dsh-layered-memory

配置

覆盖配置写在 profile 自己的 cordis.patch.yml，用顶层裸 patch 条目（直接 id:， 不要包在 insert: 里——insert 与 bundle 层同 id 追加会导致 duplicate loader entry id 启动失败）：

- id: dsh-memory
  name: dsh-layered-memory
  config:                    # 键按行整体替换（不深合并），按需写全要保留的键
    family: auto             # 新会话默认档：auto | chat | work
    llm:                     # 蒸馏模型静态路由（双字段齐 = 部署 pin，优先于设置页路由链；
      provider: ''           # 留空则跟随设置页路由链主路由或当前默认模型）
      model: ''

字段	默认	说明
family	auto	新会话默认记忆档位：auto（双族自动）| chat（个人）| work（工作）；会话内可用输入栏控件临时切换
dataDir	$DSH_HOME/memory	数据目录
capture.enabled	true	L0 捕获
capture.stripCodeBlocks	true	助手消息剥离代码块
capture.maxMessageChars	4000	单条消息最大字符数
extract.enabled	true	L1 抽取
extract.minMessages	6	稳态触发阈值：单会话攒够 N 条新消息跑一次 L1 抽取。起步阶段生效阈值从 1 翻倍爬坡到此值（首轮即出记忆，随后自动攒批省调用）
extract.idleSeconds	300	闲置兜底：会话静默 N 秒后把未蒸馏切片落袋（接住"没攒够阈值用户就离开"）；0 关闭
extract.backgroundMessages	10	抽取时附带的背景消息条数（按会话从 L0 现查，会话间互不污染）
extract.candidatePool	5	去重候选池大小
l2.enabled	true	L2 场景整合
l2.minNewMemories	5	距上次 L2 整合的新记忆阈值
l2.maxScenes	12	场景块数量上限
l2.sceneContextLimit	3	L2 prompt 附带的相似场景全文上限
l3.enabled	true	L3 画像蒸馏
l3.interval	20	L3 蒸馏间隔（新记忆条数）
recall.enabled	true	自动召回
recall.maxResults	5	每条新用户消息前注入的 L1 条数上限
recall.maxCharsPerMemory	500	单条注入记忆的字符上限（超限截断并提示用记忆工具查全文）；0 不限
recall.maxTotalRecallChars	2000	整轮注入总字符上限（超限按相关性丢尾部）；0 不限
recall.timeoutMs	5000	召回总预算（ms）：超时跳过本轮注入、不阻塞对话；0 不限时
recall.includePersona	true	系统提示注入画像上下文（``，稳定区）
recall.includeSceneNav	true	系统提示注入场景导航（``，稳定区）
recall.strategy	hybrid	检索策略：keyword / embedding / hybrid
recall.scoreThreshold	0.3	召回分数阈值（低于不注入；仅 keyword/embedding 策略生效，hybrid 融合前不过滤；工具路径不过滤）
recall.decayHalfLifeDays	30	召回时效衰减半衰期（天，0=关）：排序按 相关度 × max(0.5, 0.5^(距更新天数/半衰期)) 软加权——相关度相近的候选间新鲜记忆优先（名额轮转），老记忆最多损失一半排序分（地板兜底，长期事实不沉底）
embedding.enabled	false	向量检索开关；关闭即纯 FTS 运行
embedding.baseUrl	空	OpenAI 兼容 /embeddings 地址（如 https://api.siliconflow.cn/v1）
embedding.apiKey	空	API Key
embedding.model	空	embedding 模型名
embedding.dimensions	0	向量维度（启用时必填，须与模型输出一致）
embedding.maxInputChars	5000	单条文本最大字符数（超长截断）
embedding.timeoutMs	10000	单次 embedding 调用超时（ms）
embedding.allowLocalModels	true	允许本地嵌入档（部署上限：关闭后设置页不能下载模型、不能切本地档）
embedding.mirror	https://hf-mirror.com	本地模型下载镜像根地址（可改回官方 https://huggingface.co）
embedding.proxy	''	模型下载代理三态：''（默认）= 自动探测代理环境变量（HTTPS_PROXY/ALL_PROXY 等，尊重 NO_PROXY）；none = 禁用强制直连；其他值 = 代理 URL（如 http://127.0.0.1:7890）。镜像直连在国内网络间歇不可达（直连超时与污染字节交替出现过），开代理的机器建议保持默认自动探测
llm.provider/model	空	蒸馏模型静态路由（部署 pin）：provider 与 model 双字段齐时锁定蒸馏路由，优先于设置页的运行时路由链与默认模型（部署可强制蒸馏走指定路由）；留空则跟随"设置页路由链主路由 → 默认模型"。运行时可在设置页 → 记忆 → 自动化 → 高级路由与预算的蒸馏路由链编辑器里配置主路由与回退链（从已配置的供应商（含 dsh 设置 → 模型里添加的自定义供应商）中选择，主路由行可留空跟随默认模型），非空即整体接管本静态配置，即时生效无需重启
llm.fallbacks	[]	蒸馏回退链：主路由失败（报错/被掐断/网络异常/空输出）后按条目顺序逐个降级尝试的备用路由列表，条目 = {provider, model, reasoningEffort?}（档位非空覆盖全局 llm.reasoningEffort，仍按模型能力钳制）；与主路由完全相同的条目自动跳过；每条路由各享全额 timeoutMs；全部失败交既有按会话退避重试。空数组（缺省）= 单路由行为不变（详见下方蒸馏回退链与慢 TTFT 模型）；设置页运行时路由链（distillChain）非空时整体接管主路由与回退链（单行链 = 显式无回退），空 = 跟随本配置
llm.layerRoutes	{}	蒸馏按层路由：层键 l1/l2/l3 各配一条完整链（条目同 llm.fallbacks，头行必须 provider+model 双显式），非空即完整替换该层解析（该层主路由与回退都归层链管，全局链对该层不参与），空/缺省 = 该层跟随全局；l1 同管抽取+去重两个调用点。运行时可在设置页「蒸馏参数」分段面板里按层编辑（优先于本静态配置）；部署 pin 不废静态层链（同为部署配置，同回退链先例）。与回退链正交可组合——每层各自一条链（ADR-0005）
llm.maxTokens	65536	未分层调用的兜底输出总闸。各蒸馏层有独立预算（抽取 16k / 去重 8k / L2 32k / L3 16k；思考档 high/xhigh/max 时自动 ×4，防 reasoning 吃光预算），分层预算可在设置页 → 记忆 → 自动化 → 高级路由与预算运行时调整（留空/0 = 跟随内置默认）
llm.reasoningEffort	空	蒸馏思考档位：空串 = 自动（按模型能力解析：模型默认档 → high）；显式值（off/none/minimal/low/medium/high/xhigh/max）仅在该模型声明支持时发送——跨供应商 effort 词汇表不同（deepseek 认 off，OpenAI 系是 none，未声明档位的模型不传），不支持的档位自动降级为不传并告警一次；思考档 high/xhigh/max 时输出预算自动 ×4。运行时可在设置页路由链编辑器里逐路由覆盖档位（行内下拉，词表按各模型声明的能力实时显示，缺省跟随本值）
llm.temperature	0.3	蒸馏温度
llm.maxInputChars	700000	单次蒸馏输入字符预算（超限的 L1 输入自动分块抽取）；运行时可在设置页 → 蒸馏参数 → 输入预算调整（留空/0 = 跟随本值）
llm.timeoutMs	120000	单次蒸馏调用超时（ms）
tokenCost.retentionDays	365	蒸馏成本明细（token_cost 表）保留天数，写入时滚动清理更早行；0 = 永久保留。成本看板「近 N 天」窗口上限同此值
tools	true	是否注册模型可调用的记忆工具
benchControl	false	注册 bench 控制服务（进程内 rebuild 触发/会话档位设置/蒸馏用量快照，供基准 lifecycle 赛道）。默认关——生产部署零表面积，勿随意开启

