前言¶

在 DeepSeek Harness（DSH）裏寫長文、講稿或交付 Word、PPT 時，常見情況是：每個新會話模型都從默認腔調起步，輸出偏「通用 AI 中文」；你手改過的定稿是最貼近真實偏好的樣本，卻很少被系統化提煉，下次仍要從零描述「別這麼寫」。交付前才發現「AI 味」偏重，返工成本也最高。

dsh-style-memory（社區目錄名 ymz001130/dsh-style-memory，界面顯示「風格記憶 / Style Memory」）是 DSH 生態裏分類爲「記憶」的插件，由維護者 ymz001130 發佈在 GitHub。它把「你改 AI 初稿」這一動作變成可累積的風格規則與一張不超過 400 字的風格卡，在新會話開始時注入系統提示；在通過 present 交付 .docx / .pptx 前，用同一套檢測器做分數門禁。數據默認落在本機目錄，插件本身不髮網絡請求。

下面介紹它解決什麼問題、核心能力、安裝方式與一條可復現的工作流。設計依據與評分口徑見倉庫中的 METHODOLOGY.md。

這是什麼¶

一句話：DeepSeek Harness 風格記憶插件——從你對 AI 文本的修訂中學習個人寫作風格，會話開始時自動注入風格卡，交付前對指定格式做 AI 特徵檢測與攔截。

流程概覽：

出初稿 → 你改 → style_learn → 規則（含置信度）→ 風格卡（≤400 字）→ 新會話注入 → 交付前門禁
                                                                         └─ 沒過 → 回到改寫，再學一輪

裝上之後，README 用表格對比了前後差異：重複描述文風 → 會話開始自動注入風格卡；修改隻影響單篇 → 每次修訂進檔案；憑感覺判斷 AI 味 → 0–100 分與命中項、改法；交付前人工通讀 → present 前自動檢測；偏好寫死在提示詞 → 按體裁分桶，可查看、回滾、導出。

核心功能¶

風格學習（style_learn）¶

對齊「改前 / 改後」兩版文本（或路徑），剔除純內容改動，抽出風格差分，更新規則並寫入新檔案版本。規則分九類：禁用表達、改寫偏好、偏好表達、結構習慣、開場習慣、結尾習慣、術語偏好、口頭表達、人味特徵。置信度不到 0.62 的規則標爲「待驗證」，不進風格卡。

可選參數 genre 把學到的東西歸到體裁桶：global、lecture、thesis、ppt、chat。可選 note 隨本次學習記入學習歷史。

AI 特徵分析與診斷（style_analyze）¶

對文本或文件（純文本、.md、.docx、.pptx，後兩者只提取文字）打分並給出診斷。

• score：0–100，越高越像 AI 生成。
• 檔位：human 0–34、mixed 35–59、ai_clear 60–79（門禁線以上）、ai_heavy 80–100。
• top_issues / all_issues：類別、原因、改法、例句等；detail 可選 summary 或 full。

檔案管理（style_profile）¶

支持 view、card、rules、history、undo、reset（須 confirm: true）、export、import、stats、consolidate 等 action。風格卡硬上限 400 字；規則細節可通過 rules 查看。

會話命令 /style¶

新會話裏輸入 /style 即查看狀態；README 建議驗證時能說「用 style_analyze 看一下這段……」並拿到分數與命中項。

風格卡與會話注入¶

插件註冊系統提示段 style-memory:profile，order 660。每個會話開始時注入不超過 400 字的風格卡：主代理完整版，子代理 200 字以內精簡版。0.2 起卡片以抽象規則爲主，避免把改過的原句羅列成模板。

present 門禁¶

交付 .docx / .pptx 前（默認只看這兩種；config.json 的 gate.extensions 可加上 .md / .txt）：

1. 提取文本並打分。
2. 分數低於 60：正常交付。
3. 分數 ≥ 60：首次攔截，返回 band、命中問題與改法。
4. 改完再交付會重新掃描，分數比上一次下降則放行。
5. 同一文件連續 3 次未降下來，寫審計後放行。

