前言¶
在 DSH 裏做 Agent 開發時，模型上下文往往裝不下整盤資料：把大量 PDF、Office 文檔整篇塞進會話既費 token，也不利於按關鍵詞定位。常見做法是手工整理少數 Markdown，或靠外部雲盤搜索，但本機 C: / E: 裏散落的歷史文件很難被 Agent 穩定引用。
下面介紹的 dsh-local-kb（維護者 hql6662）把指定磁盤下的文檔抽成純文本，寫入本機 SQLite FTS5 trigram 索引；通過 DSH 側欄搜索面板人機檢索，並向 Agent 暴露名爲 kb 的工具，默認只返回短片段與元信息，按需纔讀單篇正文。插件在 SkillHub 目錄分類爲「記憶」，當前 GitHub 星標爲 0，版本 0.2.0（MIT）。
這是什麼¶
dsh-local-kb 是 DeepSeek Harness 的本地知識庫插件：掃描本機盤符（README 示例爲 C: / E:），支持 PDF、Markdown、TXT、Word、PPT、Excel、EPUB、MOBI、CHM、RTF、HTML、JSON、CSV 等格式的正文抽取，在 kb.sqlite 中建全文索引；索引列包含 文件名、正文、完整路徑，因此即使用戶不記得文件名或正文措辭，仍可按目錄名、路徑片段（如 Desktop、實驗三）檢索，或用瀏覽模式按修改時間翻最近文件。
設計原則寫得很直白：省 token——檢索在腳本與 SQLite 中完成，搜索結果只給 snippet；Agent 只有顯式 action=get 時纔讀單篇，默認截斷 8000 字（上限可配到 40000），不會把整庫灌進上下文。
核心功能¶
索引與存儲¶
| 項 | 路徑（README 示例環境） |
|---|---|
| SQLite 索引 | C:\Users\hql\.dsh\local-kb\kb.sqlite |
| 配置 | C:\Users\hql\.dsh\local-kb\config.json |
| 構建報告 | C:\Users\hql\.dsh\local-kb\build_report.json |
| AI 標註（獨立庫） | C:\Users\hql\.dsh\local-kb\labels.sqlite |
| 構建腳本 | tools/build_kb.py |
| 查詢 CLI | tools/kb_query.py |
重建索引可在面板「設置」中調整掃描磁盤、單篇最大字數、Python 解釋器後點「重建索引」；後臺重掃約 1–5 分鐘，期間舊索引仍可用。README 記載示例庫約 23,047 篇文檔（含電子書與舊 Office 正文），並帶規則預打的 useful / topic 標籤。
側欄面板¶
面板頂部展示文檔數、已索引字數、索引大小、構建時間與就緒狀態。搜索支持文件名、正文、路徑；中文三字以上走 FTS5 trigram，短詞退化爲文件名加開頭匹配。「瀏覽」在無關鍵詞時按修改時間倒序列出全庫，可疊加類型、磁盤、路徑包含、時間範圍（7 / 30 / 365 天）、排序等篩選。結果卡片可打開預覽抽屜（默認 8000 字片段），並支持打開文件、資源管理器中顯示、複製路徑。
每篇文檔有兩類內容識別標籤：useful（high / possible / low）與 topic（study / work / code / life / reference / other）。規則基線在 build_kb.py 的 classify_labels() 中零模型成本寫入；拿不準的可通過面板「AI 批量識別」喚起 DSH Agent，用 kb 工具按路徑與開頭片段批量複覈，標註存在獨立的 labels.sqlite（主鍵爲路徑，重建索引不丟 AI 標註）。
Agent 工具 kb¶
常用 action 如下（完整表見倉庫 README）：
| action | 用途 |
|---|---|
search（默認） |
全文檢索，參數含 q、limit、ext、path、days、useful、topic 等 |
browse |
無關鍵詞按時間瀏覽，可疊加篩選 |
stats |
索引健康與分組統計 |
get |
按 id 讀單篇正文，max 默認 8000 |
candidates / label / label-status |
AI 批量識別與寫回標註 |
rebuild / rebuild-status |
後臺重建與進度 |
示例（來自 README）：
kb {action:"search", q:"HarnessMM", ext:"pdf"}
