跳到主要内容

dsh-linghun

已验证

dsh-linghun · v0.4.1 · AGPL-3.0

终结 Agent 无限规划:认知循环让判断有来处、反馈有归因、规划必收口;海马体把经历沉淀为知识——序时账留痕、情景归档、低置信降权遗忘;判分身份职责入架构(口径一致、判据绑定来源、同题同标,漂移清单沉入判分领域本体);联动 linghun-assembler A2A 记忆管理团队,让子智能体的判断履历反哺主脑。不是人设卡,是判断力——给 DeepSeek Harness 装上收口器。

安装

dsh plugin add dsh-linghun

用 dsh --profile default --dump-config 确认 layer 已生效 —— 参见安装指南。

源码

标签

作者

说明文档

灵魂 (Linghun) —— 终结 Agent 无限规划

你的 DeepSeek Agent 想完就完?规划一页纸,执行零动作。它什么都能分析,就是不落地。 不是模型不够强,是缺一个收口器。灵魂插件补上它。

灵魂给 DeepSeek Harness 的 agent 装上「收口者身份 + 判断纪律 + 海马体沉淀循环」: 判断有来处、反馈有归因、经验能沉淀、规划必收口——把"无限规划空转"从机制上截断。

  • 收口者:大模型提供直觉素材与候选答案,agent 负责评估、筛选、收口——规划完必须落地,空转被机制打断。
  • 判断纪律:模糊概念不武断精确化、悖论不强行自洽、不会就查证、不编造、识别「抬高拒绝成本」的措辞;素材「候选未命中」先查证冷储再下结论。
  • 认知循环:判断有来处、反馈有归因、改进不断链——没有归因的规划不会进入下一轮。
  • 海马体(三层记忆):暖态工位记近期 → 情景归档(episodic 按时刻分段,同日追加不覆盖)→ 冷储摘要注入,把经历沉淀成知识与经验,踩过的坑下次不踩。注入段只承载高频高抽象经验(冷储摘要/规则);近期记忆由 memory_read 按需读取——注入带宽留给抽象,细节按需查。
  • 记忆序时账:journal_read 读取原始对话流水,按天归档、全量不筛选——追溯"当时到底说了什么",与易遗忘的暖态互补。
  • 低置信记忆降权遗忘:每条记忆带置信度(high/medium/low),低置信条目在暖态注入(injectWarm 开启)时带【低置信·需验证】标记、引用必须声明不确定;被推翻的条目标记 wrong 翻转后不再注入——降权即遗忘。
  • A2A 记忆管理团队(linghun-assembler 联动):与认知循环团队共享台账——判官履历、编辑交付、史官时序经 memory_read 反哺主脑,子智能体的判断让主脑看见。
  • 灵魂卡:自定义姓名、性格、沟通风格、其他——我是谁,由你亲手写。
  • 灵魂自进化:agent 通过 soul_read / soul_update 把观察到的稳定特质折叠进自己的灵魂卡。
  • 判分身份职责(言官回归):判分/裁决类任务在 soul:judgment 里获得一句身份职责——口径一致、判据绑定来源、只按规则判、不因「显得有用」改宽判据、判据说不出来处即停;漂移信号清单与误杀锚点沉入判分领域本体(需要时查阅,不主动注入)。不设独立监督机制——判分是低压力单步任务,判分者不会漂移;可靠性来自领域规则,不来自监督层。

安装

dsh plugin --profile web add dsh-linghun

要求:DSH >= 0.1.0-rc.7(< 0.2.0),Node.js >= 20.18。

用法

写你自己的灵魂卡(人设)

安装后第一次运行,插件会在 $DSH_HOME/linghun/identity.md 放一份默认灵魂卡。 直接编辑这个文件,就是给自己写人设——保存后立即生效,不需要重启:

$EDITOR $DSH_HOME/linghun/identity.md
# 我的灵魂卡

我叫小蓝。
性格:谨慎、直接。
沟通风格:短句,先说结论。
其他:(想写什么写什么,没有就不填)

这张卡就四个字段(自由组合,不需要全填):

字段 填什么 示例
名字 怎么称呼 我叫小蓝
性格 底色 谨慎、直接
沟通风格 语气、长短、口头禅 短句,先说结论
其他 自由补充 想写什么写什么,没有就不填

身份锚点、行为纪律、成长由插件自动垫底,不需要你写;想自定义补充的内容放"其他"即可。

优先级:identity.md 文件 > DSH 设置里的灵魂内容 > 内置默认卡。文件不存在或留空时自动回退。 也可以让 agent 自己改这张卡(soul_update),或打开 DSH 设置 → 灵魂(Linghun)调整名字与内容。

