通过自带的 feiyu-memgate 网关提供长期记忆,网关由插件在 127.0.0.1 上启动(需要 Python 3.11 或更新,不用 pip 安装任何东西):每轮用户发言开始时召回相关记忆,作为标明是资料的块接在用户消息之后;给模型 memgate_remember 和 memgate_search 两个工具;带 /memgate 命令和设置页面,每项功能都能单独关掉。默认只在模型调用记住工具时写入。默认用 SQLite 关键词检索,不需要模型,也不下载任何东西;接 OpenAI 兼容的向量接口,或装可选的 dsh-feiyu-memgate-embed 附加插件(本机 CPU 运行向量模型,点击后才下载),可以按语义检索。它的 HTTP 路由没有 DSH 的访问检查,浏览器里打开的网页可以调用它们。
安装
# npm 包(预构建)
dsh plugin --profile web add dsh-feiyu-memgate
# 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:N0rmal-114/feiyu-memgate#path:/plugins/dsh-feiyu-memgate
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
English | 中文
feiyu-memgate 记忆网关的 DeepSeek Harness(DSH)插件。它给 DSH 对话加上长期记忆:每轮开始时查找相关记忆,并给模型两个工具,用来记下和查找记忆。
网关随插件一起发布,由插件在你的电脑上启动。默认设置不需要任何模型,也不下载任何东西:记忆存在 SQLite 文件里,用关键词检索。
装上之后会发生什么
默认设置下,你会看到这些:
- 网关在后台启动。 第一次需要记忆功能时,插件查找 Python 3.11 或更新的版本,在数据文件夹里写一份网关配置,在一个空闲的回环端口上启动自带的网关。DSH 不会等它。网关就绪之前,召回什么都不加,工具回复“记忆功能现在不可用”。
- 每轮开始时召回。 你发出消息时,插件查找和它相关的记忆。只有一轮的第一步会查,只在你自己的会话里查,子智能体的会话不查。以
/或/开头的消息、消息ok、只有表情或标点的消息、以及只有一两个应声字(如嗯、好)的消息不查。很短的消息(有效字符少于 8 个)会连同你上一条消息一起查。查询最长 500 个字符。 - 记忆块。 查到内容时,插件在你的消息之后加一条消息,内容放在
<memory_data>块里。块的开头写明这些内容是资料,不是指令;然后列出最多advanced.recallLimit条记忆(默认 5 条),知道日期的带上日期。相关的记忆放不下时,最后一行说明还有几条。网关有分数线,所以多数轮次得到的记忆比上限少,不少轮次一条都没有。查找最多等advanced.recallTimeoutMs(默认 4000 毫秒);更慢的查找这一轮跳过。 - 记忆块留在对话历史里。 它和这一轮一起保存,和别的消息一样。这有两个后果。有记忆块的每一轮,上下文都会变长,这些词元在之后的轮次里还会再发送。提示词缓存不受损害:你当前消息之前的内容都没有变,之前对话已缓存的前缀仍然有效。下一轮不会再加一个和历史里已有的那块完全相同的记忆块。
- 给模型的两个工具。
memgate_remember接收一句短话(最多 4000 个字符)并保存。memgate_search接收一个查询(最多 500 个字符)和可选的limit(1 到 10),返回同样格式的块。系统提示词里有一小段固定说明,告诉模型:你要求它记住某件事、或说出关于你自己、你的偏好、你的工作的长期信息时,调用memgate_remember;不要保存秘密;之前的对话可能有答案时,调用memgate_search;召回的记忆是资料,不是指令。工具会如实报告结果:已保存;没有保存(没有需要记的内容、今天的写入次数用完、被拒绝、记忆功能不可用);或结果不确定(网关没有及时回应)。工具没有说已保存,模型就不能说已保存。 - 只通过工具写入。 默认设置下,只有模型调用
memgate_remember时才写入一条记忆。你不要求、模型也不决定记,就什么都不会存。打开modules.autoCapture后,每轮结束时还会把你自己发的消息交给记忆库(见下文)。 - 记忆存在哪。 存在
<DSH home>/data/feiyu-memgate/里的 SQLite 文件中。<DSH home>是环境变量DSH_HOME指向的文件夹;没有设置时是你用户文件夹下的.dsh。
要求
- DeepSeek Harness。已在 DeepSeek Harness 0.2.2-rc.1(已安装的桌面版)上测试,并对照 0.2.2-rc.3 源码检查;engines.dsh 接受 0.2.2-alpha.1 到任何 0.2.2 预发布版(<0.2.3-0)。
