modusensus/dsh-mneme#dsh-mneme

dsh-mneme

给 DeepSeek Harness 的跨会话记忆插件：让 Agent 记住你、记住项目、自动整理记忆。Mneme（Μνήμη）——希腊记忆女神 Mnemosyne 之名，掌管记忆与梦境，正如 autoDream 在后台巩固记忆。

dsh-mneme 是一个 DeepSeek Harness (DSH) 插件，为 Agent 提供持久的跨会话记忆能力。它借鉴了 Claude 的 Dream 机制 与 cc-haha / Claude Code 的 autoDream 实现思路——不仅存储记忆，还会自动巩固（去重、合并、冲突裁决、摘要生成），让记忆库越用越精炼。

✨ 功能

记忆存储（SQLite + Markdown 镜像）

• SQLite 主存储：~/.dsh/memory/memory.db，node:sqlite 内置，零原生依赖
• Markdown 镜像：preferences.md / projects.md / decisions.md / history.md / summary.md，人类可读、可手工编辑（人工修改优先合并回库）
• 4+1 种记忆类型：preference（偏好）/ project（项目）/ decision（决策）/ history（历史）/ summary（总览）

模型工具（6 个）

工具	功能
memory_save	记录一条记忆（自动按标题去重合并）
memory_search	全文搜索（中文子串友好，可启用向量语义搜索）
memory_list	按类型分页列出
memory_update	修改已有记忆
memory_delete	删除记忆
memory_forget	抑制注入（降权不删除，可恢复）

自动注入 + 会话摘要

• 自动注入：新会话开局注入记忆摘要（summary 优先 + 少量高重要性条目）
• 会话摘要：turn/end 时用 LLM 提炼本次会话的偏好/决策/教训，自动入库（过滤 plugin 注入上下文，避免污染）

autoDream 自动记忆整理 🧠

• 触发：记忆数 > 10 或总字符 > 5000 时，异步自动触发（不阻塞写入）
• 决策清单式整理：LLM 输出 keep / merge / archive / conflict 决策清单，服务端校验后逐条应用
  • merge：合并主题相近的条目，保留信息最完整者
  • archive：归档过时/冗余条目（可恢复，不物理删除）
  • conflict：裁决矛盾信息，胜者保留、败者归档并追加溯源注释
• 摘要生成：整理后生成"记忆库总览"（单一实例），作为下次会话的优先注入
• Fail-safe：非法 LLM 输出（未知 id / 非法 action / 跨类型合并 / 越界 importance）拒绝整单，绝不破坏记忆库
• 裁决审计：每次运行写入 dream_runs 审计表（输入快照 sha256 digest + 完整输入快照 + 决策清单 + 逐 id 去向 + receipt），可离线回放；merge / conflict 幂等应用，重放/并发重复执行无累积副作用

Web 记忆面板

官方设置面板 → 「记忆库设置」→「记忆」标签：按类型浏览、全文搜索；启用向量搜索后可用「语义」切换做向量召回。

用户设置（画像 / 规则）与自定义指令 ⚙️

官方设置面板 → 「记忆库设置」标签：

• 用户画像：一段自由文本描述用户自己（角色、背景、偏好），每轮注入到系统提示，让 Agent 始终遵循
• 规则：Agent 必须遵守的行为规则列表（如"回答先给结论"），同样每轮注入
• 自定义指令：注册斜杠命令（/名称），触发时把用户定义的指令内容交给 Agent。命令持久化到 SQLite，启动时自动注册到 DSH 命令表，增删实时生效

画像与规则通过独立的 [用户设置] 注入区块（优先级高于记忆库），即使记忆为空也会注入。

向量搜索（语义搜索）🔎

可选能力：接入 OpenAI 兼容的 embeddings API，让搜索能命中字面不同但语义相近的记忆。

配置：官方设置 → 「记忆库设置」→ 滚动到底部「向量搜索」区块：

字段	说明
启用向量搜索	总开关；开启后记忆面板出现「语义」切换
API 地址 (Base URL)	OpenAI 兼容端点，如 https://api.openai.com/v1；也支持 SiliconFlow、智谱、本地 Ollama 等
API Key	对应服务的密钥
模型名	embedding 模型，如 text-embedding-3-small、text-embedding-v3、bge-m3 等

