Mindspace DeepSeek Harness 本地 RAG

English

这是一个面向 DeepSeek Harness 的独立、本地 RAG 插件。它不会在每一轮对话里强塞召回内容，而是给所有支持工具调用的聊天模型提供一个明确的 search_local_memory 入口，由当前模型判断什么时候需要查资料。

项目定位：ARPM 衍生的独立 RAG 分支

这是 Mindspace/DSH 插件体系中的 RAG 分支，检索设计以 ARPM 的实践为基础，但不是对 ARPM 聊天主链的原样移植：

• 保留 ARPM 的向量召回 + BM25+、RRF 融合、子块命中与父块返回；
• 改为 DSH 标准 defineTool 工具，由当前聊天模型自主决定何时检索；
• 增加 DSH 原生 compaction/end 摘要摄取、单会话隔离、源文件追溯、文档版本治理和本地模型生命周期；
• 不修改 DSH 聊天供应商，不把召回结果强制注入每一轮 Prompt。

与结构化记忆插件的边界

本仓库和 mindspace-dsh-session-memory 没有绑定，也不是放在一起开发的单体插件。

能力	本仓库：Local RAG	结构化记忆插件
主要职责	大规模资料与历史摘要的按需检索	用户画像、偏好、AI 要求、关系使命与扮演预设
模型使用方式	标准工具调用，按需检索	将受治理的个性化记忆提供给当前会话
包与仓库	mindspace-dsh-local-rag	mindspace-dsh-session-memory
数据目录	/mindspace-local-rag/	结构化记忆插件自己的存储目录
依赖关系	不依赖结构化记忆插件	不依赖本 RAG 插件

两者可以独立安装和卸载。当前本机只是通过 DSH profile 把两个 bundle 并列挂载；任意一个被移除，另一个仍能单独启动和运行。RAG 中的会话摘要来自 DSH 原生压缩事件，不读取结构化记忆插件的数据。

本次贡献

• 模型自主检索：当下对话足以回答时不检索，不足时才调用工具。
• 本地双路召回：向量相似度与 BM25+ 并行，使用 RRF 做确定性融合。
• 固定安全边界：默认向量 5 条、词法 5 条，最终最多返回 5 条；模型不能控制 Top-K 和排序参数。
• 父子分块：子块目标约 200 个 Unicode 字符，延伸到下一个句末，最迟 300 字强制截断；每个父块最多聚合 3 个子块。短 PDF 页、DOCX 段落和表格行会先合并，再保留页/段/行范围，避免 600 字产生二十多个碎块。
• 双资料库：用户上传的知识库，以及按会话隔离的 DSH 原生压缩摘要库。
• 摘要式长期记忆：不再把每轮原始对话写进 RAG。只在 DSH 完成 compaction/end 事务后读取原始压缩摘要，结合既有摘要与近期未压缩 surface 去重，再异步入库。
• 可追溯来源：PDF 保留文件名、文档标题、作者、URL、标题页与页码；DOCX 保留标题层级和段落号；TSV/CSV 保留表头和原始行号；摘要保留时间、轮次与事件 seq 范围。
• 可治理双库：知识正文和当前会话压缩摘要都能查看、编辑、逻辑删除和按版本回滚；每次修改都生成不可变修订号，并只重建对应文档的派生索引。
• 源文件二次取证：检索结果同时给 AI 和用户稳定的 local-rag://source/... 地址。AI 可按 sourceId/documentId 二次检索，或分页读取受限的提取正文；插件不暴露真实磁盘路径。
• 文件摄取：设置页可分块上传 PDF、DOCX、TSV、CSV、TXT、Markdown、JSON 和 HTML；无需额外安装解析器。