alice-memory
Manifest validLong-term memory for DSH: rule gates capture durable facts from conversation turns into a single SQLite database with tiered hot, warm and cold storage; recall injects hybrid vector plus FTS5 hits int
alice-memory
给 DeepSeek Harness 用的长期记忆插件。
会话结束后自动把值得记的东西落库,下一轮对话时按语义相关性静默召回。另外给一组显式工具,随时记、随时想、随时忘。
两个版本,同一份数据。 本仓库是默认零模型调用那条:不额外花钱、不额外发请求,装完不配任何东西就能跑,代价是判定靠形式规则——规则能拦形式,拦不住内容,形式过关的闲聊也会被记下来。想要更干净的库、不在乎那点模型调用费,用支线 alice-memory-llm:捕获不再靠规则闸门,随口闲聊进不来,只把主对话模型提炼出的一句话条目写进库。数据目录、表结构、向量检索和工具都一样,两条线随时换着装,记忆不会丢。
零第三方依赖,纯 Node(node:sqlite),不需要 Python、不需要额外数据库服务。
测试基线:开发与验证全部在 npm 方式安装的 DSH 上完成(
npm i -g @deepseek-ai/dsh,浏览器打开dsh web的 GUI)。Electron 桌面版没有测过,不保证能用。
它能干什么
自动捕获 + 自动召回。 每轮结束时判断这段对话值不值得记——「好的」「继续」、斜杠命令、插件自己的注入都会被过滤掉——压缩成脱敏后的问答文本落库。下一轮对话开始前,按语义相关性静默取回最相关的几条塞进上下文,你不需要开口说「回忆一下」。
手动记、手动想。 你说「记一下」「记住」,它写一条 pinned 记忆,永久保留、不衰减、不会被清理。你说「回忆一下」「之前那个」,它主动检索给你。
冷热衰减分层。 不是所有记忆都值得每轮扫一遍。按「时间衰减 + 被强化次数」把记忆分成 hot / warm / cold,只有热的常驻内存参与每轮检索,冷的留在磁盘上按需唤醒。记忆量从几十条长到上万条,召回延迟基本不变。
批量整理工具。 记忆会不知不觉混进没用的条目,也会把同一件事记成好几遍。alice_memory_tidy 用一个入口干三件事:翻条目、按 id 批量删、把多条合并成一条新总结。代码先用向量把「可能重复」的成簇、把空壳挑出来,把候选池收紧,语义判断留给你。
可以接入 cron 自动整理。 插件本身不做调度——要不要定期整理、隔多久一次、整理完报告投到哪,都是你自己的事。想每半月跑一轮的话,见 TIDY.md 末尾那份可直接喂给 agent 的任务说明。
记忆是普通数据。 存在一个 SQLite 文件里,可以看、可以 export 成 jsonl、可以精准删、可以整个库搬走。
适用人群
适合你,如果:
- 你天天用 AI 干活,希望它能记住上周定下的方案、这个项目用的规范、你反复交代过的偏好。
- 你的记忆量迟早会上千条,而「把所有历史塞回上下文」早就撞墙了。
- 你接受为 embedding 付费,或者愿意在本机跑一个向量模型(不配也能用,只是退化成关键词检索)。
- 你想让记忆可见、可改、可删,而不是黑箱。
不适合你,如果:
- 你只想记几条稳定的小事实(喜欢什么语言、这个项目用什么包管理器)。那种场景用 Markdown 文件 + 每轮注入就够了,简单、透明、零成本,还能用 git 管。
- 你的环境装不了 Node,或者用不了
node:sqlite(要求 Node ≥ 24)。
用之前要想清楚的代价
一、想要语义召回,就必须自己配一个向量服务。
不配也能用——插件会自动退化成纯全文/关键词检索:记忆照常写、照常召回,只是「上次那个备份」和 memory-backup-20261008 这种换个说法的情况对不上号。这是默认状态,零成本、零外部依赖。
要开启真正的语义召回,填 embedding.url / embedding.model,再把 key 写进 $DSH_HOME/.env。两条路:
- 调云端 API。 便宜但不是免费,而且记忆正文会发给服务商。任何 OpenAI 兼容的
/v1/embeddings接口都行,不限于某一家。 - 本机跑模型。 数据不出机器,但要自己装、自己维护,占内存也占启动时间。
这两条都不接受的话,就停在纯文本检索模式——功能完整,只是召回靠字面匹配。
二、冷层不是免费午餐。
老记忆不在内存里,召回时要唤醒后台线程扫磁盘,那份延迟算在你这一轮的等待里。
三、复杂度是真的。
这套东西比「一个 Markdown 文件」复杂得多。出问题时排查路径更长,所以带了 CLI 和 doctor 子命令。如果你不需要跨几千条记忆做语义召回,这些复杂度就是白付的。
四、两个版本各有各的代价。
本仓库是规则判定:零成本,但拦不住「形式过关、内容没价值」的闲聊。LLM 版判定更准,但每次提炼要调一次模型,那是真金白银。
安装
第一步,装插件。
dsh plugin --profile <你的 profile> add dsh-alice-memory
