dsh-memory

DeepSeek Harness（dsh）的分层记忆插件：严格分离的项目级 / 全局记忆 + 任务前自动召回 + 任务后持续学习。

当前版本 v0.2.0（变更见 CHANGELOG.md；跨宿主版本升级见 UPGRADE.md；v0.1.0 曾因 patch 缩进错误不可安装，已删除并在 release/v0.1.0 分支重建）。

设计文档（唯一决策存档）：docs/DESIGN.md ｜ 发布与安装：docs/RELEASE.md ｜ 代码审查记录：docs/REVIEW-2026-09-14.md

• 类型：host 插件（cordis v4），TypeScript / ESM，运行期零第三方依赖
• 运行环境：Node ^22.19 || >=24（依赖内置 node:sqlite；构建需要 TypeScript）
• 数据：每个记忆根一个 SQLite 库（node:sqlite + FTS5，WAL）；Markdown/JSONL 作为进 Git 的文本视图
• 隔离：项目记忆只写 <repo>/.dsh/memory，全局记忆只写 ~/.dsh/memory，跨库写入被硬阻断
• 当前进度：M0–M5 全部完成 + 语义检索 + 蒸馏后台运行器（见设计文档 §11、§14）

快速开始

# 安装（发布版：GitHub tag —— 打成 tag 后固定版本，推荐）
dsh plugin --profile nvim-tui add github:kovey/dsh-memory#v0.2.0
# 尚未打 tag 时先用分支体验（不固定版本）：
#   dsh plugin --profile nvim-tui add github:kovey/dsh-memory#main
# 然后把 "dsh-memory" 追加到 ~/.dsh/profiles/nvim-tui/package.json 的 dsh.profile.bundles
# —— 插件自带的 cordis.patch.yml 会插入 id: memory，profile patch 里不要重复 insert
# ⚠️ `dsh plugin add` 只是在 profile 目录里执行 pnpm；**只 add 不加 bundles = 装了但不加载**。

# 本地开发（link 到工作区；`tui` 是生产面，脚本会拒绝操作它）
ln -sfn "$PWD" ~/.dsh/profiles/node_modules/dsh-memory
./scripts/install-into-dsh.sh --dry-run && ./scripts/install-into-dsh.sh

重启 profile 后，插件在 ~/.dsh/memory-plugin.log 打印一行 memory: ready (…) 即为就绪； 模型侧会多出 memory_save / memory_search / memory_recall / memory_get / memory_stats / memory_forget / memory_consolidate / memory_sync / memory_reindex / memory_config / memory_import 共 11 个工具（注册失败的工具不会被协议段宣传）。