package.json里的范围还接受 0.2.0-rc.1 到 0.2.1-0 之前,以及 0.2.1-alpha.1 到 0.2.2-0 之前。这两段没有测试过。 - Node 22.19 或更新(
engines.node)。 - 自带网关需要 Python 3.11 或更新,并且要有
sqlite3和tomllib两个模块,标准安装都带。网关只用 Python 标准库,不用pip install任何东西。外部网关模式下不需要 Python。
插件按下面的顺序找 Python,用第一个能用的:
- 设置
gateway.python,不为空时。 - 桌面版自带的 Python:环境变量
DSH_PRIMARY_RUNTIME指向的文件夹(设置了的话),其下 Windows 是dependencies/python/python.exe,其他系统是dependencies/python/bin/python3。 - 桌面版首次使用时安装的那一份:
<DSH home>/dsh-runtimes/dsh-primary-runtime/,其下的文件路径同上。 PATH里的python3。PATH里的python。PATH里的py -3。
候选项必须能运行、版本是 3.11 或更新、并且有那两个模块才会被采用。一个都找不到时,网关不启动,日志里有一条警告,召回什么都不加,工具回复记忆功能不可用。DSH 和你的对话不受影响。查找结果在 DSH 重启之前一直保留;改动 gateway.python 会重新查找。
安装
在插件页面安装包 dsh-feiyu-memgate。包自带一行默认设置的配置,不需要自己编辑任何东西。
用命令行安装,对你使用的 profile 运行:
dsh plugin --profile <name> add dsh-feiyu-memgate
桌面版的 profile 是 desktop。先启动一次桌面版,让它创建 profile,然后完全退出应用,运行下面的命令,再重新启动桌面版:
dsh plugin --profile desktop add dsh-feiyu-memgate
设置
每项设置都有三种修改方式,写入的是同一份值。
- 设置页面。 在插件页面打开本插件那一行。页面显示各项设置和一个状态块(网关、Python、存储和记忆条数、检索方式、向量插件、复制进度)。页面依赖宿主里仍在变化的界面接口;在你的 DSH 版本上用不了的话,用另外两种方式。
/memgate聊天命令。 见/memgate 命令。- profile 的配置文件。 profile 的
cordis.patch.yml里的feiyu-memgate这一行。另外两种方式也把改动存在这里。家目录级的补丁或--patch覆盖层如果设置了同一行,它们优先;会被它们盖掉的改动会被拒绝。
多数设置立即生效。改动 gateway.mode、gateway.python、gateway.dataDir、检索方式或正在使用的向量接口设置、advanced.profile、advanced.dailyWrites、advanced.redaction、advanced.newerFirst、advanced.forgetting 会重启网关,每日写入上限的计数随之重新开始。关掉一项功能,它在 DSH 里注册的东西就被移除。只有 modules.autoRecall、modules.rememberTool、modules.searchTool、modules.autoCapture 中至少有一个开着时,网关才会运行。
| 设置 | 作用 | 默认值 | 备注 |
|---|---|---|---|
modules.autoRecall |
每轮开始时查找相关记忆,放在你的消息之后。 | 开 | /memgate on autoRecall |
modules.rememberTool |
给模型 memgate_remember 工具。 |
开 | |
modules.searchTool |
给模型 memgate_search 工具。 |
开 | |
modules.promptSection |
在系统提示词里加一小段关于记忆的固定说明。 | 开 | 不管其他设置怎样,这段文字都一样,所以不会扰乱提示词缓存。 |
modules.autoCapture |
每轮结束后,把这一轮你输入的消息直接交给记忆库,不经过模型。 | 关 | 只有你自己的消息,不含召回的块、注入的上下文和子智能体的轮次。超过 4000 个字符的消息跳过,不截断。每次写入都计入 advanced.dailyWrites。 |
modules.commands |
注册 /memgate 聊天命令。 |
开 | 需要支持聊天命令的宿主。 |
modules.migrateOnTierChange |
向量检索启用时,在后台把关键词记忆复制到它的存储里。 | 开 | 见语义检索。 |
retrieval.tier |
自带网关怎么查找记忆:auto、keyword、endpoint 或 local。 |
