前言¶
跑 DSH 做智能體時，會話上下文往往只覆蓋當前對話：上一輪說的偏好、約定好的事項，換幾輪就沒人再提了。把整段歷史硬塞進 system prompt 會撐爆窗口，還會打亂前綴緩存。社區插件 dsh-brain-memory（維護者 Samanthara726）的思路是：記憶落在獨立 SQLite 庫裏，由本地 Python 服務讀寫；插件只負責注入、落庫和暴露工具，不改動 DSH 自帶的人格與人格管線。分類上它歸入「記憶」；簡介爲「Prevent your DSH from experiencing memory loss!」。當前倉庫版本爲 2.1.0（MIT）。
這是什麼¶
dsh-brain-memory 給 DSH 接一套偏「模擬人腦」的長期記憶：FSRS-5 遺忘曲線、性格權重、中文 2-gram 檢索，以及可選的本地向量（CPU，不佔顯存）。記憶與 DSH 自身的 session 存儲分離；每輪對話可按策略把穩定事實寫進上下文，回合結束自動把最後一問一答當流水落庫。v2.1 起長期事實（帶 why / factKey）常駐注入，對話流水只入庫、不進提示；同一 factKey 更新會取代舊說法，但庫內不物理刪除。
在 DSH 裏的三條貢獻¶
插件通過 Cordis 掛三條線，README 裏寫得很清楚：
注入（system-prompt/assemble 瀑布）：每輪拉一次當前有效的長期事實塊（服務端 /facts，字數受 DSH_BRAIN_FACTS_CHARS 限制），只取帶 factKey 或釘住的條目，避免每輪按話題換新段落打斷前綴緩存。
落庫（agent/settled）：回合結束時把「最後一問 + 最後答」當流水寫入，importance 壓到 0.15，不帶鍵、不釘住——可查、但不注入提示。
工具（brain_memory）：write 記帶 why / factKey 的事實；recall 翻舊賬（deep=true 含被取代的舊說法）；facts 看當前注入塊；stats 看庫狀態。
三條底線：只加記憶、不動人格；召回超時 800ms 失敗則視爲無記憶；注入文本中的 {{ 會被拆開，避免搞砸 system-prompt 變量插值。
記憶服務與 v2.0 能力¶
| 維度 | 1.0 | 2.0+ |
|---|---|---|
| 遺忘 | 線性衰減 | FSRS-5（每條有牢固度 S、難度 D） |
| 召回 | 中文 2-gram | 2-gram + 可選本地向量，RRF 合併 |
| 人物檔案 | 無 | 賬本表（喜歡/不喜歡/事實/經歷/約定等） |
| 觀察 | /stats |
/graph + 只讀 3D 星腦面板 |
老庫啓動會自動遷移；插件側 lib/index.js 在 v2.0 說明中標註爲接口向後兼容。
主要目錄：lib/index.js（Cordis 插件）、server/memory_service.py（標準庫、Python 3.10+）、可選 server/embed_service.py（torch + transformers）、scripts/memory-nebula.mjs（面板，Node 18+）。
安裝插件¶
DSH 桌面版沒有 dsh plugin add，需與現有社區插件相同的手工流程：
- 將整個插件目錄放到
~/.dsh/plugins/dsh-brain-memory - 在所用 profile 的
package.json裏增加依賴與 bundle：
"dependencies": { "dsh-brain-memory": "link:../../plugins/dsh-brain-memory" },
"dsh": { "profile": { "bundles": ["dsh-brain-memory"] } }
- 在
~/.dsh/profiles/<profile>/node_modules下建立同名 junction - 重啓 DSH（或等待熱加載），日誌出現
dsh-brain-memory即表示加載成功
package.json 要求 Node >=20。
啓動記憶服務¶
默認啓動記憶服務監聽 127.0.0.1:8790；接本插件時端口應設爲 8793（插件默認連該地址）：
MEM_PORT=8793 python server/memory_service.py
建議把庫放到 DSH 專用目錄，避免多實例混用，例如（Windows 示例來自 README）：
MEM_DB=%USERPROFILE%\.dsh\brain-memory\memory.db
需要語義檢索時再開向量服務（可選）：
pip install torch transformers
huggingface-cli download BAAI/bge-base-zh-v1.5 --local-dir state/models/bge-base-zh-v1.5
python server/embed_service.py
向量服務默認端口 8794；掛了也不影響主流程，會退回純 2-gram。
插件側配置¶
| 變量 | 默認 | 說明 |
|---|---|---|
DSH_BRAIN_URL |
http://127.0.0.1:8793 |
記憶服務地址 |
DSH_BRAIN_DIR |
~/.dsh/brain-memory |
插件日誌目錄 |
DSH_BRAIN_RECALL_TIMEOUT |
800 |
召回超時（ms） |
DSH_BRAIN_WRITE_TIMEOUT |
2500 |
落庫超時（ms） |
DSH_BRAIN_FACTS_CHARS |
1600 |
每輪注入事實塊字數上限 |
服務端更多項見倉庫 docs/參數與調優.md（MEM_DB、MEM_PORT、MEM_K 等）。
常用 HTTP 接口包括：GET /health、/stats、/facts；POST /write、/recall、/facts（生成注入塊）、POST /delete（軟刪）等，完整列表見 README。
典型用法¶
通過工具寫長期事實：模型調用 brain_memory 的 write，帶上 why 與 factKey，後續每輪 /facts 會穩定注入；事實變更時用同一 factKey 再寫一條即可取代舊條。
按話題翻舊賬：用 recall，必要時 deep=true 查看被 supersede 的歷史說法——這與「每輪自動按話題注入」刻意分開，避免上下文每輪抖動。
可選星腦面板（只讀，寫接口 403）：
MEM_BASE=http://127.0.0.1:8793 node scripts/memory-nebula.mjs --open
自測（README 給出，避免污染真庫）：
python test/selftest-memory-factkey.py
MEM_PORT=8794 MEM_DB=./tmp/db.sqlite MEM_LOG=./tmp/svc.log python server/memory_service.py
DSH_BRAIN_URL=http://127.0.0.1:8794 node test/smoke.mjs
適用場景與注意¶
適合：希望 DSH 智能體跨多輪記住用戶偏好、約定與可版本化事實，又不願把整個聊天記錄塞進 system prompt 的開發者。流水仍入庫，便於事後 recall 或面板觀察；穩定知識走 factKey 注入，和「聊天片段每輪變化」解耦。
務必注意：插件與記憶服務以你本機 DSH 進程的權限運行，安裝前應通讀源碼與 MIT 許可證；可選向量依賴會拉取 Hugging Face 模型，需自行評估磁盤與網絡。升級 v2.0 時 README 建議先備份 SQLite（WAL 模式下勿只拷 .db），換服務代碼後老庫可自動 FSRS 遷移；若啓用向量，可按文檔對老記憶 POST /reindex。
DSH 生態主張「一切皆插件」；SkillHub 目錄頁 是社區收錄，與 DeepSeek / 幻方無官方從屬關係。
結尾¶
dsh-brain-memory 把遺忘曲線、檢索與事實鍵取代做成獨立服務 + 薄插件：長期事實常駐注入，對話流水靜默落庫，需要時再靠工具翻賬。進一步瞭解原理與排障可看倉庫內 docs/說明書.md、docs/FAQ.md。
- 目錄頁：https://www.skillhub.cn/plugins/Samanthara726/DSH-Brain-Memory
- GitHub：https://github.com/Samanthara726/DSH-Brain-Memory