状态（M5：全部里程碑完成）

能力	状态
SQLite schema v2（CJK bigram 索引、WAL、迁移）	✅
文本视图 → DB 引导导入（lessons/*.md、metrics.jsonl）	✅
DB → 文本视图导出（lessons/*.md、MEMORY.md）与往返一致性	✅
作用域解析（会话 cwd → 仓库根）与项目/全局守卫	✅
常驻协议段（可开关）+ 项目索引摘要（per-agent scoped section）+ L5 偏好层常驻	✅
11 个工具（含 memory_config 会话级降噪、memory_import 外部导入）	✅
子代理写保护（写类工具统一拒绝，可由 routing.subagentWrite 打开）	✅
门禁三态 pass / regression / **unknown**（无数据不再算通过）	✅
L4 晋升草稿 proposals/<id>.SKILL.md（人审后移动即可，插件不写 ~/.dsh/skills）	✅
agent/pre-step 自动召回（阈值 0.35 / 预算 600 tok / 会话内幂等）	✅
召回记账 usage（注入次数、召回后成败归因）	✅
工具 memory_search / memory_get / memory_recall / memory_stats / memory_reindex	✅
信号采集：工具失败 / 请求失败 / 用户纠正 / 返工（tools/result、agent/request-error、pre-step）	✅
L1 情节落盘：<repo>/.dsh/memory/sessions/*.jsonl + signals 表（脱敏、90 天保留）	✅
有界自动蒸馏：仅疼痛 turn、固定 flash、3s 超时、每会话/每日预算、distill 审计	✅
写入门控：去重合并（相似度 ≥0.7）、泛泛条目拒收、无证据置信度封顶 0.55	✅
召回成败归因：安静且有实际工具调用的 turn 记 success，疼痛 turn 记 failure	✅
工具 memory_save（默认项目级；全局仅跨项目工具链事实）	✅
衰减与归档：TTL 过期、长期 pending 低价值、置信度半衰期（180 天，单次最多 ×0.5，≥7 天一次）	✅
归档不删除：条目文件移入 archive/lessons/，可回查；导出同时维护两份视图	✅
矛盾检测：同主题 + 相反指令 + 共享对象 → conflicts 表；消解需显式 resolveConflicts	✅
晋升提案：times_seen ≥3 且 conf ≥0.9 → proposals 表，人审后才写技能	✅
工具 memory_consolidate / memory_forget；会话创建时惰性触发巩固（每 7 天或每 5 个任务）	✅
技能改造：auto-retrospective / memory-merge 改走插件工具，保留文件降级路径	✅
git 化：git init（全局记忆库已初始化）+ 忽略规则（db/sessions/queue 不入库）	✅
自动提交：task-end（默认，30 分钟检查点节流）/ immediate / off；提交只含记忆目录，绝不 push	✅
memory_sync：commit → fetch → rebase → 冲突按规则合并（lessons 合并 / MEMORY.md 重生成）→ 重建	✅
DB 重建 memory_reindex(rebuild=true)：文本视图 → 库（含 episodes + metrics），克隆后指纹一致	✅
评估门禁：baseline.md 解析（基线任务集）、指标快照冻结、四项指标回归判定	✅
记忆健康度：召回命中率、召回后成败、pending 积压、蒸馏成本/超时、矛盾与提案	✅
门禁三态（pass / regression / unknown——无数据不再算通过）	✅
趋势窗口对比（近 N 天 vs 前 N 天）+ memory_stats({ setBaseline: true, baselineReason: "<谁要求、验证了什么>" })	✅
可选语义召回：OpenAI 兼容 /embeddings + 按内容哈希增量缓存 + 与词法打分混合（默认关）	✅
蒸馏运行器可选 jobs：交给 ctx.jobs，轮次立即结束，作业可见/可取消	✅
实机验证：真实 dsh 宿主中加载、引导导入 18 条、turn 1 自动召回 4 条（533 tok）	✅
质量工序：矛盾/衰减/归档/晋升（M3）	⏳
git 化同步与 --rebuild（M4）	⏳
baseline 回归门禁（M5）	⏳

安装（三端挂载）

插件通过 bundle 层挂载：profile 的 dsh.profile.bundles 列表 + 插件自带的 cordis.patch.yml（id: memory）。insert 是纯追加语义，profile 自己的 cordis.patch.yml 不得再 insert 同 id（loader 对重复 id 直接抛错）。

# 1) 让三个 profile 都能解析到本包（共享的 profiles/node_modules）
ln -sfn "$PWD" ~/.dsh/profiles/node_modules/dsh-memory

# 2) 把 dsh-memory 加进各 profile 的 bundle 列表（幂等，自动备份）
./scripts/install-into-dsh.sh --dry-run   # 先看要改什么
./scripts/install-into-dsh.sh             # nvim-tui / web / headless

覆盖配置：在 profile 的 cordis.patch.yml 里按 id 覆盖（不要重复 insert）：

- config:
    - id: memory
      config:
        prompt:
          protocol: { enabled: false }   # 关掉常驻协议段：零 token
        recall:
          autoInject: false              # 关掉自动召回：完全被动
          budgetTokens: 800
        learn:
          autoDistill: false