auto |
/memgate use <方式>。见下表。 |
retrieval.url |
endpoint 方式:OpenAI 兼容向量接口的基础地址,例如 http://127.0.0.1:11434/v1。 |
空 | 必须以 http:// 或 https:// 开头。 |
retrieval.model |
endpoint 方式:向量模型的名字。 |
空 | 换模型会用一个新的空存储。 |
retrieval.apiKey |
endpoint 方式:接口需要密钥时填写。 |
空 | 秘密。只写不读:设置页面保存后不再显示。 |
gateway.mode |
managed 启动自带的网关;external 使用你自己运行的网关。 |
managed |
见外部网关。 |
gateway.python |
managed:使用哪个 Python(3.11 或更新)。留空时按“要求”一节的顺序查找。 |
空 | |
gateway.dataDir |
managed:存放记忆库、生成的网关配置和日志的文件夹。 |
空(<DSH home>/data/feiyu-memgate) |
|
external.url |
external:网关地址,例如 http://127.0.0.1:8080。 |
空 | 必须以 http:// 或 https:// 开头。 |
external.token |
external:那个网关给这个客户端的令牌。 |
空 | 秘密。只写不读。 |
advanced.recallLimit |
每轮最多加入几条记忆(1 到 10),也是 memgate_search 默认返回的条数。 |
5 | 你自己运行的网关同样适用。 |
advanced.recallTimeoutMs |
每轮最多等自动召回多少毫秒(500 到 20000)。更慢的查找跳过。 | 4000 | |
advanced.language |
记忆块、工具回复和 /memgate 用的语言:auto(跟随系统语言)、zh 或 en。 |
auto |
记忆本身不会被翻译。 |
advanced.profile |
网关判断“相关”的严格程度:broad 或 precise。 |
broad |
broad 每轮返回的条数多,漏得少,杂讯也多;记忆块会留在对话里,所以上下文也涨得更快。precise 每轮约一条、更贴题,漏得也多。0.1.1 及之前默认是 precise,想要原来的行为就改回 precise。实测数字见网关文档的部署档位;在关键词存储上,网关实测换成 broad 的收益很小。只用于 managed 模式。 |
advanced.dailyWrites |
网关每天最多收下几条记忆(0 到 100000),0 表示不限。 | 50 | 一天从本地时间零点算起。网关每次重启,计数重新开始。只用于 managed 模式。 |
advanced.redaction |
保存和召回记忆时,去掉密钥、令牌、密码这类秘密。 | 开 | 基于模式匹配,认不出旁边没有关键词提示的孤立秘密。只用于 managed 模式。 |
advanced.newerFirst |
相关度差不多时,较新的记忆排在前面。 | 开 | 只看日期,不判断两条记忆是否矛盾。只用于 managed 模式。 |
advanced.forgetting |
实验性。很久没用到的记忆排得更靠后,最终存档并删除。 | 关 | 见下文。只用于 managed 模式。 |
检索方式
每种方式在数据文件夹里各用一个存储文件。/memgate tiers 列出各种方式、是否可用、还缺什么。正在使用的方式缺东西时,网关不启动,记忆功能保持关闭,直到补齐。
| 方式 | 怎么查找记忆 | 需要 | 存储文件 |
|---|---|---|---|
auto |
dsh-feiyu-memgate-embed 插件有模型就绪时用 local,否则用 keyword。 |
无。 | 它所选方式的文件。 |
keyword |
网关里基于 SQLite 的关键词检索。不需要模型,不需要网络。 | 无。 | memories.db |
endpoint |
通过 OpenAI 兼容的向量接口做语义检索。记忆文本和查询会发给这个接口。 | retrieval.url 和 retrieval.model;接口需要密钥时还要 retrieval.apiKey。 |
memories-endpoint-<model>.db |
local |
用向量插件在本机运行的模型做语义检索。 | 安装并启用向量插件,并且有模型就绪。 | memories-local-<model>-<hash>.db |
向量插件消失或它的模型变了,auto 或 local 下的网关会按新状态重启。
外部网关
