dsh-memgas

中文 | English

DeepSeek Harness（dsh）的长期记忆插件。 让 agent 跨会话记住这个项目的约定、决策和踩过的坑，并随着使用不断整理、更新、遗忘。

检索用的多粒度关联与自适应选择方法来自 ICLR 2026 论文 From Single to Multi-Granularity: Toward Long-Term Memory Association and Selection of Conversational Agents（MemGAS）。

安装

dsh plugin --profile web add dsh-memgas              # 从 npm
dsh plugin --profile web add github:quqxui/dsh-memgas # 或直接从 GitHub

两种方式等价。仓库里带了打包好的单文件产物，从 GitHub 装不需要构建、不需要给 pnpm 构建授权、也不会拉任何运行时依赖——插件本身只用 Node 内置模块。

重启 dsh 即生效。插件自带 bundle 配置，不需要手动改 cordis.patch.yml。默认零配置：不需要 API key，不下载模型，不起额外进程。

它做什么

换一个会话，agent 自己就想起来了。下面是原始运行记录，两个独立的 dsh 进程（0.1.2-rc.1）：

$ dsh --profile headless "请用 memory_save 工具记住：本项目的部署端口是 8080，依赖用 pnpm 管理。"

已完成记忆保存：
1. **环境**：本项目的部署端口是 8080。
2. **约定**：本项目依赖用 pnpm 管理（而非 npm/yarn）。

# ——— 进程退出，换一个全新会话，没有任何共享上下文 ———

$ dsh --profile headless "这个项目的部署端口是多少？依赖用什么管理？直接回答。"

根据长期记忆：
- **部署端口**：8080
- **依赖管理**：pnpm

第二个会话没有调用任何工具，也没被告知去查记忆——相关内容在模型请求发出之前就已经进了上下文。

这个例子里第一句明确要求了保存。实际使用中不需要：每轮对话结束后，插件会在后台把值得留下的内容蒸馏成事实、摘要和关键词自动入库。

检索

大多数记忆插件用一条通道：向量相似度或全文匹配。dsh-memgas 并行跑四条，再按排名融合：

通道	内容	擅长	可关闭
词法	SQLite FTS5，标识符保原样	文件路径、包名、报错码、精确措辞	否
稠密	向量相似度	换一种说法问同一件事	否
多粒度	会话/轮次/摘要/关键词四个粒度分别检索，按熵路由分配权重	判断该看整段会话还是某一轮	是
图扩展	以前两条通道的命中为种子，在关联图上跑 Personalized PageRank	跨会话的多跳关联	是

融合用 Reciprocal Rank Fusion，只看排名不看分数——各通道的分数量纲不可比，某条通道整体失准时不会污染其他通道的排序。

基线保底。 最终结果里至少一半席位留给词法和稠密两条通道，增强通道只能填充剩余席位与重排。最坏情况下的检索质量等于普通检索。

自动降级。 记忆太少就只跑基线两条；熵路由没有区分度就回落等权重；关联图太稀疏就跳过图通道，出现超级枢纽节点就截断它的边而不是关掉整条通道；任一通道抛异常或超时就跳过它，其余照常融合。整条路径有延迟预算，超时返回已完成通道的结果。检索失败从不影响正在进行的对话。

/memory diag <关键词> 会打印每条通道的原始结果和融合过程，每条记忆都能说清是哪条通道、排第几、什么分数带回来的。

记忆会演化

记忆不是只写不改的日志。六个后台过程持续整理，全部在队列里跑，不占对话的关键路径：

• 关联 — 新记忆入库时按相似度分布聚类，与真正相关的历史记忆建边
• 调和 — 重复的合并、过时的走版本链标记取代、矛盾的两条都留下并标注冲突
• 强化 — 被取回并真正用上的记忆权重上升，反复一起出现的记忆之间建立连接
• 衰减 — 长期无人问津的记忆归档（只归档，不删除，随时可恢复）
• 抽象 — 一组相关记忆积累到一定规模，综合成一条更高层的约定，来源保持可用
• 重关联 — 记忆库增长后刷新关联图，让它反映当前实际的分布

任何一个过程失败都不影响其他过程，也不影响对话。

工具与命令

agent 可以用三个工具：memory_search、memory_save、memory_status。

你可以用 /memory：

/memory status              记忆条数、向量模型、索引与通道状态
/memory search <关键词>      检索并列出记忆卡片
/memory diag <关键词>        显示各通道的原始结果与融合过程
/memory list [数量]          按重要度列出本项目的记忆
/memory forget <id>         归档一条记忆（可恢复）
/memory restore <id>        恢复归档的记忆
/memory pin <id>            标记为常驻，不受自动衰减影响
/memory review              处理等待确认的记忆
/memory export              以 JSON 导出本项目的记忆
/memory purge --yes         物理删除本项目的全部记忆（不可恢复）

配置

在 profile 的 cordis.patch.yml 里按 id 覆盖，全部字段可选：

- id: memgas
  config:
    mode: hybrid             # lite（只跑基线两条通道）| hybrid | memgas（增强通道权重更高）
    k: 8                     # 每次检索返回的记忆条数
    harvest: true            # 自动从对话里收割记忆
    recall: true             # 轮次开始前主动注入相关记忆
    evolve: true             # 运行后台整理过程
    confirmWrites: false     # true 时自动收割的记忆先进 /memory review 队列
    localModel: null         # 见下方「向量模型」

完整字段见设计文档。

隐私与存储

记忆库是本机的 SQLite 文件，按项目分开存放在 $DSH_HOME/memgas/，一个作用域一个文件，方便单独导出或删除。项目作用域按 git remote 归一化，同一个仓库在不同机器上克隆也是同一份记忆。

不外发。 摘要和整理复用 dsh 里你已经配好的模型，不需要额外的 API key，也不会把记忆发到任何第三方服务。写入前会拦截密钥、token、私钥形态的内容。

向量模型

默认使用不依赖任何下载的词法向量，装完即用。需要语义泛化能力时可以启用本地模型：

pnpm add @huggingface/transformers

…