保存配置后点「重建索引」，为已有记忆批量补建向量（新写入的记忆会自动嵌入）。之后在记忆面板输入查询并点「语义」，即可用向量召回语义相关结果；向量服务不可用时自动回退全文搜索。

⚠️ 密钥仅保存在本机 ~/.dsh/memory/memory.db 的 user_settings 表，不会上传，也不会写入代码仓库。 需要 embedding 而非 rerank 模型：如阿里云 text-embedding-v3 可用，qwen3-vl-rerank 是 rerank 模型（不走 /embeddings）。

语义增强（Semantic）🧠

v0.2 起新增完全离线的语义记忆引擎（本地模型 + 精排 + 聚类）：

• 本地 Embedding：三后端可选——ONNX（Xenova/bge-small-zh-v1.5，离线）/ Ollama / OpenAI 兼容，失败自动逐级降级，最差回退关键词搜索
• Rerank 精排：Xenova/bge-reranker-base 对召回候选交叉编码精排，提升 Top-K 准确率
• autoDream 语义增强：对记忆向量聚类（clusterMemories），自动发现主题相近 / 疑似矛盾的记忆，巩固更精准
• 搜索流水线：混合召回（关键词 + 向量）→ Rerank → Top-K

配置只需在 cordis.patch.yml 里设置 embedProvider（默认 openai，保持 v0.1 行为；改为 local 即离线）。升级无需迁移数据。

📖 详见 语义增强架构 · 本地模型部署指南 · 从 v0.1 升级说明

📦 安装

前置条件

• DeepSeek Harness（DSH）
• Node 24+（node:sqlite）

安装步骤

方式一：npm 安装（推荐）

dsh-mneme 是一个 bundle（声明了 dsh.bundle manifest），安装即自动激活，无需手动写配置：

# 1. 安装插件（自动注册 bundle 层）
dsh plugin --profile web add @modusensus/dsh-mneme

# 2. 重启
dsh web

如需自定义配置（阈值、延迟等），可在 ~/.dsh/profiles/web/cordis.patch.yml 中按 id: dsh-mneme 覆盖默认值（见下方配置表）。

方式二：从源码安装

git clone https://github.com/modusensus/dsh-mneme.git
cd dsh-mneme
dsh plugin --profile web add .
dsh web

自定义配置（可选）

默认配置即可用。如需调整，在 ~/.dsh/profiles/web/cordis.patch.yml 中覆盖：

- id: dsh-mneme
  name: '@modusensus/dsh-mneme'
  config:
    memoryDir: ~/.dsh/memory
    autoInject: true
    autoSummarize: true
    maxInjectedItems: 5
    importanceThreshold: 3
    autoDream: true
    dreamThresholdCount: 10
    dreamThresholdChars: 5000
    dreamDelayMs: 2000

⚙️ 配置

键	默认值	说明
memoryDir	~/.dsh/memory	记忆存储目录（SQLite + Markdown）
autoInject	true	会话启动自动注入记忆
autoSummarize	true	会话结束自动提炼摘要
maxInjectedItems	5	最多注入几条记忆
importanceThreshold	3	注入的最低重要性（1-5）
autoDream	true	自动记忆整理开关
dreamThresholdCount	10	触发整理的记忆条数阈值
dreamThresholdChars	5000	触发整理的总字符阈值
dreamDelayMs	2000	整理异步延迟（去抖）
dreamProvider / dreamModel	空	dream 的 LLM 路由回退（默认用 agent 默认模型）
embedProvider	openai	语义后端：openai（默认，兼容 v0.1）/ local（ONNX 离线）/ ollama
localEmbedModel	Xenova/bge-small-zh-v1.5	本地 ONNX embedding 模型
localEmbedDimension	512	本地 embedding 向量维度
localEmbedBatchSize	8	本地 embedding 批大小（1-64）
ollamaBaseUrl	http://localhost:11434	Ollama 服务地址
ollamaModel	nomic-embed-text	Ollama embedding 模型
rerankEnabled	true	是否启用 Rerank 精排
rerankModel	Xenova/bge-reranker-base	Rerank 交叉编码模型
rerankScoreThreshold	0.1	Rerank 分数阈值（低于丢弃）