kb {action:"get", id:21222, max:8000}
kb {action:"browse", path:"Desktop", days:30, ext:"doc", sort:"mtime", limit:20}
kb {action:"search", q:"實驗三"}
最後一條說明路徑列也會被索引：正文未出現「實驗三」時，目錄名仍可命中。
本地 HTTP API¶
插件在本機提供前綴 /local-kb/api 的接口（由 DSH WebServer 路由），包含 health、stats、search、browse、doc、candidates、labels、config、rebuild 等；README 寫明僅監聽本機、無需鑑權。
命令行等價¶
不經過 GUI 時可直接調用 tools/kb_query.py，例如：
PYTHONUTF8=1 python tools/kb_query.py stats
PYTHONUTF8=1 python tools/kb_query.py search --q "知識庫" --limit 20
PYTHONUTF8=1 python tools/kb_query.py browse --path Desktop --days 30 --ext doc --sort mtime --limit 20
PYTHONUTF8=1 python tools/kb_query.py get --id 21222 --max 8000
重建索引需系統 Python 帶 fitz（PyMuPDF）；電子書與舊 Office 部分抽取器已 vendor 在 tools/vendor/，README 稱無需額外 pip。示例完整命令：
PYTHONUTF8=1 C:/Python314/python.exe tools/build_kb.py --roots "C:/,E:/" \
--db "C:/Users/hql/.dsh/local-kb/kb.sqlite"
安裝與啓用¶
README 給出的安裝方式不是 dsh plugin add github:...，而是對本地插件目錄執行 bundle 安裝。示例插件目錄爲 E:\dsh files\local-kb：
plugin_manager action=install_bundle target=E:\\dsh files\local-kb
安裝後側欄未出現時，可先硬刷新 GUI（Ctrl+Shift+R）；部分客戶端模塊需 DSH 完全重啓後才生效。package.json 要求 Node >= 22.0.0。
典型用法¶
只記得「大概在哪個文件夾」：在搜索框或 path 過濾裏輸入路徑片段，或用 browse 加 days、ext 縮小範圍；CLI 等價如 kb_query.py browse --days 7 --ext docx。
讓 Agent 查資料但控制 token：先 search 或 browse 拿 id 與 snippet，確認後再 get；批量內容識別用 candidates + label，增量模式在首次全量 full 跑完後只處理無 AI 標註的新增文件。
按價值與主題篩庫：規則或 AI 合併後的 useful / topic 可疊加到 search、browse，例如 search --q 論文 --useful high --topic study。
適用場景與注意¶
適合已在 Windows 上把學習與工作文檔分散在多盤符、又希望在 DSH 內統一檢索、並讓 Agent 以片段優先方式引用本機資料的用戶。當前 README 與路徑示例均圍繞 Windows（C:\Users\...、盤符掃描）；Linux 用戶需自行對照配置與腳本是否匹配本機佈局。
插件以 當前 DSH 進程權限 掃描與讀取文件，安裝前應閱讀 倉庫源碼 與 MIT 許可證，確認掃描範圍（默認可覆蓋整盤）符合個人或組織安全策略。本地 HTTP API 無鑑權，僅應在本機可信環境使用。
SkillHub 等社區目錄與 DeepSeek / 幻方無官方從屬關係；插件列表裏的「記憶」分類描述的是能力取向，不等同於官方產品能力。
結尾¶
dsh-local-kb 把「本機文檔在哪、寫了什麼」拆成 SQLite 側索引 + 側欄面板 + kb Agent 工具三層：人機都能搜，Agent 默認只喫片段。若要查看簡介與分類，可打開目錄頁 SkillHub · dsh-local-kb；安裝細節、API 字段與格式抽取表以 GitHub 倉庫 README 爲準。
