dsh-prime-memory

dsh-prime-memory

DeepSeek Harness 的分层蒸馏记忆插件：对话在后台自动完成 L0 捕获 → L1 原子记忆 → L2 场景整合 → L3 画像蒸馏，模型每一步前自动把相关记忆注入上下文。

[English](README.en.md) · [最新发行版](https://github.com/drscrewdriver/dsh-prime-memory/releases/latest) · [反馈问题](https://github.com/drscrewdriver/dsh-prime-memory/issues)

🌐 语言 / Language

• [中文 README](./README.md)
• [English README](./README.en.md)
• [日本語 README](./README.ja.md)
• [한국어 README](./README.ko.md)
• [README en français](./README.fr.md)
• [README auf Deutsch](./README.de.md)
• [README in italiano](./README.it.md)
• [README на русском](./README.ru.md)
• [README en español](./README.es.md)
• [安装指南（中文）](./INSTALL.md)
• [Installation guide (English)](./INSTALL.en.md)
• [日本語インストールガイド](./INSTALL.ja.md)
• [한국어 설치 안내](./INSTALL.ko.md)
• [Guide d'installation (français)](./INSTALL.fr.md)
• [Installationsanleitung (Deutsch)](./INSTALL.de.md)
• [Guida all'installazione (Italiano)](./INSTALL.it.md)
• [Руководство по установке (Русский)](./INSTALL.ru.md)
• [Guía de instalación (Español)](./INSTALL.es.md)
• [更新日志（中文）](./CHANGELOG.md)
• [Changelog (English)](./CHANGELOG.en.md)
• [日本語 changelog](./CHANGELOG.ja.md)
• [한국어 changelog](./CHANGELOG.ko.md)
• [Changelog en français](./CHANGELOG.fr.md)
• [Changelog auf Deutsch](./CHANGELOG.de.md)
• [Changelog in italiano](./CHANGELOG.it.md)
• [Changelog на русском](./CHANGELOG.ru.md)
• [Changelog en español](./CHANGELOG.es.md)

DSH 版本兼容矩阵

| DSH 版本 | settings 注册 API | 状态 |

|---|---|---|

| 0.1.1-rc.2 | settings.register()（live scope） | ✅ 已验证 |

| 0.1.2-rc.1 | settings.register()（回退可用） | ⚠️ 按框架文档推断，未实测 |

| 0.1.3-rc.1 | settings.register()（回退可用） | ⚠️ 未实测（0.1.3+ 命名空间已改字符串，本插件已兼容） |

| 0.1.5-rc.2 | settings.register()（回退可用） | ⚠️ 未实测；Session V3 surface 语义与输入栏/设置槽位待回归 |

| 0.2.0-rc.1 | settings.register()（live scope） | ✅ 本次适配线（事件接线 agent/session-start → agent/created） |

> 兼容机制：settings 注册走运行时三分支（register → installSection 桥接 → 恒开降级），

> 详见 [CHANGELOG.md](./CHANGELOG.md) 的 0.11.0 条目。dsh.plugin.json 声明

> engines.dsh 为逐 rc 精确枚举串（0.1.0-rc.2 → 0.2.1-rc.5，20 rc）。

快速开始

需要 Node ≥ 22.16。两种调用方式任选（npx 前缀可替换下面任何 dsh 命令）：

# 方式一：npx 直接跑官方 CLI（无需预装 dsh；可 pin 版本，如 dsh-prime-memory@0.8.4）
npx -y @deepseek-ai/dsh plugin --profile web add dsh-prime-memory

# 方式二：已装 dsh CLI（dsh 是 pnpm 转发器，未装 pnpm 时先 npm i -g pnpm）
dsh plugin --profile web add dsh-prime-memory

# 包源备选：GitHub 仓库 / 本地路径（开发调试，link: 指向仓库，npm run build + 重启 dsh 即生效）
dsh plugin --profile web add https://github.com/drscrewdriver/dsh-prime-memory
dsh plugin --profile web add /path/to/dsh-prime-memory

让 Agent 安装（推荐）

如果当前 Agent 可以执行终端命令，把下面这段话完整发送给它：

请为 DeepSeek Harness 的 web Profile 安装 dsh-prime-memory 插件。

只执行下面两条命令，不要修改其他 Profile：
dsh plugin --profile web add dsh-prime-memory
dsh --profile web --dump-config

确认输出中出现 dsh-prime-memory 后告诉我安装结果。
不要替我关闭或重启正在运行的 DSH；安装完成后提醒我手动重启 DSH Web Host。

Agent 应当返回安装结果，并明确告诉你配置中是否已经出现 dsh-prime-memory。

本包声明了 dsh.bundle 组合包层（cordis.patch.yml），安装后会自动挂载插件行——

不需要再手改 $DSH_HOME/profiles/web/cordis.patch.yml。然后重启 DeepSeek Harness，

验证：~/.dsh/memory/ 下出现 conversations/ records/ scenes/ 目录和 memory.db

即插件 apply 成功；设置页出现"记忆"页面、输入栏出现档位 pill 即 client 半边就绪。

卸载：dsh plugin --profile web remove dsh-prime-memory + 重启。数据保留在

~/.dsh/memory/，不需要时手动删除整个目录即可。

从源码开发

git clone https://github.com/drscrewdriver/dsh-prime-memory
cd dsh-prime-memory
npm install && npm run build
dsh plugin --profile web add .        # link: 安装，改代码后 npm run build + 重启 dsh 即生效
npm run smoke                         # 冒烟测试（先重编：见下方命令）
npx tsc src/smoke.ts --outDir dist-smoke --module nodenext --moduleResolution nodenext --target es2022 --strict --skipLibCheck --esModuleInterop

运行时数据流

插件挂在 dsh 原生事件上（session/event 捕获、agent/pre-step 注入），蒸馏调用复用宿主 ctx.llm。召回以消息侧注入呈现：相关记忆作为一条合成消息排在用户新消息之前，会话流里显示为\\"上下文注入 · memory"\\行（点开看命中内容）——用户能直接看到"记忆生效了"；注入内容有长度预算与时间预算，超限截断/超时跳过，绝不拖慢对话。同会话去重：已注入过的记忆不再重复注入（模型上下文里已经有了，追问同类问题时省 token）；上下文被 /compact 压缩或清空时自动重置，记忆可重新注入；被更新的记忆（内容变化换新 id）不受旧压制。时效加权：召回排序按 相关度 × max(0.5, 0.5^(距上次更新天数/30)) 软加权——相关度相近的候选之间新鲜记忆优先（名额自然轮转），相关度足够高的老记忆照常召回（地板保证最多损失一半排序分，长期事实不沉底）；recall.decayHalfLifeDays 可调，0=关闭。

成本看板：每次蒸馏 LLM 调用（抽取/去重/L2/L3）的 token 成本按 provider/model 写入