dsh-memory-plugin
Verified@yu9528/dsh-memory-plugin · v0.2.0 · MIT
DeepSeek Harness memory plugin: Summarize old conversations into memories and retrieve relevant ones via vector search
Install
dsh plugin add @yu9528/dsh-memory-plugin Confirm the layer applied with dsh --profile default --dump-config — see the install guide.
Source
Tags
Creators
Readme
dsh-memory-plugin — 对话记忆(DSH 插件)
给 DeepSeek Harness 上的会话加一层持久记忆:
- 总结模型:旧楼层攒够一批后,单独调一次模型把它们压成一条记忆;
- 保留最近楼层:最近 N 条消息永远保留原文,不参与压缩;
- 向量检索:每轮开口前,用最新那句话去检索历史记忆,把最相关的几条回注给主模型。
装好即用,零配置就能跑:总结默认复用当前会话的模型路由。
安装
A. 双击(推荐)
双击 安装记忆插件.cmd。脚本做三件事,可重复执行:
- 备份 profile 的
package.json/pnpm-lock.yaml; - 把 tarball 复制到 profile 内的稳定路径并
pnpm add; - 把
dsh-memory-plugin追加进dsh.profile.bundles。
装完完全退出应用(含托盘)再启动。
B. 图形界面
侧边栏 → 插件 → 安装 → 粘贴 tarball 绝对路径 → 确认 → 重启应用。
C. 手动
"D:\DSH\resources\runtime\cli\bin\dsh.cmd" plugin --profile desktop add "C:\路径\dsh-memory-plugin-0.1.0.tgz"
再编辑 profile 的 package.json:
"dsh": { "profile": { "bundles": [
"@deepseek-ai/dsh-base",
"@deepseek-ai/dsh-web-app",
"dsh-memory-plugin"
] } }
回退:把备份目录里的 package.json / pnpm-lock.yaml 复制回去,删掉 node_modules\dsh-memory-plugin 与 .memory-plugin\,重启。备份目录形如
C:\Users\<你>\.dsh\profiles\desktop\.memory-plugin-backup-<时间戳>\。
两个旋钮
配置写在 profile 的 cordis.patch.yml(安装时由 cordis.patch.yml 带入默认值):
- id: memory-plugin
name: 'dsh-memory-plugin'
config:
keepRecent: 6 # 保留最近楼层
summarizeThreshold: 8 # 未压缩楼层超过多少条触发总结
summarizerProvider: deepseek # 总结模型(可省略 = 用当前会话路由)
summarizerModel: deepseek-flash
topK: 5 # 每次回注几条记忆
minScore: 0.05 # 相似度下限
| 字段 | 默认 | 含义 |
|---|---|---|
keepRecent |
6 |
保留最近楼层,原文不动 |
summarizeThreshold |
8 |
超过保留窗口的未压缩楼层达到这个数就总结一次 |
summarizerProvider / summarizerModel |
空 | 总结模型;留空则复用会话当前路由 |
topK |
5 |
检索回注的记忆条数 |
minScore |
0.05 |
余弦相似度下限 |
maxInjectedChars |
2000 |
注入块字符上限 |
maxBatchChars |
12000 |
单次总结的输入上限,超了自动分片 |
maxSummaryTokens |
512 |
单次总结输出上限 |
summarizeTimeoutMs |
60000 |
单次总结超时 |
embeddingDim |
256 |
向量维度(改了会让旧向量作废) |
maxMemories |
500 |
每会话记忆上限,超了丢最旧 |
storageDir |
$DSH_HOME/memory-plugin |
每会话 JSON 落盘目录 |
enabled |
true |
总开关 |
工作流程
用户发言 ──► 取最新一句 ──► 向量化 ──► 与已存记忆算余弦相似度
│
相似度 ≥ minScore 的前 topK 条
│
──► 以 user 快照消息注入本步骤请求
│
┌────────────────────────────────────────┘
│
├─ 新消息追加进楼层表(自动跳过本插件自己的注入)
│
└─ 未压缩楼层 > summarizeThreshold ?
├─ 否 → 结束
└─ 是 → 取 [未压缩起点, 总数 - keepRecent) 这一段
→ 总结模型压缩
→ 向量化入库、指针前移、落盘
关键行为:
- 总结在后台跑,不阻塞当前回合;失败就保持原样,下轮再试,原文不丢。
- 每条用户消息只注入一次,按消息的 seq 判定而不是 step —— 回合可能从非 1 的 step 续上,Step 判定会漏注入。
- 注入块带来源标记(
source.kind = 'memory-plugin'),所以不会被自己再总结成记忆,在会话日志里也能一眼认出。 - 总结完就把原文楼层丢掉,JSON 不会随着对话无限增长;只留
keepRecent条原文 + 记忆摘要。 - 总结用的还是
request/context里的路由,不用额外配 key;想省钱可以把summarizerModel指到一个便宜模型。
数据与隐私
- 全部落在本机
$DSH_HOME/memory-plugin/<sessionId>.json(默认C:\Users\<你>\.dsh\memory-plugin\)。 - 只存压缩后的摘要和楼层文本,不存向量以外的任何遥测。
- 删掉对应 JSON 就是删掉该会话的记忆;
enabled: false可整体停用而不用卸载。
已知取舍
- 嵌入是本机哈希向量,不是语义模型。同义改写(「猫」↔「咪咪」)能靠共现字命中一部分,但真正的语义等价召回不了。要更强语义,把
lib/store.js的HashEmbedding换成一个返回number[]的嵌入 API 即可,SessionMemory只看维度。 - 检索是暴力遍历,几百条记忆毫秒级;上千条才需要考虑 ANN。
- 压缩有损。摘要质量取决于总结模型;想保细节就调大
keepRecent、maxSummaryTokens,或让总结模型换成更强的。 - 向量不是跨版本兼容的:改
embeddingDim后旧记忆文件的向量作废,需要删掉对应 JSON 重建。
开发
两层测试。
1. 单元自检(test/selftest.mjs,77 项)——假 session、假 ctx.llm、假 Cordis 上下文:
"D:\DSH\resources\runtime\primary-runtime\dependencies\node\bin\node.exe" test\selftest.mjs
2. 真实接入测试(test/integration.mjs,15 项)——从 npm 装真的 @deepseek-ai/cordis + dsh-llm + dsh-session,验证:消息对象与 createUserMessage 字段完全一致、真 adoptSessionEvent 校验通过、插件在真 Cordis Context 里挂载并跑通注入。需要一个装了这三个包的目录:
cd <装了三个包的目录>
node <path>\dsh-memory-plugin\test\integration.mjs
插件本身不导入任何 @deepseek-ai/*:profile 插件装在 harness 树之外,所有宿主能力都必须从 ctx 拿。消息对象按 harness 助手的同一形状手写({ id, role, content, source }),响应流直接消费 text-delta / finish,因此不依赖 BlockAssembler。
打包:
powershell -ExecutionPolicy Bypass -File .\build-package.ps1
产物在 dist/。