前言¶

在 DeepSeek Harness（DSH）里跑 Agent，常见问题是：同类失误会在不同任务里重复出现；当前会话结束后，上下文不一定保留；换一个新会话，之前的修正也不一定被沿用。只靠加长 system prompt 能塞下静态规则，却很难自然记录「这次具体出了什么问题、怎么改的、后来有没有再验证」。

下面介绍社区插件 dsh-lessons（维护者 duahciM，SkillHub 分类为工作流）。它尝试把「任务执行 → 结束复盘 → 结构化记忆 → 后续按作用域注入」串成闭环，让一次任务里形成的经验有机会迁移到后续独立任务。README 与目录页均标明这是实验品，效果不保证；是否值得接入，需要结合自己的任务形态和合规要求自行判断。

这是什么¶

dsh-lessons 是 DSH 上的元认知类插件：用 task_start / task_end 划定任务边界，在任务结束时生成决策轨迹与复盘材料，经 task_reflect 把经验写成可治理的记忆，并按 global、session、reflection 三层作用域注入 system prompt 的 ## Accumulated Lessons 区段。

• 插件包名：dsh-lessons，当前版本 0.2.2（MIT 许可证）
• 运行环境：README 写明 DeepSeek Harness 0.2.2-rc.1；package.json 要求 dsh >=0.2.1-rc.5，Node ^22.19.0 || >=24.0.0
• 社区目录：SkillHub - dsh-lessons（独立社区站点，与 DeepSeek / 幻方无官方从属关系）
• 源码：github.com/duahciM/dsh-lessons

插件在分工上明确：程序负责记录、结构校验与注入流程；模型负责语义分类、冲突判断和任务反思。

核心机制¶

闭环与四个工具¶

插件设想的闭环如下：

任务开始 → 决策 → 任务结束 → Agent反思 → 结构化记忆
   ↑                                           │
   └──────────── 后续任务读取并应用经验 ────────┘

对外暴露四个工具（名称与参数以 README 为准）：

task_end 会在任务时间窗内整理决策轨迹（用户请求与纠正、Agent 对外表述等），反思对象是 Agent 的工作决策，而不是完整的工具调用技巧清单。任务状态包括 succeeded、failed、abandoned、aborted。

三层记忆与注入¶

注入由作用域决定；经验可晋升到 global 或指定 session，晋升是状态迁移而非复制条目。三层目前渲染在同一 system prompt 区段，按层分组。

经验字段与治理¶

单条经验的核心字段包括：problem（现象）、attempted（当时做法）、correction（应当怎么做）、applies_when（适用条件）、confidence（low/medium/high）。写入时由模型声明与已有经验的关系：new / repeat / revise / none；生命周期含 active、superseded、deprecated、deleted 等。冲突关系可声明为 condition、goal、contradiction、apparent，渲染时并列呈现，不由程序自动裁决。

决策环境快照¶

task_start 会把当时实际生效的经验冻结进 task_open 记录，避免事后修改记忆库改写历史任务「当时看到的约束」。反思材料里可呈现 DECISION ENVIRONMENT 段；渲染是否简略由配置项 environmentInBrief（默认 true）控制。记录与渲染可分开取舍：快照始终落盘，关掉简略渲染可减少复盘时的 token，但不影响按 id 反查。

默认开启的 silentReflection 要求模型在思维链内完成复盘，直接调用 task_reflect，对外最多一行说明任务是否成功，以减少重复输出 token 和决策轨迹污染（详见 README 第 2.4 节实测说明）。

安装与启用¶

依赖方面：无外部服务，零 npm 依赖（仅 Node 内置模块）。安装前建议浏览仓库源码与 MIT 许可证；插件以当前 dsh 进程权限运行，数据目录由你配置，需自行评估路径与备份策略。

方式 A：DSH 界面（推荐）¶

1. 打开 DSH，进入 插件 → 添加插件。
2. 输入 dsh-lessons（或仓库地址 https://github.com/duahciM/dsh-lessons），点击 安装。
3. 安装完成后点击 立即启用。

