面向 DeepSeek Harness 的压缩驱动项目记忆:把压缩增量确定性编译为可检索、带引文的项目词典,自适应双注入,并提供可移植的压缩接管预设。
安装
# GitHub 源码(首次需按提示配置 allowBuilds 构建授权后重试)
dsh plugin --profile web add github:Anseya/flow-tower-context#path:/plugin/flow-tower
装任何插件都等于在你的机器上跑第三方代码,权限和你本人一样大——能读你的文件、用你的凭据、访问网络,工具审批管不到它。GitHub 来源的插件还会在安装时执行构建脚本——pnpm 默认拦截,所以安装可能停在 ERR_PNPM_GIT_DEP_PREPARE_NOT_ALLOWED 或 ERR_PNPM_IGNORED_BUILDS;dsh 会打印出需要添加的确切键名,把它加进该 profile 的 pnpm-workspace.yaml 的 allowBuilds 下,重跑一次即可装上。放行构建本身就是一次信任判断:请只安装可信来源,并尽量锁定 commit(github:owner/repo#sha)。
README
当前版本 0.66.4 · DeepSeek Harness >=0.2.2-rc.3 <0.3.0 · 发布包名
flow-tower-context· MIT
1. 这是什么
一个观察式、自动化、项目本地的上下文记忆插件:观察 DSH 的 compaction/summary 事件,把压缩摘要的增量确定性编译成可检索、可逐字回溯的项目词典,并在模型上下文里按需注入长程项目全貌。它不重造宿主的压缩事务,只在压缩之上补一层“可检索的长期记忆”。
- 压缩驱动编译:以压缩事件为唯一写入锚点,零 LLM 调用、无写放大;
- 十类词条:file / api-symbol / feature / decision / task / command / error / topic / chapter / person;
- 可逐字回放:每条词条带
seq引文,dict_cite回放原始消息,而不是摘要; - 类型化关系:parent / derivedFrom / cites / replaces / mergedFrom / sibling / relatedTo / taskContext;
- 双注入策略:
auto在 dual / dual-lite / long-only / short-only 间按任务类型、checkpoint 新鲜度与上下文压力自适应; - 多 agent 共享:无自有词典卷的子代理/新会话读取项目级共享 digest,并跨卷聚合 open task;
- 项目本地存储:单文件 SQLite(WAL + 项目写锁),默认
<项目>/.flow-tower/flow_tower.db; - 认证优先:面板页面、检索/引文 API 与设置写入全部经过 DSH Connection 准入;未认证请求返回 401/403,Connection 服务不可用时 fail-closed(503),不会匿名暴露项目记忆。
2. 快速开始
2.1 环境要求
- DeepSeek Harness 0.2.2-rc.3(Desktop 或 web profile 均可);
- 无需外部服务;可选 embedding 与 DeepSeek smart rerank 默认关闭。
2.2 安装
发布后(npm / 插件市场):
# 方式 A:插件市场(推荐)
# 插件 → 实验性插件 → 开启 Custom plugin indexes
# 插件 → 发现 → 添加索引源:
# https://cdn.jsdelivr.net/npm/flow-tower-context/market/index.json
# 搜索 “Flow Tower Context” → 安装 → 重启 DSH
# 方式 B:直接安装 npm 包
plugin_manager install_bundle target=flow-tower-context@0.66.4
开发/未发布时(当前仓库形态):
# 方式 A:DSH 界面 Settings → Plugins → Add plugin,选择本目录 plugin/flow-tower
# 方式 B:先构建发布包,再安装构建目录
npm run build:publish # 生成 dist/flow-tower-context
plugin_manager install_bundle target=<repo>\dist\flow-tower-context
要求:DSH >=0.2.2-rc.3 <0.3.0;安装后需重启 DSH 才会加载新的 JS 模块代次。详细步骤、验证与卸载见 docs/INSTALL.md,兼容性见 docs/COMPATIBILITY.md。
2.3 会话预设层接管压缩(可选但推荐)
DSH 的插件补丁只作用于宿主平面,会话的压缩服务由 preset 的 isolate 组装配。发布版的 bundle 会注册一个 agent 预设 Flow Tower (compaction memory):它镜像官方 cordis 预设,只把压缩组里的 compaction-basic 换成 flow-tower-context/compaction(FlowTowerCompactionEngine 继承宿主 BasicCompactionEngine,只重写 summarize(),其余触发/区间/事务/裁剪全部保留)。
新建会话时选择该预设即可让项目记忆进入压缩请求;不选则插件以“观察 + 注入 + 工具/面板”模式工作。预设插件列表是官方 cordis 预设的快照,DSH 升级后需按 docs/COMPATIBILITY.md 重新生成。
2.4 安装后验证