gateway.mode 设为 external 时,插件什么都不启动,只用 external.token 里的客户端令牌连接 external.url 的网关。两项有一项为空,记忆功能就关闭,并在日志里记一条警告。这个模式下,retrieval.*、gateway.python、gateway.dataDir、复制到向量存储,以及 advanced 里的网关规则(profile、dailyWrites、redaction、newerFirst、forgetting)都不起作用:网关按它自己的配置运行。advanced.recallLimit、advanced.recallTimeoutMs、advanced.language 仍然有效。
几个程序共用一个网关,或者你想让存储密钥不进 DSH 进程时,优先用它。网关说的是明文 HTTP,所以只在本机或可信的网络里用,或者在前面加 TLS。插件不跟随重定向,令牌不会发到别的地址。
高级:遗忘
advanced.forgetting 是实验性功能,默认关闭。打开后,网关把很久没用到的记忆排得更靠后。按网关的默认值,一条记忆大约 389 天没被用到就会存档并删除,每次清理每个存储最多删 5 条和库内条数 2% 中较大的那个,一天清理一次。存档的文本以明文保留在数据文件夹里 90 天,之后删除。第一次清理在网关启动 24 小时之后。“用到”指在一次召回里排在靠前的位置被返回;插件不会上报模型实际用了哪几条。这个功能只在网关的模拟里测过。插件没有恢复存档记忆的命令。
/memgate 命令
给你用的聊天命令,只能写一行。键名写成 group.key;只写 recallLimit 这样的短键名,在它只对应一项设置时也可以(url 不行,retrieval 和 external 里都有)。键名不分大小写。开关的值接受 on、off、true、false、yes、no、1、0,以及 开、关、是、否。你设置的秘密不会在回复里重复,命令行也不会写进会话记录。
| 子命令 | 作用 | 示例 |
|---|---|---|
status |
网关状态、找到的 Python、存储和记忆条数、检索方式、向量插件、复制进度、已开的功能。 | /memgate status |
config |
每项设置的当前值和默认值。秘密只显示已设置或未设置。 | /memgate config |
set <键> <值> |
修改一项设置。 | /memgate set advanced.recallLimit 3 |
reset <键> |
把一项设置恢复默认(要清空文本设置,也用它)。 | /memgate reset retrieval.apiKey |
on <功能> |
打开一项功能。功能就是 modules.* 设置。 |
/memgate on autoCapture |
off <功能> |
关闭一项功能。 | /memgate off searchTool |
tiers |
各种检索方式:是否可用、正在用哪个、各需要什么。 | /memgate tiers |
use <方式> |
选择检索方式:auto、keyword、endpoint 或 local。 |
/memgate use keyword |
models |
本地向量模型:下载大小、内存、语言、许可和状态。 | /memgate models |
install <模型> [--accept-licence <许可名称>] [--confirm] |
下载一个模型并启用。没有向量插件时会先安装插件,这一步需要 --confirm(不带它时,回复会说明将要安装什么)。 |
/memgate install bge-small-zh-v1.5 --confirm |
builds allow / builds deny |
回答插件安装时的安装脚本问题。 | /memgate builds deny |
use <模型> |
切换到一个已下载的模型。 | /memgate use bge-m3 |
remove <模型> |
删除一个没在使用的已下载模型。 | /memgate remove bge-m3 |
cancel |
停止正在进行的插件安装或模型下载,或者去掉一个还没回答的安装脚本问题。 | /memgate cancel |
模型相关的子命令和设置页面上的按钮做的是同一件事,见在设置页面安装。
不带参数的 /memgate 和 /memgate help 会打印用法。
profile 配置文件
profile 的 cordis.patch.yml 里,一行会整个替换同一个 id 那一行的 config,所以要把想和默认值不同的各组都写上,不改的组不写。例如,调大召回条数并打开自动记录:
- id: feiyu-memgate
config:
modules:
autoCapture: true
advanced:
recallLimit: 8
不要编辑包里自带的 cordis.patch.yml,它只负责用默认设置挂载插件。
语义检索(可选插件)
