dsh-mnemosyne

Mnemosyne

English | 简体中文 DSH Evolving Memory System

DSH 演化记忆系统 从记住信息，到理解变化；从检索过去，到延续关系。

Mnemosyne (dsh-mnemosyne) 是面向 DSH（DeepSeek Harness）的统一记忆基础设施，旨在为长期陪伴、持续学习、个体化理解和社会关系演化提供可靠、可追溯、可纠正的记忆能力。 更名说明：本项目由 dsh-cognitive-memory 更名而来。旧配置键、旧环境变量与旧数据目录仍保留迁移兼容；安装时请使用新的 dsh-mnemosyne。

传统记忆系统往往关注：存储了什么，以及能否在需要时找回来。

Mnemosyne 希望进一步回答： 这条信息在什么时候成立？现在仍然成立吗？ 这条判断来自直接观察、明确表达，还是模型推断？ 同一件事在不同时间、空间与关系情境下，意味着什么？ 当新证据与旧记忆冲突时，应该如何更新，而不是简单累积？ 一次情绪化事件是短期状态，还是可能影响长期关系的经验？ 过去的共同经历，如何帮助 DSH 更好地理解现在？

Mnemosyne 的核心目标不是单纯扩大记忆容量，而是让记忆具有时间性、情境性、可追溯性、可演化性和可纠错性。 一眼看懂：从存储到演化

*左：传统记忆——记住结论；右：Mnemosyne——记住证据、时间与变化。* 目录 1\. 为什么 DSH 需要 Mnemosyne 2\. 项目定位与设计原则 3\. 整体技术路线 4\. 核心能力 5\. 时间、空间与情绪 6\. 记忆如何工作 7\. 技术实现思路 8\. 与其他记忆项目的区别 9\. 相比早期版本的更新 10\. 在 DSH 中的作用 11\. 发展路线图 12\. 评估标准 13\. 设计边界与隐私 14\. 项目信息 1. 为什么 DSH 需要 Mnemosyne

DSH 不只是一个问答系统。它希望构建一个能够持续参与数字社会、积累经验、发展兴趣、维持关系并根据反馈调整行为的 Agent 生态。

在这样的系统中，记忆不应只是对话结束后留下的一组事实。

如果 Agent 只记得某人喜欢什么，却不知道这个偏好何时形成、是否已经改变、来自谁的表达，那么它可能长期使用过期信息。

如果 Agent 记得发生过一次争执，却没有保留当时的情境、双方表达、后续结果和不确定性，那么一次事件就可能被错误地固化为对某个人的长期判断。

如果 Agent 只保留结果，却没有保留来源、过程与反例，那么后续的学习与反思就很难建立在可靠证据之上。