工具

工具	说明
memory_search	检索项目 → 全局记忆，返回标题/元数据/摘要（不返回全文）
memory_get	按 id 读取一条记忆的完整正文
memory_stats	记忆库健康度：条目数、pending、过期、召回次数、任务指标
memory_save	写入一条长期经验：默认写项目级；同一门控负责去重/合并/拒收
memory_recall	一次取回任务召回包（项目 + 命中关键词的全局教训，已排序并按预算裁剪）
memory_sync	与远端同步：本地提交 → fetch/rebase → 冲突按规则合并 → 从文本视图重建库（push 仅在显式 push=true 时发生）
memory_consolidate	记忆质量巩固：过期归档 / 衰减 / 矛盾检测与消解 / 晋升提案（默认 dry-run）
memory_forget	退役一条记忆（归档保留文件，不物理删除）
memory_config	会话级降噪（autoRecall: false），不落盘
memory_import	把外部 lesson 文件导入项目/全局库
memory_reindex	从文本视图重建派生索引；rebuild=true 时做完整重建（删除磁盘上已不存在的记录、重导 episodes 与指标）

蒸馏用哪个模型？——默认跟随会话

不需要额外配置：learn.distillModel 留空（默认）时，蒸馏调用直接沿用当前会话自己的 provider/model（agent.options）。想固定用便宜模型时再显式写死：

- config:
    - id: memory
      config:
        learn:
          distillModel: { provider: deepseek-official, model: deepseek-v4-flash }

真机日志会标明实际用的 route，审计表也记录它：

memory: distilled 1 new + 0 merged record(s) from turn 7 via deepseek-official/deepseek-v4-flash

本地语义召回（已实测，推荐做法）

本机已装好 Ollama + bge-m3（1024 维，1.2GB），插件的 remote provider 直接可用：

brew install ollama
brew services start ollama      # 或 ollama serve &
ollama pull bge-m3

在 profile 的 cordis.patch.yml 里（顶层 - id: <entry> + config: 形状）：

- id: memory
  config:
    semantic:
      enabled: true
      baseUrl: 'http://127.0.0.1:11434/v1'
      model: 'bge-m3'
      timeoutMs: 8000      # 冷启动要重新加载模型（约 2.8s），默认 1.5s 会中断自己
      weight: 0.3
      minLexicalHits: 3    # 词法召回 ≥3 条时不再调用（不花冤枉时间）
      minSimilarity: 0.5
      maxAdditions: 2      # 每次最多补几条纯语义命中，防止注入 token 膨胀

实测（19 条真实教训，词法 vs 混合）：

指标	词法	混合
Top-1 命中	6/9	6/9
Top-3 命中	8/9	9/9
改写问法 Top-3	5/6	6/6
原词问法 Top-3	3/3	3/3
平均耗时	0ms	+33ms
注入 token	2670	3606 (+35%)

结论：它救的是"换了说法就搜不到"那类查询（本次是「家目录写不进去」→ 命中「写入可能被沙箱拒绝」）， 对原词查询无影响；代价是 +33ms 与约 +35% 注入 token。复跑实验：

node scripts/eval-semantic.ts --minLex 3 --weight 0.3 --minSim 0.5 --maxAdd 2

真机日志会标明语义贡献了几条：

memory: injected 2 record(s) (~182 tok) [semantic +2, embedded 19] turn 10 step 1 → zh-960299aec0, shell

语义召回实现（可选，默认关）

词法检索（FTS5 + CJK bigram）零成本、离线可用，是默认路径。当它召回不足时，可以叠加 embedding 语义召回：

- config:
    - id: memory
      config:
        semantic:
          enabled: true
          baseUrl: 'https://api.example.com/v1'   # OpenAI 兼容 /embeddings
          model: 'text-embedding-3-small'
          apiKeyEnv: 'EMBEDDING_API_KEY'
          weight: 0.5            # 0=纯词法，1=纯语义
          minLexicalHits: 3      # 词法已召回 ≥N 条时不再调 embedding（不花冤枉钱）
          minSimilarity: 0.35

