前言¶
在 DeepSeek Harness（DSH）里做智能体或日常编程协作时，上下文窗口有限，而项目约束、偏好和历史性决策又会不断累积。如果把整段聊天记录或整份 Markdown 记忆库每轮都塞进提示词，Token 会快速增长，关键约束容易被噪声淹没；若在对话前的 pre-step 里依赖远程 Embedding 或向量检索，还会引入网络延迟，断网时甚至可能拖慢主流程。
社区插件 dsh-memory（维护者 ROSESSSSS66，GitHub ROSESSSSS66/dsh-memory）针对上述问题，把「在线召回」和「离线整理」拆成两条环路：快环纯本地、尽量零网络；慢环在空闲时做蒸馏、冲突调和与策略演进，并配有每日 LLM 调用配额。下面介绍其定位、能力与在 DSH Desktop 上的挂载方式。
这是什么¶
dsh-memory 是面向 DeepSeek Desktop (DSH) 的长期记忆插件（当前资料所示版本 v0.7.0，MIT 许可）。存储侧使用 Node.js 内置的 node:sqlite 与 FTS5 全文索引，在线路径不依赖外部 Embedding API；检索侧组合 BM25、实体图谱、类型/时间/偏好通道、128 维本地特征向量与图谱扩散等多路召回，再用动态 Token 预算装箱后注入对话。
插件归类为 DSH 生态的「记忆」能力。社区目录 SkillHub 条目 独立于 DeepSeek / 幻方官方渠道，安装前仍建议自行审阅源码与许可证——插件以 当前 DSH 进程权限 运行，并可读写本地 SQLite 与工程上下文。
核心功能¶
在线快环（对话前注入）¶
快环挂在 DSH 集成层（如 pre-step 动态记忆注入、prompt-section 稳定层注入）。资料中的设计要点包括：
- 多路混合召回：七路并发（BM25、实体图谱、类型意图、时间衰减、偏好直通、128D 向量、GraphRAG 拓扑扩散等），经融合打分与去重后进入装箱。
- Token 预算控制：
governor使用次模贪心式装箱；README 称记忆规模从 1,000 扩到 10,000 条时，单轮动态注入 Token 波动约 0.28%（默认动态预算 1600 tokens，稳定层默认 600 tokens）。 - 延迟：徽章与文档给出的在线检索 p95 约在 0.6～1.4 ms 量级（纯本地，无在线 Embedding 请求）；与 SkillHub 简介中的「p95 < 1ms」表述一致。
- 常驻核心记忆：内置 Letta 风格的
human/persona/project三块；安装或首次启动时可自动初始化，高频验证的偏好可沉淀到核心层。 - 冲突与溯源：支持
supersedes因果链、槽位去重；写入前对敏感凭据做正则脱敏（README 安全章节）。
离线慢环（空闲自愈与演进）¶
慢环在会话空闲时调度，依赖可选的 OpenAI 兼容 LLM 做 distill-v2、reflect-v2、consolidate-v2、Mem0 式冲突调和、RIME 检索修复、EvolveMem 策略实验等。默认 每日硬配额：≤ 40 次调用 / ≤ 200,000 Tokens（ledger）。
未配置 LLM 时，README 强调 在线召回仍可在本地完成；慢环相关能力则无法充分运行。侧栏 记忆中心 控制台可配置宿主内置模型或外部兼容端点，550ms 防抖自动落盘。
侧栏与工具面¶
- Claude Studio 风格侧栏：遥测记忆水位、Memory Doctor 健康分、策略版本、配额等；界面设计仅保留「模型配置」主入口（README 说明由测试约束）。
- 斜杠指令：聊天内
/memory系列（如status、doctor、heal、core、reconcile等，文档列出 20+ 子命令）。 - 模型工具：聚合工具
memory，以及memory_search、memory_note、memory_feedback等，供智能体在推理中按需检索或记笔记（memory_note有每轮 ≤ 3 次限流）。
数据库默认路径：~/.dsh/storages/dsh-memory/memory.db。
快慢双环如何协作¶
flowchart LR
subgraph Fast["在线快环 · 无网络依赖"]
Q[用户输入] --> R[多路召回与融合]
R --> G[Token 装箱]
G --> P[稳定层 + 动态层注入]
end
subgraph Slow["离线慢环 · 配额内 LLM"]
E[会话与反馈] --> S[空闲调度]
S --> D[蒸馏 / 调和 / 修复 / 策略进化]
D --> DB[(SQLite WAL)]
end
Fast --> DB
Slow --> DB
Slow -.->|更新记忆与策略权重| Fast
快环负责每轮低延迟注入；慢环把结构化结果写回同一 SQLite 库，并可能调整检索策略。负向反馈（文档阈值 r ≤ -0.6）可触发 RIME 修复入队。
