简体中文 | English

dsh-openviking

面向 DeepSeek Harness 的 OpenViking 检索、资源管理、自动召回(user + agent 双空间)与会话记忆插件

功能

工具	功能
memsearch	语义搜索（auto/fast/deep；deep 使用会话上下文）
memfind	快速语义查找，不带会话上下文
memread	读取viking:// URI（abstract/overview/read/auto）
membrowse	浏览viking:// 文件系统（list/tree/stat）
memgrep	精确/正则内容搜索（默认viking://resources/）
memglob	按 glob 模式枚举文件
memadd	在viking://resources/ 下添加远程 URL 或本地文本文件
memremove	删除资源——需字面量confirm: true
memqueue	查看观察者队列状态
memcommit	提交当前会话并提取持久记忆
memlearn	主动沉淀经验:写/合并记忆或铸 skill playbook;脱敏+查重+即时注入当前会话

另含：已索引仓库上下文注入、通过上下文注入通道自动召回、会话同步 + 自动提交。

流程经验自动召回

对审计、恢复、补偿、重放、验证、修复、诊断、迁移和步骤化流程问题，插件会在普通全局召回之外启用 procedure lane。它从缓存的用户记忆树中先筛选路径包含 方法论、playbook、workflow、runbook、pattern、case 或 skill 等标记的叶分支，再最多检索 16 个流程分支；每个分支限时 3 秒，失败或超时不会阻断当前模型步骤。若有满足既有相关度阈值的流程候选，最优候选保留一个注入槽位，其余容量才由普通 user/agent 结果填充。总 token 预算、去重、内容长度上限及插件上下文隔离仍然生效。

斜杠命令

命令	功能
/memlearn <lesson>	人工触发记忆沉淀：与 memlearn 模型工具完全同源的脱敏 / 查重 / 持久化，不开启模型回合，原始输入不进会话日志

为什么选择 OpenViking？

维度	本地文件 / SQLite 方案	OpenViking 方案（本插件）
召回	关键词 / FTS5 精确匹配	语义检索：向量召回 + L0/L1 摘要层定位
内容形态	只能存自己写进去的文本	记忆、资源、技能统一在一个viking:// 虚拟文件系统里；远程 URL、本地文档都能 memadd 入库成为可检索资源
上下文开销	全量注入或手写精简	L0 摘要（一句话）→ L1 概览（要点）→ L2 全文三层分级，按需加载，省 token
跨工具	每个工具一套记忆，彼此孤岛	同一套记忆跨工具共享：Claude Code、Codex、MCP 客户端、ov CLI 与 DSH 读写同一个库
维护	靠手工整理	观察者队列自动完成嵌入、摘要生成与内容重组（memqueue 可查状态）

快速开始

# 一键安装（GitHub 仓库，含预构建 lib/，无需构建授权）：
sh install.sh [profile-name]          # 默认 profile: dsh-openviking

# 或手动安装：
dsh plugin --profile <name> add github:Rxiain/dsh-openviking
dsh --profile <name>

（在设置的插件配置中也可以配置哦）

配置默认指向 http://localhost:1933。如需覆盖任何设置，请在 profile 的 cordis.patch.yml 中以 id: openviking 写入完整配置（patch 整体替换 config）：

…