蒸馏回退链与慢 TTFT 模型

部分推理供应商的免费/慢速档位首 token 延迟（TTFT）可达 20 秒以上，而部分上游网关会在连接静默约 20 秒时掐断——蒸馏调用以固定 ~20s 失败（llm aborted），插件侧 120s 超时根本轮不到生效（#31 的实测场景）。三层缓解按需取用：

1. 换路由（最直接）：设置页 → 记忆 → 自动化 → 高级路由与预算的路由链编辑器即时改主路由（或把快路由排到链首），或静态 pin llm.provider/llm.model。

2. 回退链（自动降级）：主路由失败时按序自动换备用路由，无需人工干预：

   llm:
     provider: opencode-go          # 主路由（也可不 pin，跟随设置页路由链主路由/默认模型）
     model: ox-alpha-free
     fallbacks:                     # 条目顺序 = 降级优先级；不配置 = 单路由行为不变
       - provider: opencode-go
         model: deepseek-v4-flash
         reasoningEffort: low       # 可选：该路由的档位覆盖（缺省跟随全局）
       - provider: deepseek-official
         model: deepseek-v4-flash
   

3. 按层路由（各走各的通道）：不同蒸馏层对模型诉求不同（L1 高频要便宜快稳、 L3 低频可容忍慢首包但要强能力），可给差异层单独配链——每层一条完整回退链， 未配置的层照走全局链：

   llm:
     layerRoutes:                  # 按层独立路由（#34）；头行必须显式 provider+model
       l1:                         # l1 同管抽取 + 去重两个调用点：配条便宜快稳的链
         - provider: opencode-go
           model: deepseek-v4-flash
           reasoningEffort: low
         - provider: deepseek-official   # 层内回退：L1 故障只降级到这里，不落全局链
           model: deepseek-v4-flash
       l3:                         # L3 画像蒸馏：低频大输入，配强能力链
         - provider: deepseek-official
           model: deepseek-v4-flash
           reasoningEffort: high
   

   也可在设置页 → 记忆 → 自动化 → 高级路由与预算的分段面板（全局默认 / L1 / L2 / L3） 里按层运行时编辑，层内优先级：运行时层链 > 本 YAML 静态层链 > 全局默认链， 逐级兜底。

   失败 = 报错 / 被掐断 / 网络异常 / 空输出（流正常结束但 0 字符——对蒸馏而言必然在解析阶段报废，改判为该路由失败而非返回空串）；调用方主动取消不降级；每条路由各享全额 llm.timeoutMs（共享预算会让慢 TTFT 的回退路由拿到的窗口小于它真实需要的首包时间，回退链形同虚设）；token 成本逐次尝试记账（失败尝试也计一行，含流中断前已到的 token），成功调用归因到实际服务的路由。路由链也可在设置页 → 记忆 → 自动化 → 高级路由与预算的「蒸馏路由链」编辑器里运行时调整（无需改配置重启）；本 YAML 适合部署者固化静态链。

4. 调高超时：llm.timeoutMs 只在路由确实慢但网关不掐时有用；网关 20s 掐断的场景调插件超时无效，请用前两层。