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：

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。

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

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。
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。

dsh-layered-memory

同名包的其他仓库

安装

说明文档

配置

蒸馏回退链与慢 TTFT 模型