dsh-plugin-semantic-memory

English | 中文

为 DeepSeek Harness 提供向量长期记忆的插件（dsh-plugin，即 Cordis 插件）。

它让模型拥有跨会话的持久记忆，并按语义检索——不同于内置 session_query 的字面全文匹配（FTS5），本插件按"含义"召回。

零配置开箱即用：安装 → 重启 → 开新会话即可。本地 embedding 模型首次使用时自动下载（约 100 MB）也可以选择自己配置云端API；四个工具、按问题主动召回、每 5 轮自动总结全部默认开启。只有想调整行为时才需要配置（见配置）。

功能特性

• 跨会话语义记忆 —— 事实 / 决策 / 偏好 / 笔记，持久化为 JSONL，位于 $DSH_HOME/memories/memories.jsonl
• 向量检索 —— 归一化向量的余弦相似度；embedding 来源可插拔：
  • local（默认）：@huggingface/transformers + Xenova/bge-small-zh-v1.5（离线，约 100 MB，缓存于 ~/.cache/huggingface）
  • api：任意 OpenAI 兼容的 /embeddings 接口（如硅基流动、智谱、阿里百炼）
• 记忆衰减与强化 —— 每条记忆的有效强度按半衰期随时间减半；被检索到会刷新。写入时的 importance（1~5）决定基础强度
• 模型工具：
  • memory_write —— 持久化一条 事实/决策/偏好/笔记（内容哈希去重，重复写入原地更新）
  • memory_search —— 语义 top-k 召回，支持 kind / tags / workspace 过滤
  • memory_forget —— 按 id 删除
  • memory_stats —— 记忆库统计
• 自动注入 —— 插件监听会话事件流：每条新用户消息异步嵌入并检索，在下一轮提示词组装前注入与该问题最相关的记忆（带问题感知）。没有新鲜召回时，按强度排序的最强记忆作为固定大小的兜底注入
• 主动写入引导 —— 注入的提示要求模型在用户表达持久偏好、确立事实或明确决策时主动调用 memory_write，无需用户说"记住"
• 自动总结 —— 每 N 条用户消息（默认 5），调用 harness LLM 把自上次总结以来的新消息（按会话内 seq 游标增量提炼，不重复不遗漏）蒸馏成记忆条目写入（带 auto 标签）；每会话单飞执行，失败静默；仅在 llm 与 agentDefaultModel 服务存在时激活
• 工作区标签 —— 条目记录写入时的会话 cwd；检索默认限定当前工作区，可跨工作区召回

安装到 DSH profile

官方一行命令（包自带 cordis.patch.yml，通过 声明， 自动挂载——无需手改 profile）：