端点也可以用环境变量间接给出（例如沿用会话同一个网关的地址）：

        semantic:
          enabled: true
          baseUrlEnv: 'DEEPSEEK_BASE_URL'   # 或直接写 baseUrl
          model: 'bge-m3'
          apiKeyEnv: 'DEEPSEEK_API_KEY'

⚠️ 前提是那里真的有 embedding 模型。实测当前会话用的网关 ai.wudi360.../v1 没有任何 embedding 通道（text-embedding-3-small / bge-m3 / embedding-2 / gemini-embedding-001 全部返回 model_not_found），所以语义召回 在本机还无法真机跑通——需要另接一个 embedding 端点（或本地模型）。

行为保证：仅当词法召回不足时才调用；单次调用有超时（默认 1.5s），失败静默降级为词法； 向量按内容哈希缓存，未变动的教训永不重复嵌入；作用域内无记录时直接跳过。 用 memory_reindex({ embeddings: true }) 做一次全量回填，memory_stats 会显示索引与最近错误。

蒸馏放哪跑：inline / jobs

模式	行为	适用
inline（出厂默认）	在 agent/turn-stopping 里有界 await（默认 15s），轮次结束会等它	任何 surface 都成立
jobs	交给 ctx.jobs，轮次 4ms 就结束，作业在作业列表可见	长驻交互会话（nvim-tui / web）

一次性 surface（dsh --profile headless "任务"、e2e）里 agent 在轮次结束即销毁、作业会被取消—— 所以插件带补蒸馏：signals 里没有对应 distill 审计行的组，会在下一个会话的首轮结束时 用 inline 补跑（每作用域每作用域每进程一次，年龄 > 一次蒸馏超时 且轮次已结束才捡）。实测：

会话1: turn 18 distillation handed to job memory-distill-1 → job cancelled (owner disposed)
会话2: recovered 1 undistilled signal(s) from session … turn 18 → created
       （turn 18 | in 300 / out 216 | created 1）

即作业被取消只损失一轮延迟，不丢教训；崩溃/重启中途丢失同理。

配置调参的可靠方式

写进 profile 的 cordis.patch.yml（按 id 覆盖，不重复 insert）：

- config:
    - id: memory
      config:
        learn:
          distillTimeoutMs: 15000   # 实测一次 flash 蒸馏约 4.2s，别设太小
          distillRunner: jobs       # 不想让轮次等待就交给 ctx.jobs
        recall:
          budgetTokens: 800

实测注意：dsh --patch <file> 的 overlay 没有作用到本插件的 config（六次真机运行的 ready 行始终是 默认值）。调参请用上面的 profile patch。

评估与门禁

memory_stats({ windowDays: 30 })                  # 现状 + 健康度 + 门禁判定 + 趋势
memory_stats({ setBaseline: true, baselineReason: "用户要求；v0.4 发布后 7 天无回归" })  # 冻结基线（需理由 + 顶层会话，子代理被拒）

门禁对比四项指标（成功率↑、耗时↓、打扰↓、返工↓），带容差（成功率 ±0.05、耗时 ±15%、打扰/返工 ±0.5）， 退化时报告 REGRESSION 并列出退化项。baseline.md 是人所有、插件只读的文档， 快照存在数据库的 baseline_snapshots 表里。

说明：基线任务集是其他仓库的真实任务，插件无法自动重放，因此它会列出任务清单供人工回归； 它能自动判定的是任务日志实际承载的指标。

跑真机测试（推荐方式）

一次性任务 + 隔离记忆根，既验证完整链路，又不碰你的真实记忆：

# 1) 隔离 profile（base + headless + 本插件）
mkdir -p ~/.dsh/profiles/memlive
cat > ~/.dsh/profiles/memlive/package.json <<'JSON'
{ "name": "dsh-profile-memlive", "private": true, "dependencies": {},
  "dsh": { "profile": { "bundles": ["@deepseek-ai/dsh-base", "@deepseek-ai/dsh-headless", "dsh-memory"], "patchReload": "startup" } } }
JSON
printf '[]\n' > ~/.dsh/profiles/memlive/cordis.patch.yml