方式 B：命令行¶

Web 模式示例：

dsh plugin --profile web add dsh-lessons

命令行安装后请重启 dsh web。Headless 用户请使用 --profile headless。

配置要点¶

插件通过 cordis.patch.yml 挂载；下列片段摘自官方文档，安装后可在对应配置中按需修改路径与开关：

- insert:
    - id: lessons
      name: 'dsh-lessons'
      config:
        taskDir: '<你的数据目录>/dsh-lessons-data'
        fsyncEvery: 16
        taskBoundaryHints: true
        injectReflection: true
        recordEvents: true
        stateFromFile: true
        silentReflection: true
        lessons:
          enabled: true
          maxLessons: 0
          diagnostics: true
          scopes:
            global: true
            session: true
            reflection: true
          batching: true
          instantNotice: true
          commitEvery: 8
          commitEveryTokens: 0

taskDir 决定任务记录与经验的存放位置。stateFromFile: true（默认）时，进程重启可从 tasks.jsonl 重建进行中任务等状态，避免 task_end 报 no open task。batching 与 instantNotice 用于在「system prompt 全量重算成本高」与「新反思尽快可见」之间折中：未达提交阈值时先发 plugin 通知，达到 commitEvery 等阈值后再更新 system prompt 区段。

典型用法¶

Agent 侧流程¶

系统提示会引导 Agent：任务开始前调用 task_start（文档要求其为任务第一项动作）；有明确结果后调用 task_end；根据复盘材料调用 task_reflect 写入结构化经验。若任务开始后才补开 task_start，插件无法补回此前未收录的决策过程——这是 README 明确写明的限制。

需要追溯某条经验时，由 Agent 自行决定是否调用 lessons_lookup(lesson_id)，以换取完整来源链（目标、结果、事件区间、任务开启时的其他经验等），而不是在每次反思时预塞全部来历。

人工维护记忆¶

在插件目录下，可用附带的 CLI 做审计与治理（会话 id 等参数以你环境为准）：

node tools/lessons.mjs list --session <会话id>
node tools/lessons.mjs check
node tools/lessons.mjs add --scope global --pattern "…" --correction "…" \
     --applies-when "…" --boundary "为什么属于这一层"
node tools/lessons.mjs move <id> --to global
node tools/lessons.mjs remove <id>
node tools/lessons.mjs remove <id> --yes
node tools/deprecate.mjs <id> --reason "…"
node tools/deprecate.mjs --list

remove 默认只预览、exit 3 等待确认；--yes 才写入墓碑。这与 README 中「危险操作需审批」的设计一致。

适用场景与注意¶

更适合谁： 希望在 DSH 工作流里显式区分「任务边界」、愿意让 Agent 在任务结束后做结构化复盘，并把经验按会话/全局分层注入后续对话的团队或个人。SkillHub 将其归入工作流类插件，与「纯工具封装」型插件的定位不同。

务必留意的限制（摘自 README 第三节，此处只列要点）：

1. 任务边界仍依赖模型是否调用 task_start / task_end，漏开会缺决策轨迹。
2. 分层、冲突、重复等语义判断由模型负责，结构检查器无法识别「分错层」或空泛 boundary。
3. 三层共用一个 system prompt section，内容变化可能触发较大范围的提示词缓存重算（README 给出过量级实测，因使用方式而异）。
4. 插件自述为实验品，第四节实验数据需在仓库内查阅，不宜在未经复现的情况下当作生产 SLA。

经过上面的步骤，若你已在测试环境验证安装、数据目录权限与复盘流程，再推广到日常会话会更稳妥。

结尾¶

dsh-lessons 把 DSH「一切皆插件」的思路落到 Agent 元认知上：用工具划定任务、用结构化字段沉淀经验、用作用域与治理规则控制注入，并保留按需溯源能力。它不替代你自己的评测与合规流程，而是在 Harness 内多一层可审计的记忆闭环。

• 社区目录：https://www.skillhub.cn/plugins/duahciM/dsh-lessons
• 源码与完整说明：https://github.com/duahciM/dsh-lessons