、清空資料、刪除數據等操作。

環境與依賴¶

• Node.js 22.5 及以上（資料庫使用 node:sqlite）
• pnpm、DSH 0.2.1-rc 系列
• 本機 Ollama，嵌入模型需先拉取：

ollama pull bge-m3

掃描件與圖片導入還需要能看圖的對話模型。從 GitHub 安裝時倉庫已帶構建產物 lib/index.js 與 lib/client.js，一般無需本地再構建；若改源碼則：

pnpm install
pnpm build

安裝與啓用¶

DSH Desktop¶

桌面應用的 desktop profile 由 Electron 應用獨佔管理，命令行 dsh plugin 無法寫入。在 DSH Desktop 插件市場搜索 cyber-self 安裝即可。桌面裏所有工作區均可按需「設爲資料庫」。

命令行 profile¶

適合市場未收錄時的安裝，或做一個「模型只能看資料庫」的專用入口。

1、新建 profile

dsh --profile kb --from-default-profile web

--from-default-profile 僅接受 DSH 自帶模板 web、headless、tui；不能用 desktop 作模板。

2、安裝插件

dsh plugin --profile kb add github:MrLsss/cyber-self

本地開發可在項目根目錄執行：

dsh plugin --profile kb add link:"$PWD"

改完源碼需 pnpm build 並重啓 DSH。確認 ~/.dsh/profiles/kb/package.json 中 dsh.profile.bundles 包含 cyberself。

3、（可選）關掉非資料庫工具

編輯 ~/.dsh/profiles/kb/cordis.patch.yml，將 tool-bash、tool-fs、tool-web 等設爲 disabled: true，使模型側不再出現讀寫文件、聯網、執行命令等工具；資料庫讀取仍通過插件自帶的 cyberself_search、cyberself_read。

4、啓動

dsh --profile kb

修改 cordis.patch.yml 後必須重啓才生效。

兩個 profile（Desktop 與 kb）可同時存在；打開同一工作區時共用同一份 .cyberself/kb.db，無需重複導入。

典型用法¶

四步流程¶

1. 打開對應工作區，在資料庫面板點「設爲資料庫」，上傳文件或填目錄路徑導入。
2. 結構化整理與向量化由插件自動完成。
3. 在面板查看「已向量化 K 段 / 共 M 段」。
4. 在對話裏直接提問；也可用面板檢索框只查資料、不調用模型。

可復現示例（客戶跟進）¶

工作區導入 客戶-林總.txt，內容包含報價、第二版方案、簽約約定等對話片段。提問：「和林總推進到哪一步了？」回答會歸納到簽約階段，並在句末帶 [1] 指向原文塊。README 中給出了完整問答示例，可在安裝後用自己的導出文件復現同一流程。

其他 README 場景包括：按 mood 從個人歌單資料裏篩歌、按條件整理表格數據、學生問知識點、銷售問某客戶進度等——身份 A/B/C/D 可以是同一人，庫之間互不影響。

配置與數據位置¶

設置 → 資料庫可改 Ollama 地址（默認 http://127.0.0.1:11434）、嵌入模型名、超時、批大小等。改動模型或部分分塊相關選項會清空向量並後臺重算；保存前會探測嵌入服務，連不上則不會保存。

檢索條數、回答模型、answer.verify 等可在 profile 的 cordis.patch.yml 裏配置，默認值見倉庫 src/host/config.ts，例如：

- id: cyberself
  config:
    retrieval:
      topK: 8
    answer:
      model: deepseek-chat
      verify: true

若工作區會提交 Git，建議忽略：

.cyberself/

適用場景與注意¶

適合
需要按「身份 / 項目 / 客戶」隔離資料、希望問答帶出處、數據留在本機 SQLite 的用戶；與 DSH「一切皆插件」的思路一致，記憶能力以 bundle 形式掛進 profile。

限制（README 已寫明）
不支持 .doc；掃描 PDF 依賴 @napi-rs/canvas 預編譯包，部分平臺可能失敗；Word 分塊可能比 Markdown 更碎；一個工作區一個庫、無跨庫檢索；每庫同一時間只有一個向量化任務；向量相似度在 JS 中逐塊計算，規模很大時檢索耗時會上升。

運維
Ollama 未啓動或缺少 bge-m3 會導致嵌入失敗；導入成功但語義搜不到時，先看面板「已向量化」是否爲 0。連不上服務可用 curl http://127.0.0.1:11434/api/tags 自檢。

結尾¶

cyber-self 把「收集 → 索引 → 帶引用問答」綁在 DSH 工作區上，用 .cyberself 目錄實現身份級隔離，適合把歌單、工單、筆記、客戶聊天記錄等收進同一套本地流程。進一步瞭解與安裝：

• 插件目錄頁：https://www.skillhub.cn/plugins/MrLsss/cyber-self
• 源碼與完整說明：https://github.com/MrLsss/cyber-self