注入与工具

插件注入四个 system prompt 段:

段 内容
soul:identity 灵魂卡:身份锚点(收口者架构)
soul:judgment 判断纪律:六类边界扫描 + 判分身份职责
soul:memory 海马体记忆:冷储摘要(高频高抽象经验)+ 归档/序时账索引;暖态近期由 memory_read 按需读取

Agent 获得五个工具:

工具 作用
memory_append 记一条带时间戳的记忆(fact / decision / preference / experience)
memory_read 读回海马体记忆
memory_consolidate 海马体沉淀:暖态归档进 episodic/<日期>.md,合并冷储摘要
soul_read 读自己的灵魂卡(我是谁、我的边界、我的纪律)
soul_update 更新自己的灵魂卡(稳定特质折叠进身份)

记忆文件存放在 $DSH_HOME/linghun/memory/,纯 Markdown,可读、可搜索、可 git 管理。 灵魂卡在 $DSH_HOME/linghun/identity.md,同样是纯 Markdown——人设是你的,想怎么改怎么改。

注入分层(v0.4.4):暖态近期记忆默认不进注入段(linghun.memory.injectWarm 默认 false)——注入带宽只留给高频高抽象经验,近期细节用 memory_read 按需读。特例场景(冷储为空、需要带近期上下文)可设 injectWarm: true 恢复暖态注入。

工程护栏(v0.2)

记忆的时机是基础设施,由代码保证,不赌模型自觉:

  • 收尾评估:每一轮 turn/end,插件强制问一次模型「这轮有没有值得沉淀的」(fact / decision / preference / experience),值得就自动写入暖态,不值得就 SKIP。不再依赖模型自己记得调 memory_append。
  • 阈值自动沉淀:暖态达到 maxBytes × triggerRatio 时,插件在写新条目之前先自动归档暖态 → episodic/<日期>.md 并合并冷储摘要。模型永远不会撞到"记忆满"的报错,也不用自己安排沉淀节奏。

两者都可在 linghun.memory.assessment / linghun.memory.autoConsolidate 下配置(各有 enabled 开关),例如通过 cordis.patch.yml 覆盖。

它为什么能治"无限规划"

Agent 的毛病 灵魂的机制
想很多,不落地 收口者架构:评估→筛选→收口是 agent 的义务,不是可选项
规划没有依据 认知循环:判断必须有来处,反馈必须有归因
同样的坑踩两遍 海马体:暖态→冷储→注入(注入只承载高频高抽象经验,近期按需读),经验进下一轮上下文
边界被带偏 判断纪律:边界扫描,防武断、防编造、防诱导、防采信
判分漂移不自知 判分身份职责:口径一致、判据绑定来源、同题同标;漂移信号清单沉入判分领域本体按需查阅
人格千篇一律 灵魂卡:四个字段自定义,我是谁由你写
记忆靠自觉 工程护栏:收尾评估 + 阈值自动沉淀,时机由代码保证

路线图

  • v0.1.x(完成):身份 + 判断纪律 + 海马体三件套
  • v0.2.0(完成):记忆工程护栏 —— 收尾评估 + 阈值自动沉淀
  • v0.3.0(完成):未命中查证纪律 —— 素材包「候选未命中」≠记忆库无,事实类先查证冷储;身份背景类按题型收束
  • v0.3.3(已发布,v0.3.4 修正):言官(判分器查证纪律)—— 以监督机制形态发布(三类漂移 + 进谏四步 + CONFIRMED 驯化)。用 9 条金标准实测:判据改宽正则 100% 误报、口径漂移 43% 误报、一致误杀 0 检出——判分者不会漂移,监督机制被移除,漂移信号清单与误杀锚点沉入判分领域本体
  • v0.3.4(当前):言官回归为 soul:judgment 里一句判分身份职责——无独立 section、无 yanguan_audit/yanguan_review 工具、无 CONFIRMED 表。可靠性靠领域规则(R-J 系列),不靠监督层
  • v0.4.0:海马体 LLM 精炼(沉淀协议自动化:checkpoint → episodic → 知识,真摘要)
  • v0.5.0:双实例互验(判据来源绑定验证者,打破自指悖论的工程形态)

设计理念

灵魂不是记忆插件。记忆只是素材,判断力才是主体。 大模型是直觉之源(天道),agent 是认知主体(生灵)——二者双向映照、各司其职。 判断要过边界扫描,结论要经实践检验,经验要沉淀为机制: 能机制化的决策,不交给模型临场发挥。

署名

山越野人 × 岚客(碳硅协作):人类提供意图与架构,智能体参与设计与实现。

License

AGPL-3.0 © 2026 山越野人 & 岚客