国内网络加个镜像会快很多:--registry https://registry.npmmirror.com。
不想走 npm,也可以从 git 装(要求 GitHub 直连可达):
dsh plugin --profile <你的 profile> add github:cycocyco/alice-memory
想先看一遍代码再装,就链本地源码:
git clone https://github.com/cycocyco/alice-memory.git
dsh plugin --profile web add file:/absolute/path/to/alice-memory
第二步,重启 DSH。
插件是后端插件,改完必须重启进程,没有热重载。装完重启,插件会自己建库、自己往内存里灌索引,不需要初始化脚本。
要求 Node ≥ 24(node:sqlite 从 24 起稳定)。
第三步,确认它跑起来了。
alice-memory status
到这一步就已经能用了——捕获、召回、工具全部工作,召回走全文/关键词通道。
第四步(可选,但强烈建议):接一个向量服务,开启语义召回。
见下面的配置一节。不接也能用,只是换个说法就召不回来了。
配置
插件开箱即用,默认配置在 lib/config.mjs 里。要改就把 config.example.json 复制成插件目录下的 config.json(config.json 已在 .gitignore 里,不会被提交)。
默认不预设任何向量服务商——embedding.url 和 model 都是空的。想开启语义召回,自己填:
{
"data_dir": "", // 留空 = $DSH_HOME/alice-memory
"scope_id": "default", // 多套记忆用不同 scope 隔离
"api_key_env": "EMBEDDING_API_KEY",// 密钥从这个环境变量读
"embedding": {
"url": "", // 任何 OpenAI 兼容的 /v1/embeddings 接口
"model": "", // 服务商侧的模型名
"dimensions": 1024 // 必须和模型的输出维度一致
},
"recall": { "limit": 3, "timeout_ms": 6000, "max_chars": 400 },
"capture": { "min_prose": 25, "daily_cap": 150 },
"memory": { "hot_max": 3000, "warm_max": 12000, "half_life_days": 45 }
}
然后把 key 放进 $DSH_HOME/.env(默认 $DSH_HOME 是 ~/.dsh):
EMBEDDING_API_KEY=你的密钥
比重之优先级:环境变量 > config.local.json > config.json > 内置默认值。
改完用 alice-memory doctor 验一下。 它会真发一次请求,告诉你连通性和维度对不对:
embedding https://你的服务商/v1/embeddings 你的模型 dims=1024
api key ok
probe ok (1024 dims)
没配的时候它会直接说 未配置(url / model / key 缺一),不会假装成功。
换模型等于全库重嵌,维度变了尤其麻烦,选之前想清楚。之前没配、跑了一段时间纯关键词模式的库,配好之后已有的记忆会在后台自动补齐向量,不用手工干预。
工具
| 工具 | 什么时候用 |
|---|---|
alice_memory_save | 「记一下」「记住」——手动存一条,默认 pinned,不衰减 |
alice_memory_recall | 「回忆一下」「之前那个」——主动检索 |
alice_memory_forget | 「删掉关于 X 的记忆」——按 id 精确删;按关键词只列命中,带 confirm 才真删 |
alice_memory_prune | 「清理冷记忆」——列出长期没被召回的冷记忆,默认只预览 |
alice_memory_tidy | 「整理记忆库」「合并重复的记忆」——翻条目 / 批量删 / 合并,默认只出 diff |
整理功能的用法见 TIDY.md。
命令行
排查问题比翻日志快:
alice-memory status # 条数 / 分层分布 / key 是否可用
alice-memory doctor # 真发一次 embedding 探活
alice-memory recall "上周说的那个方案" # 看召回结果和耗时分解
alice-memory remember "以后都用 pnpm" --title 包管理
alice-memory list --keyword 代理 --limit 20 # 翻条目
alice-memory tidy # 整理候选:重复簇 / 空壳 / 久未用
alice-memory merge --ids a,b,c --content "总结" --apply
alice-memory forget --ids a,b,c # 精确批删
alice-memory export dump.jsonl