# 状态接口(端口以 GUI URL 为准;注意路由前缀是 /flow-tower)
Invoke-RestMethod http://127.0.0.1:<port>/flow-tower/api/status | ConvertTo-Json -Depth 5
关键字段:version、compactionBackend、lastSummarize.memoryChars、lastInjection.mode、compactionDiagnostics.sessionEngineVerified。若接管成功,memoryChars > 0 且 sessionEngineVerified = true。面板:插件 → Flow Tower(词典 / 时间线 / 关系图 / 任务 / 设置)。
3. 核心机制
3.1 压缩驱动编译
观察 session/event 上的 compaction/start|summary|end,从 compaction/summary 的 shadowedSeqs 区间读取原始消息与摘要,抽取词条、关系与引文;再按 delta 做增量更新、去重、归档与维护清理(被引用的摘要噪声归档、模块归属补齐)。编译是确定性的,时间与 delta 规模成正比。
3.2 双注入策略
压缩之后上下文里同时存在两类信息源:短程 <compacted-summary> checkpoint(权威、精确)与长程 digest/项目地图(全貌、索引)。默认按三个信号选择模式:
| 模式 | 注入内容 | 触发(injectionMode: auto) |
预算系数 |
|---|---|---|---|
long-only |
完整 digest / 地图 | 上下文中无 checkpoint | 1.0 |
dual-lite |
只给目标/未完成任务/模块/遍历指引,去掉近期段落 | checkpoint 新鲜(≤2 轮)且任务为 coding/research/history | 0.6 |
dual |
完整 digest | planning 任务;或 checkpoint 已陈旧(>2 轮) | 1.0 |
short-only |
不注入,仅用原生 checkpoint | 普通对话且 checkpoint 新鲜;或压力比 ≥0.85 | 0 |
预算按压力自适应(基 2000 token,0.55/0.7/0.85 三档缩放,下限 400),注入头带机器可读标记,例如:
[flow-tower] Project map · 项目 · 10 open / 20 done · inject: dual · short: checkpoint 1t ago · task: coding
注入预算按压缩周期计算(v0.66.3):压缩会替换掉旧的持久化注入消息,因此每次压缩完成时重置每卷计数,长会话不会在 40 次后静默停止注入。
3.3 检索
- 默认
hybrid:词法(CJK bigram + ASCII + 路径分段,headword ×2、alias ×3、双语同义词扩展)优先,稀疏语义补位,避免纯融合把正确命中挤出前列; /api/search与dict_search支持mode(hybrid/lexical/semantic)、kind、module、status、since/until、sort;- 面板“智能重排”可选调用 DeepSeek 做查询改写 + 候选重排(结果缓存 10 分钟);embedding 路径可选、默认关闭。
3.4 存储与证据链
- 项目本地 SQLite:词条、关系、引文、摘要树、分组、指标、注入游标;
- 运行日志
compaction-runs.jsonl(引擎行含memoryChars/injectedMessages,事件行含compactionId),引擎诊断日志$DSH_HOME/flow-tower/compaction-engine-debug.log; - 状态接口合并两行证据,并提供
compactionDiagnostics(引擎日志摘要、sessionEngineVerified)。
4. 配置默认值(节选)
| 键 | 默认 | 说明 |
|---|---|---|
storageMode |
project |
可选 global / custom |
maxEntries |
6000 |
单卷容量,滚动淘汰 |
digestMode |
on-change |
词典版本变化才注入 |
digestStrategy |
brief |
大项目自动切项目地图 |
injectionMode |
auto |
可选 dual / off |
digestBudgetTokens |
2000 |
再按压力缩放 |
summaryMemoryChars |
1800 |
注入压缩请求的项目记忆上限 |
mapThresholdEntries |
200 |
达到后 brief 切换为模块塔图 |
relationsMode |
on |
类型化关系 |
llmCompiler |
off |
可选 shadow / on(提案需 seq 引用校验) |
proposalMode |
off |
LLM 提案管线 |
完整配置与三层策略(bundle 默认 → $DSH_HOME/flow-tower/settings.json → <项目>/.flow-tower/settings.json)见 docs/injection-policy.md 与面板设置页。
5. 工具与面板
模型侧 6 个工具:dict_browse、dict_lookup、dict_cite、dict_timeline、dict_search、dict_relate(llmCompiler != off 时另有 dict_shadow_probe)。只读面板含 Browse / Tree / Timeline / Tasks / Graph / Settings;HTTP 接口 /flow-tower/api/* 只读;另有 tools/mcp-server.mjs(stdio JSON-RPC)可选。
6. 评测与测试
