dsh-tdai-memory

插件跟随 DSH 的语言设置（DSH 0.2.0-rc.2 内置中文和 English），配置页面、状态提示和插件列表名称/简介同步切换。扩展语言使用宿主的回退链。切换语言保留未保存的设置，无需单独选择插件语言。

配置入口（DSH 0.2.0-rc.2 起）

在首页侧边栏打开 插件 → 已安装 → dsh-tdai-memory，直接在插件详情页配置并保存。配置页注册到官方的 plugins.bundle.config 接口；全局设置页不再重复显示配置入口。Web 与桌面版使用相同界面，本版要求 DSH 0.2.0-rc.2 或更新的 0.2.x 版本。现有配置无需迁移。

选择 自动记忆，一次开启捕获、提取、召回和搜索；仅搜索已有记忆 关闭捕获、提取和自动召回，保留搜索工具；暂停记忆功能 关闭全部四项。主页面只展示两个模型的连接信息，独立开关、存储路径和调优参数保留在 高级设置 中。已有开关组合显示为 自定义组合，不会自动覆盖。选择模式后保存，并重启 DSH 使记忆流水线设置生效（搜索工具开关即时生效）。只写入编辑过的字段，密钥留空及未编辑的高级设置保持原值。

GitHub: Scorp1o117/dsh-tdai-memory · npm: dsh-tdai-memory · English

属于 DeepSeek Harness Enhancement Suite —— Vision · Soul/Persona · 长期记忆 · 插件市场。

把 TencentDB Agent Memory（腾讯云开源的四层记忆系统，原为 OpenClaw 插件）移植进 DeepSeek Harness。

兼容性（v0.4.1）

已在 DSH 0.1.7-rc.2（Web）与 0.2.0-rc.2（桌面端运行时）的一次性 Profile 验证。桌面端使用独立的 desktop Profile；其他预发布版本暂未验证。

桌面端安装

在桌面端的“插件”页面安装，或使用桌面端“应用 → 管理 dsh 命令”注册的命令：

dsh plugin --profile desktop add [email protected]

重启桌面端以加载客户端插件。配置位于 $DSH_HOME/profiles/desktop。

能力

• L0 对话捕获：每轮对话（turn 结束、请求边界）自动写入原始对话（JSONL + SQLite + FTS + 向量）
• L1 结构化记忆：后台管线用 LLM 从对话中提取事实/偏好/事件（persona / episodic / instruction），写入 records/ + SQLite + FTS + 向量
• L2 场景 / L3 画像：场景块与用户画像生成（管线自动调度）
• 自动召回注入：每次组装提示词时，按当前用户消息检索相关记忆 + 画像，作为动态上下文注入（模型"凭空想起"）
• 工具：tdai_memory_search（L1 结构化检索）、tdai_conversation_search（L0 原文检索）

数据目录复用现有 ~/.memory-tencentdb/memory-tdai，旧记忆无缝继承。

node-llama-cpp 仅供完全本地的 embedding 后端使用，现在声明为可选 peer，默认安装不会再触发原生构建脚本。使用 OpenAI 兼容远程 embedding 时不需要它；选择本地后端的用户需在目标 DSH profile 中单独安装并批准 node-llama-cpp 的构建。

从 0.2.13 起最低支持 DSH 0.1.0-rc.7，已针对 0.1.0-rc.7、 0.1.0-rc.8 和 0.1.1-rc.1 测试。仍使用 DSH 0.1.0-rc.6 的用户请锁定 [email protected]；这是最后一个包含旧 settings 白名单兼容补丁的版本。

架构（移植方式）

层	内容
核心	tdai-memory-openclaw-plugin 的 host-neutral 核心（src/core、src/utils），tsc 编译为 ESM（dist-dsh/），零改动
宿主适配	StandaloneHostAdapter（官方 standalone 模式，OpenAI 兼容直调）
dsh 壳	index.js：配置映射、session/event+session/flush 捕获、agent.ctx 上的 system-prompt/assemble waterfall 召回注入、工具注册、生命周期
备用	recall-inject.js：preset 行形态的召回注入（挂在 agent preset 内时用）

召回缓存默认 30 秒过期，每个注入实例最多保留 128 个会话。失败或超时的召回 会在下次组装时重试。preset 行还支持 timeoutMs（默认 4000），到达期限后 不注入记忆并继续组装提示词；提前完成时会清除超时定时器。期限到达后，底层 召回任务可能仍会继续运行。

关键接线（都是踩坑换来的）：

• 捕获：session/flush 监听器（await 语义，headless 退出前必完成）；turn/start 时间戳做 L0 cursor 下限；turn id 去重
• headless 一次性任务：flush 内再等 core.handleSessionEnd()（L1 提取跑完才退出；否则 5s 关闭超时会杀掉提取）
• 召回注入：必须注册在 agent.ctx 上（组装在 agent 作用域进行，root 监听器收不到）；session/created 后延迟一 tick 从 agents 服务拿 agent

配置（profile patch + settings）

配置以 settings 命名空间驱动：profile patch 作为 base 层，$DSH_HOME/settings.yaml 的 tdai-memory: 节覆盖（LLM/embedding 密钥已迁到 settings.yaml）。首页侧边栏插件 → dsh-tdai-memory 可编辑全部字段（v0.2.0，含写-only 密钥）；TdaiCore 启动时构建，改动重启后生效。

# $DSH_HOME/settings.yaml
tdai-memory:
  llm:
    apiKey: 'sk-...'
  embedding:
    apiKey: 'local-no-key'

# profile patch（base 层）
- id: tdai-memory
  name: 'dsh-tdai-memory'
  config:
    extraction:
      enabled: true
      enableDedup: false      # dedup 的 LLM 输出解析不稳，先关
    llm:                      # L1/L2/L3 提取模型（OpenAI 兼容）
      baseUrl: 'https://opencode.ai/zen/go/v1'
      model: 'mimo-v2.5'      # deepseek-v4-flash 对提取 JSON 输出不合格
      sendSessionHeader: true # 给 LLM 请求带 x-opencode-session（OpenCode Go 等网关要求）
      sessionId: ''           # 固定会话 ID；留空 = 数据目录下自动持久化 ID（重启不变）
    embedding:                # 向量（OpenAI 兼容 /v1/embeddings）
      baseUrl: 'http://127.0.0.1:8088/v1'
      model: 'Qwen3-Embedding-0.6B'
      dimensions: 1024
      sendDimensions: false

已知取舍

• 提取模型：mimo-v2.5 提取正确但单次 20-30s（后台执行，不阻塞对话）；deepseek-v4-flash 快但 JSON 输出不合规（提取 0 条）
• dedup：LLM 冲突检测输出解析不稳（曾导致 stored=0），默认关闭；开启需换更稳的模型
• L1 记忆向量：随存储写入（8088 embedding 快）；L0 向量走后台任务，headless 退出时由 destroy() drain
• 搜索工具（toolsEnabled，默认开启）：开关在插件页，切换后原地生效（行配置是 volatile，无需重启即重新注册）。若两个工具完全缺失，可查插件日志 [tdai-memory] tools registered: …（v0.4.1 起）；v0.4.1 之前它读的是 cordis 交给 apply 的 Volatile 包装对象上的 config.toolsEnabled —— 那个属性永远不存在，因此整个失败过程完全静默（issue #3）
• 升级：上游拉新代码后，在 tdai 项目目录重跑 npx tsc -p dsh-tsconfig.json（产物在 dist-dsh/）

保存使用配置表单 API；宿主拒绝写入时保留草稿并提示错误。只修改模型不会覆盖密钥，关闭默认开启的选项会显式保存 false。