Olalaye/dsh-layered-memory0

dsh-layered-memory

Layered long-term memory plugin for DeepSeek Harness (dsh): transient / episodic / semantic memory with auto-capture, AI distillation, cross-session recall, and a management API.

包名
dsh-layered-memory
版本
1.0.0
许可证
MIT
最近更新
2026年8月16日

安装

$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:Olalaye/dsh-layered-memory

配置

所有可调参数通过 Config schema 暴露,可在 profile 的 cordis.patch.yml 中覆盖:

- override:
    - id: dsh-layered-memory
      config:
        storageDir: ~/.dsh-memory   # 记忆存储目录(默认 ~/.dsh-memory)
        maxTransient: 300           # 瞬时层容量上限
        maxEpisodic: 500            # 情景层容量上限
        maxSemantic: 800            # 语义层容量上限
        minScore: 0.08              # 召回最低分数阈值
字段默认说明
storageDir~/.dsh-memory记忆 JSON 存储目录(支持 ~ 与相对路径)
maxTransient300瞬时层容量上限(超出按 ts 裁剪最旧)
maxEpisodic500情景层容量上限
maxSemantic800语义层容量上限
minScore0.08召回最低分数

使用方法

1. 日常使用(全自动,零操作)

安装后无需任何配置,模型会按提示词规则自动使用记忆系统:

场景模型自动行为
会话开始,或你说"之前/上次/记得吗/照旧/按老规矩"自动调用 memory_recall 检索相关历史后再回答
你明确说出可长期复用的偏好(习惯、写作风格、业务要求等)自动调用 memory_remember 保存并分类
一段工作完成、任务收尾、或你说"今天先到这/再见"自动调用 memory_commit 提交会话摘要并沉淀要点
任何会话中的用户消息插件自动捕获到瞬时层(无需模型参与)

2. 手动指令(给模型发消息即可)

不需要记忆相关术语,用自然语言即可:

记住:我汇报时喜欢用表格
以后写文档都用中文,标题用 ## 两级
上次我们讨论的 X 项目结论是什么?
把这个会话记下来
查一下我上次说的关于 Y 的要求
忘记我之前说的那件事吧

模型会对应调用 memory_remember / memory_recall / memory_commit 完成操作。(注:删除/清空请使用 HTTP API,模型工具暂不提供删除入口。)

3. 数据文件管理

记忆以纯 JSON 存储于 ~/.dsh-memory/(跨会话、跨工作区共享):

.dsh-memory/
├── transient.json   # 瞬时记忆(上限 300 条)
├── episodic.json    # 情景记忆(上限 500 条)
└── semantic.json    # 语义记忆(上限 800 条)
  • 备份:直接复制这三个文件即可;恢复时放回原目录
  • 迁移:把目录复制到另一台机器的用户目录下,重新安装插件即可读取
  • 隐私:记忆包含个人数据,位于用户目录、不在仓库内

1. 日常使用(全自动,零操作)

安装后无需任何配置,模型会按提示词规则自动使用记忆系统:

场景模型自动行为
会话开始,或你说"之前/上次/记得吗/照旧/按老规矩"自动调用 memory_recall 检索相关历史后再回答
你明确说出可长期复用的偏好(习惯、写作风格、业务要求等)自动调用 memory_remember 保存并分类
一段工作完成、任务收尾、或你说"今天先到这/再见"自动调用 memory_commit 提交会话摘要并沉淀要点
任何会话中的用户消息插件自动捕获到瞬时层(无需模型参与)