关键词检索只能找到和问题有共同用词的记忆。想连换了说法的也找到,就安装附加插件 dsh-feiyu-memgate-embed。它只在 CPU 上运行一个本地向量模型,在 127.0.0.1 上提供服务,再提供给本插件。模型只在你要求时才下载,文本不离开你的电脑。在 Windows 上,它的引擎需要 Microsoft Visual C++ 2015-2022 运行库(x64),大多数 Windows 已经装有。
安装它会带来这些变化:
retrieval.tier为auto时,向量插件里有模型就绪后,本插件从keyword切换到local,网关用新的存储重启。模型不再就绪时,auto退回keyword。- 已有的记忆在第一次启用时复制到向量存储。 这是迁移模块,由
modules.migrateOnTierChange控制。网关在向量检索(local或endpoint)下运行起来后,插件在后台把关键词存储(memories.db)里的记忆复制过去,分批进行(每批最多 500 条、最长 120 秒),只要每批都有进展就接着复制。数据文件夹里的状态文件migration-<store id>.json记录已复制的内容,所以中断的复制在重启后接着做。关键词存储只读,不会被改动。 - 进度看
/memgate status(“从关键词存储复制”一行:已复制 / 总数,以及被拒收的条数),或设置页面的状态块。复制还没走到的记忆,语义检索找不到。 - 比模型输入上限长的记忆,只按开头部分被检索到。 网关每条记忆最多收 4000 个字符;模型的上限是 512 个词元(两个 bge-zh 模型,大约 500 个汉字)、2048(bge-m3)或 4095(qwen3-embedding)。默认情况下,向量插件只对放得下的部分做向量,网关校准时长文本也是这样测的,记忆全文照样保存和返回。把向量插件的设置
model.overflow改成reject后,这样的文本会被拒收:复制时记为拒收,只留在关键词存储里,不会再交给这个向量存储。某一批里模型一条都不收时,复制停下,等网关下次启动再试。 - 在一种检索方式下写的记忆,和另一种方式的记忆分开存放。 每种方式、每个模型各有自己的文件。在向量检索下保存的文本不会复制回关键词存储;换一个新模型时,它得到的只是关键词存储的复制,不含上一个模型存储里的内容。切回某种方式,仍能找到那种方式下的记忆。
endpoint 方式用的是你自己选的向量接口,例如本机的 Ollama 或云端服务,复制的做法相同。这时记忆文本和查询会发给那个接口(见下一节)。
在设置页面安装
设置页面有一节“本地向量模型”,不管向量插件装没装都会显示。每一行给出模型的档位、下载大小、运行内存、语言、许可和一句说明,并链接到网关的部署档位,那里有实测效果。运行内存是向量插件实测的模型进程加载后的内存(bge-small-zh-v1.5:文件 48 MB,运行时约 190 MB),不是文件大小。不按按钮就什么都不下载。在对话里用 /memgate models 等模型子命令也一样。
按一次“下载并启用”会发生这些事:
没有向量插件时,页面先请你确认要安装的东西:通过宿主的插件管理器从 npm 安装
dsh-feiyu-memgate-embed,它会带来一个含原生二进制的依赖(node-llama-cpp,CPU 版约 90 MB;在 Windows 和 Linux x64 上 pnpm 还会取 GPU 版本,最多约 740 MB)。模型只在 CPU 上运行;在 Windows 上,引擎需要 Microsoft Visual C++ 2015-2022 运行库(x64)。宿主本身不会为此弹出对话框,所以这是唯一的一次确认。pnpm 会先拦下
node-llama-cpp的安装脚本,等你决定。 这时什么都还没装:宿主把配置的package.json恢复原样,只在配置的pnpm-workspace.yaml的allowBuilds下写一行node-llama-cpp: set this to true or false。页面会问你是否允许这个脚本。据插件作者测试,两种选择都能用,因为引擎不需要这个脚本。- 允许:在这个 DSH 配置里留下长期许可,重新安装并启用插件。
- 拒绝:DSH 里没有按钮。页面会说出文件
<DSH home>/profiles/<配置名>/pnpm-workspace.yaml(显示你配置的实际路径)和要改的那一行:把node-llama-cpp: set this to true or false改成node-llama-cpp: false,保存,然后再按一次“下载并启用”。插件会跳过这个脚本装好并启用。 - 不回答也不会改动别的东西:插件的任何部分都没有安装或启用,宿主只在以后的安装里才读那一行。按“取消”会把问题从页面上去掉。
没有你的回答,插件绝不替你允许脚本,也不改配置里的文件。
下载模型,并显示进度;许可需要接受的模型会有一个勾选框。模型就绪后,
auto切换到local,关键词记忆按上文所述复制过去。状态块会显示检索方式和复制进度。