/style off 會暫停門禁、自動學習與注入；在回覆裏直接貼正文不經過 present，不受門禁約束。

設置頁與本地腳本¶

0.5 起提供瀏覽器端「風格記憶」頁籤，只讀數據來自 /style-memory/data。另有 scripts/check.mjs（離線打分）、scripts/learn.mjs（離線學習）、scripts/calibrate.mjs（README 在「已知邊界」中建議用於校準閾值）。

安裝與啓用¶

前置條件：package.json 中 engines.dsh 爲 >=0.2.0-rc <0.3.0-0，本機需有桌面版自帶的 dsh CLI。插件以當前 DSH 進程權限運行；安裝前應在 GitHub 查看源碼與 MIT 許可證。

在插件源碼目錄下，腳本安裝：

powershell -ExecutionPolicy Bypass -File .\install.ps1

手動用 CLI 安裝（等價，將當前目錄以鏈接方式加入 desktop profile）：

& "$env:LOCALAPPDATA\Programs\DeepSeek Harness\resources\runtime\cli\bin\dsh.cmd" plugin --profile desktop add .

裝完重啓 DeepSeek Harness。插件管理頁（設置 → 插件）應顯示「風格記憶 / Style Memory」版本 0.6.2。首次使用無需預先配置；數據目錄在第一次寫檔案時自動創建。

驗證三件事：

1. 插件管理頁能看到 0.6.2，能啓停、能卸載。
2. 新會話輸入 /style，返回當前狀態。
3. 通過 style_analyze 對一段文本或文件拿到分數與命中項。

更新可使用：

powershell -ExecutionPolicy Bypass -File .\update.ps1

典型用法¶

一次完整學習對話可參照 README 示例：

初稿在 D:\work\draft.md，我改完的在 D:\work\final.md。
用 style_learn 學一下：original_path 是 D:\work\draft.md，revised_path 是 D:\work\final.md，
genre 用 thesis，note：開頭別鋪墊，段落不要每段都收尾總結。

查看檔案：

/style status
/style card

分析文件：

用 style_analyze 看 D:\work\draft.md，genre thesis，detail full

命令行自檢（不進入會話）：

node scripts/check.mjs "D:\work\draft.docx" --genre thesis
node scripts/learn.mjs --original "D:\work\ai-draft.docx" --revised "D:\work\mine.docx" --genre lecture

推薦工作循環：出初稿並說明體裁 → 按習慣改稿 → style_learn → 下一會話自動注入 → present 前門禁；規則多了用 /style consolidate，學歪了用 /style undo。

數據目錄、隱私與邊界¶

默認數據目錄：%USERPROFILE%\.dsh\style-memory\（跟隨 DSH_HOME；調試可用 DSH_STYLE_MEMORY_HOME）。含 config.json、profile.json、snapshots\、history\、versions\、audit.ndjson 等。快照保留 90 天、最多 200 個；清理前會嘗試用宿主 ctx.llm 整合規則，模型不可用則退化爲統計合併。

隱私要點：全部本地；插件不髮網絡請求；export 爲明文 JSON；敏感內容需自行評估與刪除。

已知邊界（摘自 README）：分數爲啓發式集成，不是第三方 AI 檢測器判決；中文特徵爲主；單對樣本不夠穩；門禁僅覆蓋走 present 的指定擴展名；降低本插件分數不等於降低外部檢測器判定。若與 dsh-strict-rules 同裝，兩者 present 前門禁互不依賴，推薦先 style_analyze 改寫再登記潤色後 present。

結尾¶

dsh-style-memory 把「改稿差異」沉澱爲可注入的風格卡與可回滾的檔案，並在 Word、PPT 交付前給出可操作的 AI 特徵分數與改法，適合長期在 DSH 裏寫中文交付物、又希望文風跨會話保持一致的使用者。

• 社區目錄頁：https://www.skillhub.cn/plugins/ymz001130/dsh-style-memory
• 源碼與文檔：https://github.com/ymz001130/dsh-style-memory

社區插件目錄爲獨立站點，與 DeepSeek / 幻方無官方從屬關係；DSH 本身遵循「一切皆插件」的擴展方式，安裝與行爲以倉庫 README 與本地源碼爲準。