# 2) 隔离记忆根（用真实语料播种，便于验证召回）
mkdir -p /tmp/dsh-live-mem && cp -R ~/.dsh/memory/lessons /tmp/dsh-live-mem/lessons

# 3) 真实模型跑一次性任务
DSH_MEMORY_HOME=/tmp/dsh-live-mem dsh --profile memlive \
  "调用 memory_search 搜索 'pnpm install 无 TTY'，然后调用 memory_stats 并汇报记录数"

# 4) 看证据
tail -20 ~/.dsh/memory-plugin.log

DSH_MEMORY_HOME 会把全局记忆根重定向到临时目录（项目级作用域由会话 cwd 决定，不受影响）。

开发

npm install           # peer @deepseek-ai/* 已在 devDependencies（干净 clone 也能构建）
npm run build         # tsc → dist/（dist/ 入库，github: 安装免构建）
npm test              # 构建后 node --test（Node 原生 TS 执行测试；v0.2.0 为 178 例）
npm run typecheck     # 只做类型检查

测试全部在仓库内 .tmp-tests/ 运行，并把全局记忆根重定向到临时目录，不会触碰 真实的 ~/.dsh/memory。

记忆会膨胀吗？

上下文不会——它是 O(1) 的；会增长的是存储，且有保留策略。

进上下文的三条路径都有硬上限，与库大小无关：

路径	上限	说明
① 常驻段（每次装配）	协议 240 + 索引 150 + L5 200 = ≤590 tok	索引只放条数与最多 12 条标题
② 自动召回（每轮）	600 tok / ≤5 条，同会话幂等去重	不做"越多越全"
③ 工具按需	单次：memory_recall ≤4000 tok、maxItems ≤20；会话累计 recall.sessionToolBudgetTokens（默认 20k）	防止模型循环调用把上下文一点点填满
L1 情节 / signals	从不注入	只在工具显式读取时出现

实测（真实日志 55 次注入）：最小 93 / 中位 234 / 最大 592 tok。库从 27 条涨到 27,000 条，注入量不变。

存储侧的增长与保留策略：

增长项	策略
signals + 情节文件	保留 90 天（episodic.retentionDays）；未蒸馏的欠账不会被清（14 天恢复窗口）
usage（召回记账）	保留 180 天（consolidate.usageRetentionDays）；聚合信号已折算进记录，未归因的行永不删
旧 embedding 模型向量	换模型后保留 30 天宽限（semantic.foreignModelGraceDays），之后清除
记录（lessons）	只增不减（归档≠删除，设计取舍）；速率有界：门控合并 + 衰减 + 蒸馏日预算 200k tok / 每会话 3 次
tasks / distill / proposals	每会话或每次尝试一行，量级极小

清理动作挂在惰性巩固里（每 7 天或每 5 个任务一次），日志会打印本次清理量：

memory: consolidation (first-run) on global — archived 0, decayed 0, conflicts 0, proposals 1,
        pruned 0 episode file(s) / 0 signal / 0 usage / 0 vector row(s)

文档

文档	内容
docs/DESIGN.md	设计存档：分层模型、双库隔离、钩子方案、里程碑与实机验证记录
docs/RELEASE.md	dev 链路 vs 发布链路、发布前检查、装进 profile 的步骤与回退
docs/REVIEW-2026-09-14.md	一次全面代码审查：59 条发现、修复清单与验证方式
CHANGELOG.md	版本变更（Keep a Changelog 格式）

日志

~/.dsh/memory-plugin.log（插件绝不写 stdout：TUI 拥有 stdout，web 端有自己的 server 日志）。日志超过 5 MB 自动轮转为 .log.1。