如果向量插件已经是配置的依赖但没有启用,比如一次停在安装脚本上的 dsh plugin add 之后,这个按钮会通过插件管理器启用它,而不是再装一次;如果它的文件已经不在了,就先移除再重新安装。
关掉或刷新页面不会打断设置。下载途中 DSH 重启的话,向量插件会保留已下载的部分,这一行会显示“继续下载”。失败会用平常话说明,并告诉你该怎么做:没有网络或镜像连不上、磁盘空间不够、下载文件校验失败、引擎加载不了(在 Windows 上:从微软安装 Microsoft Visual C++ 2015-2022 运行库(x64),即 vc_redist.x64.exe,然后重启 DSH;向量插件的状态会显示错误 runtime-missing)、网关找不到 Python、你没有确认安装、宿主启用不了插件、或者模型在向量插件自己的设置里被固定了。只有你能开始安装:模型的工具做不到,设置页面的接口也只接受已登录的所有者,并且要带上明确的确认。
数据与隐私
- 默认模式下一切都留在你的电脑上。 自带的网关、存储和日志都在本地。插件除了访问自己网关的回环地址,不发出任何网络请求。除非你在设置页面或用
/memgate install安装向量插件或模型,否则不下载任何东西;那时由宿主的插件管理器从 npm 取向量插件,再由向量插件下载模型。 - 文件。 都在数据文件夹里,没有设置
gateway.dataDir时是<DSH home>/data/feiyu-memgate/:
| 文件 | 是什么 |
|---|---|
memories.db |
关键词存储。 |
memories-endpoint-<model>.db、memories-local-<model>-<hash>.db |
向量检索的存储,每个模型一个。 |
migration-<store id>.json |
向量存储的复制进度:只有数量和引用,没有文本。 |
model-setup.json |
从设置页面或 /memgate install 开始的模型设置进度:模型、进行到哪一步、等你决定的安装脚本、上次失败的代码。 |
forgetting-ledger-<store id>.db、forgetting-archive-<store id>.db |
只在打开遗忘时出现。存档里是被删记忆的全文,没有加密。 |
gateway.log、gateway.log.1 |
网关日志,大约 1 MiB 轮转一次。 |
gateway-<pid>-<n>.toml |
正在运行的进程的网关配置,进程停止时删除。里面没有令牌,也没有密钥。 |
pycache/ |
网关的 Python 字节码缓存。 |
- 插件不做加密。 存储是普通的 SQLite 文件。像保护任何存着个人笔记的文件一样保护这个文件夹。
- 网关只在本机。 它监听
127.0.0.1,端口每次启动时随机选一个空闲的。每次启动,插件生成一个新的随机令牌(32 字节),只存在内存里和网关的环境变量里,从不写进文件或日志。网关进程拿到的是 DSH 环境变量的副本,去掉名字含KEY、PASSWORD、SECRET、TOKEN的,也去掉以DSH_开头的,再加上它需要的令牌,以及endpoint方式下需要的密钥。DSH 退出时它也退出。 - 召回的记忆会发给你的模型服务商。 记忆块是提示词的一部分,所以它和别的消息一样,会发给这段对话使用的模型服务。
endpoint模式下离开电脑的内容。 每条保存或复制的记忆的文本,以及每次召回的查询,都会发给你在retrieval.url里配置的向量接口。接口密钥通过环境变量交给网关,不写进文件。external模式下,请求发往external.url里的地址。- 日志只记失败的种类。 插件不会在日志里写查询、记忆文本或令牌。
- 删除全部数据。 退出 DSH(或把插件关掉),然后删除数据文件夹。改过
gateway.dataDir的,删除那个文件夹。如果你让向量插件用它默认的文件夹,这个文件夹里也有向量插件的模型和状态文件,所以只删你想删的文件。
限制与没有验证的部分
- 关键词检索找不到换了说法的问题。 在网关自己的基准测试里(240 条记忆、160 个问题、合成的中文文本),关键词存储在默认设置下,55 个换了说法的问题一个都没有交出正确的记忆;45 个用了记忆原话的问题里交出了 95.6%。语义检索在换了说法的问题上好得多。见基准测试。中文以外的语言没有测过。
- 记忆块留在历史里。 每个得到记忆块的轮次都会让上下文变长(见上面第 4 点)。
- 只有模型选择保存的记忆才存在,除非你打开
modules.autoCapture。网关按传入的原文存储,打开脱敏时去掉秘密。它不抽取事实,不归并记忆,也不把旧记忆标成过时。较新的记忆只是排在较旧的前面。 - 每日写入上限在内存里计数,按 DSH 进程计。 网关每次重启就重新开始;第二个 DSH 进程有它自己的网关和自己的计数。
- 每种检索方式只有一个存储。 插件只用一个网关客户端和每种方式一个存储,不按用户或项目分开保存记忆。