cd plugin/flow-tower
npm test # 85/85 单测 + module-graph --check(68 模块 / 0 循环)
npm run eval:search # 检索召回:lexical/hybrid Recall@5 = 0.94,sparse semantic 0.66
npm run eval:cost # 上下文成本:工具输出 525.9 万字符、裁剪上限 ≈315k token、注入平均 767 token
node eval/txt-corpus-eval.mjs --file=<语料.txt> # 长文本压测(《凡人修仙传》全本 8.44M 字符 → 2,846 词条、保真 100%)
其他评测脚本:eval/offline-eval.mjs、eval/real-session-eval.mjs、eval/long-session-eval.mjs、eval/relations-bench.mjs、eval/ci.mjs。论文中的数字来自真实开发会话(8 次压缩、3881 词条、23676 条活跃关系)与上述离线评测。
发布相关:
npm run build:publish # 生成 dist/flow-tower-context(公开包名、LICENSE、bundle patch、索引、DETAIL)
npm run publish:check # 发布前检查(包名/引擎/本地化/市场索引/绝对路径)
npm run publish:check:strict # 连同 Anseya 占位符一起严格检查
7. 已知边界
- 语义召回弱:默认靠词法 + 同义词 + 稀疏语义,跨语言与同义改写有限;需要可选 smart rerank 或 embedding;
- 不压缩就不编纂:纯短会话不产生记忆;
- 任务/决策抽取是启发式,可能存在长句/碎片,靠质量门槛、维护清理与 cite 回放兜底;
- 单写者(文件锁 + WAL),不做多主合并;
- 预设层覆盖是静态快照,DSH 升级后需重新生成;
- 工程债:
store.js、client.js、web-page-script.js有 LOC 豁免;尚无浏览器端自动化测试。
8. 项目链接、论文与许可证
- 项目总览(中英双语):../../README.md
- 论文(Word,不署名):../../paper/FlowTower-压缩驱动的项目级上下文记忆系统.docx
- 设计文档(21 篇):../../design/flow-tower/
- 发布包名:
flow-tower-context;代码仓库(公开地址,发布前占位):https://github.com/Anseya/flow-tower-context - 插件市场索引(发布后):
https://cdn.jsdelivr.net/npm/flow-tower-context/market/index.json - 安装 / 兼容性 / 发布:docs/INSTALL.md · docs/COMPATIBILITY.md · docs/PUBLISHING.md
- DSH 官方站点:https://www.deepseek.com/harness/
- 许可证:MIT(见仓库根目录 LICENSE)
链接
同类插件
vectorize-io/hindsight#coding-agents★ 61388
Hindsight:会学习的 Agent 长期记忆系统,自动召回/保存、知识页、深度反思与按仓库隔离的记忆银行。
volcengine/OpenViking#examples/dsh-memory-plugin★ 42311
面向 DeepSeek Harness 的 OpenViking 记忆与上下文插件:pre-step 自动召回与画像注入、会话捕获、`viking://` URI 防护,以及对接 OpenViking 服务端的 recall/write 记忆工具。
MemTensor/MemOS#memos-local-plugin★ 12417
DeepSeek Harness 本地记忆插件:分层 L1/L2/L3 记忆,自动沉淀与手动 memos_* 检索工具并存,内置记忆浏览器。
agentscope-ai/ReMe#dsh★ 3812
将 DeepSeek Harness 接入 ReMe 本地优先、自进化的个人知识库:自动把已完成的主 Agent 对话沉淀为用户掌控的 Markdown 记忆,通过 reme_search 结合 BM25、可选向量检索和 wikilink 展开搜索对话与资料,并按日整理长期记忆。
zilliztech/memsearch#MemSearch★ 2889
供 DSH 与其他编程 Agent 共享的 Markdown 记忆,支持自动捕获、步骤前上下文注入、搜索召回,以及通过审阅面板实现 memory-to-skill 自进化。
vshulcz/deja-vu#extensions/dsh★ 1578
跨会话长期记忆与上下文恢复:读取本机上其他四十五个(45+)编程智能体已经写下的会话文件,支持安装前历史找回与中断恢复(Claude Code、Codex、Cursor、Windsurf、Trae、Antigravity、VS Code Copilot Chat、opencode、OpenClaw、Hermes、Kimi、Qoder、Cline、Zed、Magpie 等):提供 deja_recall、deja_session、deja_blame、deja_fix、deja_how、deja_remember 六个工具与 /deja 命令,并可选地把召回结果加入运行时上下文。共享本地 BM25 CLI/MCP 索引,不用大模型,不用向量嵌入,不联网(dsh plugin --profile web add dsh-deja)。
社区评论
评论公开保存在 GitHub Discussions。加载评论会连接 GitHub 和 Giscus;发表内容需要 GitHub 账号。