alice-memory migrate --from /old/memory-store # 把散落在别处的旧库并进当前库
--dir 可以把整套库指到别处试跑,优先级最高(压过环境变量),不会碰你正在用的库。
隐私
三条要说清楚:
- 配了向量服务的话,记忆正文会发给你配的那家。 不想让某段内容外发,就用本地模型,或者把
embedding.url指到自己的网关。不配就完全不出网。 - 默认带脱敏。
redact: true时,sk-、ghp_、github_pat_、xoxb-、AKIA、Bearer、JWT、长 hex、base64 块、-----BEGIN ... PRIVATE KEY-----会被替换成[redacted:xxx]再入库。这是兜底,不是保险箱——别指望它挡住所有形态的密钥。 - 数据全在你自己的机器上。 库文件在
data_dir里,插件不联网、不上传、不统计。仓库里没有任何数据文件。
.gitignore 已经排除了 *.sqlite3*、config.json、.env——如果你把 data_dir 指到仓库里面,记得别手滑 git add -f。
更多
- ARCHITECTURE.md —— 数据模型、召回流程、性能实测、为什么不选更简单的做法
- TIDY.md —— 整理记忆库:候选怎么来、删和合并怎么做、怎么接成周期性任务
- CHANGELOG.md —— 每个版本改了什么、升级会自己做什么
License
MIT
Comments
Loading…
Similar plugins
by xying-lm
5GB local long-term memory for DeepSeek Harness: SQLite/FTS5 auto-capture, per-turn recall injection, web panel. Zero runtime dependencies.
★ 1
MIT
JavaScript
Oct 21, 2026
dsh plugin --profile web add dsh-memory-vaultby kenz1117
Cross-session long-term memory under the "memory palace" metaphor: dual-scope SQLite stores (user + per-git-origin project), hybrid FTS5 + local-vector retrieval with RRF fusion and recency/proof rank
★ 75
↓ 3k/wk
MIT
TypeScript
Nov 17, 2026
dsh plugin --profile web add @kenz1117/dsh-engramby menotbobbybrown
Persistent long-term memory for DeepSeek Harness: a JSON store of typed entries (fact, preference, entity, rule, episodic) exposed as the memory_remember and memory_recall agent tools, with recall ran
★ 0
MIT
TypeScript
Sep 8, 2026
dsh plugin --profile web add @modelnorth/dsh-plugin-memoryby zhujunpeng12
Local-first persistent memory infrastructure for DeepSeek Harness: hot bootstrap, Chinese-BM25 cold recall, lease-lock transactional writes, read-only governance
★ 7
↓ 550/wk
MIT
TypeScript
Nov 1, 2026
dsh plugin --profile web add @zhujunpeng12/dsh-memory-systemPersistent memory for DeepSeek Harness with curated facts, automatic turn retention, and graph- and vector-ranked recall.
★ 0
↓ 59/wk
dsh plugin --profile web add @yushenghai/dsh-memory-pluginby EternalNight996
Self-built DSH memory plugin: SQLite persistent storage + database-level audit guard (enforceAudit) + audit log. Auto-captures knowledge after conversations, agents recall via memory_recall, supports
★ 202
↓ 7k/wk
MIT
JavaScript
Nov 18, 2026
dsh plugin --profile web add memory-eternal