- 设置页面依赖宿主里仍在变化的界面接口。 没有它插件照样能用:每项设置都能用
/memgate或在 profile 文件里修改。 - 遗忘是实验性的,只在模拟里测过。
- 真实环境测试。 在 Windows 11 上已安装的 DeepSeek Harness 0.2.2-rc.1 里,用一个隔离的配置测过:插件能加载,自带网关用 PATH 上的 Python 启动,设置页面能显示和保存,状态接口和模型接口只回应所有者的会话,聊天命令可用;装上向量插件和 bge-small-zh-v1.5 后用的是 local 检索方式,换了说法的问题能找到对应的记忆。通过设置页面从 npm 安装向量插件也测过,测的是拒绝依赖的安装脚本这条路:向量插件装好并启用,模型下载完成,检索方式换成 local(允许脚本的那条路没有跑过)。没有测过:macOS 和 Linux 桌面、桌面应用自己的窗口(用的是同一宿主的 web 配置)、和真实模型的对话(自动召回和两个工具只在测试里和对着网关测过,没有在实际聊天里用过)。
- 其他版本和系统。 可接受范围内的其他 DSH 版本、其他操作系统和其他 Python 构建,都没有在真实宿主里测过。
- 当前版本是 0.2.0。它改了一个默认值:
advanced.profile现在是broad(原来是precise)。
故障排查
先看 /memgate status。它显示网关的状态、找到的 Python、存储和记忆条数、检索方式、向量插件和复制进度。
- 找不到 Python。
/memgate status里 Python 显示没有找到。安装 Python 3.11 或更新的版本,或者把gateway.python设成它的完整路径。改动设置会重新查找;如果只是装了 Python,要重启 DSH,因为查找结果在那之前一直保留。也可以改用外部网关。 - 网关启动不了,或不断停止。 看数据文件夹里的
gateway.log。插件会写下“using Python”“gateway starting on port”“gateway healthy”“gateway did not become healthy in time”“gateway exited”这样的行,网关自己的输出紧跟其后。插件等一次启动最多 20 秒。网关崩溃后,插件最多重启它 5 次,间隔越来越长(1 秒,每次翻倍,最长 30 秒)。之后状态是“多次失败后已停止”,直到一次会重启网关的设置改动,或者 DSH 重启。 - 端口或权限问题。 没有固定端口可冲突:每次启动在
127.0.0.1上选一个空闲端口。有安全软件拦截 Python 的启动或回环地址的监听时,日志里会是 “did not become healthy in time”。插件不能创建或写入数据文件夹时,DSH 日志里会有 “cannot create the data folder” 或 “cannot write the gateway configuration”,记忆功能关闭;把gateway.dataDir设成你能写入的文件夹。 - 检索方式没有就绪。
/memgate tiers会说缺什么,例如endpoint缺retrieval.url,或local缺向量插件里就绪的模型。补齐之前记忆功能保持关闭。/memgate use keyword什么都不需要。 - 本地模型加载不了。 模型列表会说明原因和怎么办。在 Windows 上,如果向量插件的状态(
/memgate-embed status)显示runtime-missing,从微软安装 Microsoft Visual C++ 2015-2022 运行库(x64),然后重启 DSH。在此期间auto继续用keyword。 - 某一轮没有出现记忆。 可能的原因:存储是空的;消息太短,或是命令;查找用的时间超过了
advanced.recallTimeoutMs;同样的块已经在历史里;或者关键词检索没能匹配上换了说法的问题。 - 工具说“没有保存:今天写入记忆的次数已经用完”。 调高
advanced.dailyWrites,或设为 0 表示不限。 - 关掉整个插件。 在插件页面关掉本插件那一行。或者在 profile 的
cordis.patch.yml里给feiyu-memgate这一行加disabled: true。 - 只关掉一项功能。
/memgate off <功能>,或设置页面上的开关。例如/memgate off autoRecall保留工具,只停掉自动查找。
许可
MIT,见 LICENSE。python/ 里自带的网关是同一作者的项目 feiyu-memgate,许可相同(python/LICENSE)。版本是 0.1.0,提交是 403931fee02961435abe9b09245781afcdcb19de,记录在 python/GATEWAY_VERSION.json 里。
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。