🏗️ 架构

┌─────────────────────────────────────────────────┐
│  存储层：SQLite (archived/forgotten 状态)         │
│         + Markdown 镜像（人工可编辑，双向同步）    │
├─────────────────────────────────────────────────┤
│  服务层：saveWithDedupe / injectCandidates        │
│         / mergeHumanEdits / onWrite 钩子          │
├─────────────────────────────────────────────────┤
│  模型接口：6 个工具 + 自动注入 + 会话摘要          │
├─────────────────────────────────────────────────┤
│  autoDream：阈值调度 → LLM 决策清单               │
│            → 校验（fail-safe）→ 应用 → 摘要       │
├─────────────────────────────────────────────────┤
│  Web 面板：设置面板内嵌 + 浏览/搜索（含向量）    │
└─────────────────────────────────────────────────┘

源码结构：

src/
├── store.js          # SQLite 存储（CRUD、搜索、归档/遗忘、schema 迁移）
├── mirror.js         # Markdown 镜像（渲染/解析，人工优先）
├── service.js        # 领域逻辑（去重合并、注入筛选、写入钩子）
├── config.js         # schemastery 配置 schema
├── tools.js          # 6 个模型工具（defineTool）
├── inject.js         # systemPrompt.context 动态注入
├── summarize.js      # 会话结束 LLM 摘要
├── dream.js          # autoDream 调度 + runDream（LLM 决策 + 摘要）
├── dream/decisions.js# 决策校验（fail-safe）+ 决策应用
├── embedding.js      # OpenAI 兼容 embeddings 客户端 + 向量检索
├── api.js            # HTTP 路由（Web 面板数据通道）
└── index.js          # 插件接线
lib/
├── client.js         # Web 面板（手写 ModuleLoader bundle）
└── *.js              # src 的同步分发产物
test/                 # 198 个 node:test 测试（含审计与三轴线压测不变量）
scripts/              # e2e-dsh.js 端到端演示 · stress-dsh.js 三轴线压测 · sync-lib.js 同步

🧪 开发

cd dsh-mneme
npm install        # 安装 peer 依赖（以 devDependencies 形式，用于本地测试）
npm test           # 运行 198 个测试
npm run stress     # 三轴线压测：长会话检索 / 冲突仲裁 / 多 Agent 并发（离线 mock LLM）
npm run sync       # 把 src/ 同步到 lib/（发布时由 prepack 钩子自动执行）

压测（npm run stress）三条轴线：长会话检索（Recall@k、陈旧残留率）、冲突裁决（可重放仲裁集：审计快照 hash + receipt + 幂等回放）、多 Agent 并发（丢更新、重复合并、事务/崩溃恢复）。每次 autoDream 运行都会写入审计表 dream_runs（输入快照 digest + 决策清单 + 逐 id 去向 + receipt），让高通过率下也能定位静默错误。

注：npm test 使用 --test-isolation=none 适配受限沙箱；普通环境可直接 node --test。 lib/ 是 src/ 的同步分发产物（npm run sync），其中 lib/client.js 为手写 Web 面板源码，不受同步影响。

📄 设计文档

设计文档位于仓库根 docs/，链接以 ../docs/ 相对路径指向（GitHub 上从本目录打开可正常跳转）。

• 记忆库设计
• autoDream 设计
• 实施计划
• 语义增强架构
• 本地模型部署指南
• 从 v0.1 升级说明

📜 License

MIT