面向 DeepSeek Harness 的 OpenViking 语义检索、资源管理、自动召回(user + agent 双空间)与会话记忆插件:基于 viking:// URI 的 memsearch/memfind/memread/membrowse/memgrep/memglob 检索工具、memadd/memremove 资源管理、memqueue 队列状态、memcommit 会话捕获,以及 memlearn 技能手册沉淀。
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:Rxiain/dsh-openviking
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。请只安装可信来源,并尽量锁定 commit(github:owner/repo#sha)。
README
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。

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):
- id: openviking
config:
endpoint: 'http://localhost:1933'
# X-API-Key 认证头;为空则省略
apiKey: !!js process.env.OPENVIKING_API_KEY ?? ''
# X-OpenViking-Account 租户头;为空则省略
account: ''
# X-OpenViking-User 用户头;为空则省略
user: ''
# X-OpenViking-Agent agent 标识头;为空则省略
agentId: 'deepseek-harness'
# 单次请求超时(毫秒),范围 1000–300000
timeoutMs: 30000
# 会话同步状态文件(~ 会展开);只存消息 id,不存正文或密钥
stateFile: '~/.dsh/openviking/state.json'
# 将已索引仓库列表注入提示词
repoContext:
enabled: true
# 仓库列表缓存 TTL(毫秒),范围 1000–3600000
cacheTtlMs: 60000
# 每个用户消息自动召回一次相关记忆
autoRecall:
enabled: true
# 每回合最多注入的记忆条数,范围 1–50
limit: 6
# 补充记忆的最低分数,范围 0–1
scoreThreshold: 0.15
# 单条记忆内容上限(字符),范围 100–5000
maxContentChars: 500
# 注入预算 ≈ tokenBudget × 4 字符,范围 100–10000
tokenBudget: 2000
# 同时检索 agent 空间的 cases/patterns/tools/skills 记忆与技能手册
agentSpaces: true
# 同一条消息内每 N 个工具步骤刷新一次,只注入新记忆(0 关闭)
refreshSteps: 10
# 记忆库概览:会话启动注入一次,之后每 N 个用户回合刷新(1 = 仅启动,0 = 关闭)
startupMapEveryTurns: 5
# 按用户回合节奏自动提交会话
autoCommit:
enabled: true
# 未提交的用户回合达到 N 个即提交(0 关闭回合触发)
turns: 3
# 时间兜底:已提交过的会话超过该间隔仍有未提交消息也会提交
intervalMinutes: 10
创建账号与密钥
管理命令需要 root 密钥(本地服务通常位于 ~/.openviking/root_api_key.txt):
ROOT=$(cat ~/.openviking/root_api_key.txt)
printf '{"url":"http://localhost:1933","api_key":"%s"}' "$ROOT" > /tmp/ov-root.conf
export OPENVIKING_CLI_CONFIG_FILE=/tmp/ov-root.conf
ov admin create-account dsh --admin dsh-admin # 建账号 dsh + 首个管理员,返回其密钥
ov admin register-user dsh dsh --role user # 账号 dsh 内注册普通用户 dsh,返回其密钥
ov admin regenerate-key dsh dsh # 重新生成密钥(旧密钥立即失效)
unset OPENVIKING_CLI_CONFIG_FILE && rm -f /tmp/ov-root.conf
把返回的密钥填入插件配置的 apiKey,account/user 填对应的账号与用户。
贡献
欢迎贡献:
- Fork 仓库并创建功能分支(
git checkout -b feature/your-change) - 修改代码,并补充或更新测试
- 运行
npm test验证(默认套件无需 OpenViking 服务) - 提交并打开 Pull Request
许可证与致谢
参考了:
链接
同类插件
volcengine/OpenViking#examples/dsh-memory-plugin★ 28855
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。
vectorize-io/hindsight#coding-agents★ 20092
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。
bowenliang123/dsh-context★ 179
上下文洞察面板:一眼看清模型上下文窗口的组成与变化——构成对照窗口大小、按请求历史趋势、压缩/注入事件、消息级 token 统计。
dsh-engramory★ 155
把 Engramory 策展式记忆纪律做成可安装插件([npm: dsh-engramory](https://www.npmjs.com/package/dsh-engramory)):通过 `ctx.tools.guard()` 对 `MEMORY.md` 索引施加确定性的 200 行 / 25KB 上限(增长即拒、缩小的重写一律放行),并把协议注册为运行时 skill。记忆库是纯 markdown、一条事实一个文件,与 Claude Code、Codex、Kiro、OpenClaw 共用。
omdsh-dev/dsh-mnemon★ 71
由 Mnemon 驱动的 DeepSeek Harness(DSH)跨 Agent、本地优先的持久记忆插件。它可在支持 Mnemon 的 Agent 之间共享长期记忆,并提供运行时记忆、可检索项目档案、语义召回、知识图谱和 Sidebar UI。
modusensus/dsh-mneme#dsh-mneme★ 21
DeepSeek Harness 结构化记忆引擎。离线语义搜索、实体-属性-时间轴、autoDream 自我巩固、可人工编辑的 Markdown 存储。