Kaede-Ayaki/dsh-holo-memory ↗★ 0

dsh-holo-memory

Three-layer holographic memory for DeepSeek Harness: L1 dialogue summaries, L2 atomic facts, L3 holographic capsules, with RRF recall, source pointers, revision history and a memory doctor. 适合需要跨会话长期记忆项目背景和用户偏好的高级用户。

Package
dsh-holo-memory
Compatibility
Unverified
Harness peer range
>=0.2.1-rc.1 <0.3.0
Cordis peer range
>=4.0.5
Version
0.4.0
License
MIT
Last updated
Oct 24, 2026

Install

$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Kaede-Ayaki/dsh-holo-memory

配置

默认配置全部可用。需要覆盖时,在你的 profile patch(~/.dsh/profiles/desktop/cordis.patch.yml)里按 id 覆盖:

- id: holo-memory
  config:
    injectMaxChars: 1200
    extractMaxTokens: 1400
    # 可选:开启向量检索(OpenAI 兼容 /embeddings)
    embeddingEnabled: true
    embeddingBaseUrl: https://api.siliconflow.cn/v1
    embeddingModel: Qwen/Qwen3-Embedding-8B
    embeddingApiKeyFile: D:/path/to/DSH_HOME/holo-memory/embedding.key
    embeddingBaseline: 0.22

API Key 推荐放在单独文件(首行),而不是写进 YAML;插件会优先读环境变量,再读 embeddingApiKeyFile。SiliconFlow 的 Qwen3-Embedding-8B 输出 4096 维,查询耗时约 200–400ms。

常用字段

字段默认说明
storageDir$DSH_HOME/holo-memory记忆根目录
maxL1/maxL2/maxL32000/3000/300各层记录上限,超出按重要度/时间淘汰
injectEnabledtrue每轮是否自动召回注入
injectMaxChars1400注入块字符预算
injectMinScore0.12召回阈值,低于不注入
injectL1/L2/L32/5/3每层最多注入条数
injectSubagentsfalse是否为子代理会话注入
activeWindowEnabledtrue是否主动补位高重要度 L2/L3
activeWindowMaxItems2主动补位最多几条
activeWindowMaxChars420主动补位的字符上限(优先保留)
activeWindowMinImportance7进入主动补位的最低重要度(≥8 的事实不受 kind 限制)
rrfRankConstant60RRF 的 k 值
extractEnabledtrue回合结束是否蒸馏
extractProvider/extractModel''蒸馏用模型;留空跟随当前会话的 provider/model
extractMaxTokens1400蒸馏输出上限
extractMinTurnChars60太短的回合不蒸馏
extractMaxTranscriptChars12000喂给蒸馏模型的对话上限
sourceExcerptMaxChars1600每条来源指针保存的逐字片段上限(不是摘要)
embeddingEnabledfalse是否启用向量检索
embeddingBaseUrl''例:http://127.0.0.1:11434/v1、https://ark.cn-beijing.volces.com/api/v3
embeddingModel''例:nomic-embed-text、doubao-embedding-*
embeddingApiKeyEnvDSH_HOLO_EMBEDDING_API_KEY从这个环境变量读取 API Key;本地 Ollama 可留空
embeddingApiKeyFile''从文件首行读取 API Key(优先于环境变量之后的回退;建议 0600 权限)
embeddingDimensions00 = 用端点默认维度
embeddingBaseline0.22向量模型的“无关文本”余弦基线,低于它按噪声处理;换模型可微调
queryEmbeddingTimeoutMs1200查询向量预算,超时退回词法
debugfalse输出插件诊断日志

向量模型是可选项:不开启时插件完全靠 BM25+中文 bigram 工作,零网络依赖。开启后新写入记录会在后台分批补齐向量,查询时实时算一次问题向量。

阈值不是拍脑袋:每条都挂一个具体失败

阈值默认它防的是哪次失败
injectMinScore0.12无关问题因轻微词面重合被注入,制造噪声
injectMaxChars1400长记忆挤占对话上下文、拉高首 token 延迟
activeWindowMaxChars420主动补位变成常驻大段背景,压过本轮问题
activeWindowMinImportance7低价值记忆每轮都被主动携带
extractMinTurnChars60寒暄、单字回合生成无意义 L1
extractMaxTranscriptChars12000超长回合把蒸馏 prompt 撑爆、超时
sourceExcerptMaxChars1600原文片段把记忆文件撑大、挤占注入预算
rrfRankConstant60单一通道靠前几名垄断融合排名
embeddingBaseline0.22无关文本的余弦相似度伪装成相关
queryEmbeddingTimeoutMs1200embedding 抖动拖慢 pre-step、阻塞对话

memory_doctor 会检查这些阈值是否合法;memory_stats 会列出当前值。改默认值前请先写下它防的是哪次失败,否则下一次误伤没人解释得清。