安装与启用¶
环境要求（README）：Node.js ≥ 24.0.0（使用内置 node:sqlite，资料称无需额外 C++ 编译工具链）。
在本地准备好 dsh-memory 源码目录后，于该目录执行依赖安装与构建：
npm install
npm run build
构建产物包括 dist/index.js（服务端插件入口）、dist/client.js（侧栏前端）、dist/eval-cli.js（评测 CLI）。postinstall 脚本也会在安装阶段参与初始化逻辑。
挂载到 DSH Desktop¶
编辑 DSH Desktop 补丁配置（文档默认路径 ~/.dsh/profiles/desktop/cordis.patch.yml），追加：
- insert:
- id: dsh-memory
name: dsh-memory
config:
enabled: true
dynamicBudgetTokens: 1600
stableBudgetTokens: 600
dailyLLMCalls: 40
dailyLLMTokens: 200000
在 ~/.dsh/profiles/desktop/package.json 中为本地包添加软链（路径改为你机器上的实际目录）：
{
"dependencies": {
"dsh-memory": "link:/path/to/dsh-memory"
}
}
保存后 DSH 通过 HMR 加载插件，侧栏出现记忆中心入口。SkillHub 页面对安装对象的表述为「请安装 DSH 插件 ROSESSSSS66/dsh-memory」，具体方式仍以上述 README 挂载步骤为准。
配置离线慢环 LLM（可选）¶
慢环需要兼容 OpenAI 协议的 API。可在同一 config 下增加例如：
llmBaseUrl: "https://api.example.com/v1"
llmApiKey: "your-key"
llmModel: "your-model-name"
README 示例中曾引用第三方中转服务；你也可使用 DSH 宿主内置模型（侧栏配置）。密钥将进入本地配置，请勿提交到版本库。
package.json 中的 peerDependencies 包括 @deepseek-ai/dsh（>=0.1.0-rc.7）、@deepseek-ai/cordis、@deepseek-ai/schemastery 等，需与当前 DSH 版本匹配。
典型用法¶
工作区冷启动与体检¶
首次使用或换工程后，可在聊天中执行：
/memory init
强制重扫时文档提供 /memory init --force。查看分布与配额：
/memory status
对库做健康检查并可加自动修复：
/memory doctor
/memory doctor --fix
维护核心记忆块¶
查看或更新常驻块（human / persona / project）：
/memory core project
/memory core project 本项目使用 pnpm，开发端口 8080
开发与验收¶
维护者仓库提供门禁命令：
npm run check
npm run eval
文档称内置 120 条评测用例、npm run check 覆盖 51 个测试套件、322 项测试；聊天内也可 /memory eval 做原地回归。
适用场景与注意¶
更适合：长期在单一 DSH Desktop 工作区内做项目协作、希望记忆留在本机、能接受 Node 24+ 与 Cordis 补丁挂载方式的开发者。
需要留意的点：
- 权限与隐私：记忆库和工程扫描结果落在用户目录下的 SQLite；安装前请阅读源码与 MIT 许可证，确认脱敏与数据路径符合你的合规要求。
- 慢环成本：离线演进消耗 LLM Token，受
dailyLLMCalls/dailyLLMTokens约束；不配置 LLM 时仅享受快环本地召回。 - 挂载方式：官方文档以 本地
link:依赖 +cordis.patch.yml为准，而非单纯的「一条 marketplace 命令」；路径需按操作系统填写（README 示例含 Windows 风格路径）。 - 生态定位：SkillHub 为社区目录，与「一切皆插件」的 DSH 理念一致，但不代表官方应用商店；仓库当前 GitHub 1 star（截至撰稿所给线索），生产使用前建议自行跑
npm run check/npm run eval。
结尾¶
dsh-memory 把 DSH 对话里的长期记忆做成「本地毫秒级快环 + 配额化慢环」的组合：快环用 SQLite FTS5 与多路召回控制注入体积；慢环在空闲时做提炼、调和与策略迭代。若你在找纯本地、可解释的 Agent 记忆方案，可以从目录页与仓库 README 对照版本 v0.7.0 的配置项与 /memory 指令起步。
