DeepSeek Harness hero 横幅：对话自动分层蒸馏成记忆，模型每步前自动召回注入——右侧对话气泡逐层溶解为三层渐亮光带，流入带发光圆球与渐变轨道的玻璃胶囊（下有日常·工作·智能·关闭四档刻度），光丝回流示意召回注入

# dsh-layered-memory **DeepSeek Harness 的分层蒸馏记忆插件：对话在后台自动完成 L0 捕获 → L1 原子记忆 → L2 场景整合 → L3 画像蒸馏，模型每一步前自动把相关记忆注入上下文。** [English](README.en.md) · [最新发行版](https://github.com/JunNanLYS/dsh-layered-memory/releases/latest) · [反馈问题](https://github.com/JunNanLYS/dsh-layered-memory/issues) [![npm version](https://img.shields.io/npm/v/dsh-layered-memory?color=6f83ff&style=flat-square&label=npm)](https://www.npmjs.com/package/dsh-layered-memory) [![DSH 0.1.2](https://img.shields.io/badge/DSH-0.1.2-8b5cf6?style=flat-square)](https://github.com/deepseek-ai/deepseek-harness) [![MIT License](https://img.shields.io/badge/license-MIT-536990?style=flat-square)](LICENSE)

## 快速开始需要 Node ≥ 22.16 与 DeepSeek Harness **0.1.2-alpha.1 ~ 0.1.2-rc.1**（0.10.0 起支持到 0.1.2-rc.1，npm latest 已指向该版本；旧版插件请看 [历史版本](https://github.com/JunNanLYS/dsh-layered-memory/releases)）。两种调用方式任选（`npx` 前缀可替换下面任何 `dsh` 命令）： ```bash # 方式一：npx 直接跑官方 CLI（无需预装 dsh） npx -y @deepseek-ai/dsh plugin --profile web add dsh-layered-memory # 方式二：已装 dsh CLI（升级：npm i -g @deepseek-ai/dsh 并重启； # dsh 是 pnpm 转发器，未装 pnpm 时先 npm i -g pnpm） dsh plugin --profile web add dsh-layered-memory # 包源备选：GitHub 仓库 / 本地路径（开发调试，link: 指向仓库，pnpm run build + 重启 dsh 即生效） dsh plugin --profile web add https://github.com/JunNanLYS/dsh-layered-memory dsh plugin --profile web add /path/to/dsh-layered-memory ``` ### 让 Agent 安装（推荐）如果当前 Agent 可以执行终端命令，把下面这段话完整发送给它： ```text 请为 DeepSeek Harness 的 web Profile 安装 dsh-layered-memory 插件。只执行下面两条命令，不要修改其他 Profile： dsh plugin --profile web add dsh-layered-memory dsh --profile web --dump-config 确认输出中出现 dsh-layered-memory 后告诉我安装结果。不要替我关闭或重启正在运行的 DSH；安装完成后提醒我手动重启 DSH Web Host。 ``` Agent 应当返回安装结果，并明确告诉你配置中是否已经出现 `dsh-layered-memory`。本包声明了 `dsh.bundle` 组合包层（`cordis.patch.yml`），安装后会**自动挂载插件行**—— 不需要再手改 `$DSH_HOME/profiles/web/cordis.patch.yml`。然后重启 DeepSeek Harness，验证：`~/.dsh/memory/` 下出现 `conversations/ records/ scenes/` 目录和 `memory.db` 即插件 apply 成功；设置页出现"记忆"页面（记忆工作台五区）、输入栏出现记忆芯片（`记忆 · 智能`）即 client 半边就绪。 **卸载**：`dsh plugin --profile web remove dsh-layered-memory` + 重启。数据保留在 `~/.dsh/memory/`，不需要时手动删除整个目录即可。 ### 终端形态（TUI / headless）除 web 外，同一插件可直接装进终端形态宿主： ```bash # dsh-tui（Claude Code 风格 TUI 前门，详见 github.com/ccch1mneyyy/dsh-TUI · 官网 https://dshtui.com） dsh plugin --profile dsh-tui add @deepseek-harness-tui/dsh-tui # 首次：建 profile 并装 TUI 宿主 dsh plugin --profile dsh-tui add dsh-layered-memory dsh --profile dsh-tui ``` - **`/memory `** 切换当前会话档位，无参数时弹出档位选择面板； - **状态行**：提示框上方常驻 `记忆:智能` 等当前档位读数； - **`/settings` 设置区块**：总开关、捕获、蒸馏、召回、蒸馏模型路由与输入预算可直接编辑（与 web 设置面板同一存储；复杂路由链仍走 web / YAML）； - **headless**（`dsh --profile headless "一次性任务"`）：捕获与蒸馏照常工作，无界面元素。 web 与终端形态共享 `~/.dsh/memory/` 同一份记忆。 ### 从源码开发 ```bash git clone https://github.com/JunNanLYS/dsh-layered-memory cd dsh-layered-memory pnpm install && pnpm run build dsh plugin --profile web add . # link: 安装，改代码后 pnpm run build + 重启 dsh 即生效 pnpm run smoke # 冒烟测试（先重编：见下方命令） npx tsc src/smoke.ts --outDir dist-smoke --module nodenext --moduleResolution nodenext --target es2022 --strict --skipLibCheck --esModuleInterop ``` 依赖管理用 pnpm（与 dsh 官方安装通道一致，版本由 `packageManager` 字段钉死）。 ## 运行时数据流

dsh-layered-memory 运行时数据流：左侧 User 与 Assistant 的会话事件流入插件（L0 捕获、L1–L3 蒸馏、检索召回、记忆工具），插件经 agent/pre-step 把相关记忆注入右侧 DSH 核心；蒸馏复用核心的 ctx.llm，数据双写 ~/.dsh/memory/

插件挂在 dsh 原生事件上（`session/event` 捕获、`agent/pre-step` 注入），蒸馏调用复用宿主 `ctx.llm`。召回以**消息侧注入**呈现：相关记忆作为一条合成消息排在用户新消息之前，会话流里显示为**"上下文注入 · memory"**行（点开看命中内容）——用户能直接看到"记忆生效了"；注入内容有长度预算与时间预算，超限截断/超时跳过，绝不拖慢对话。**同会话去重**：已注入过的记忆不再重复注入（模型上下文里已经有了，追问同类问题时省 token）；上下文被 `/compact` 压缩或清空时自动重置，记忆可重新注入；被更新的记忆（内容变化换新 id）不受旧压制。**时效加权**：召回排序按 `相关度 × max(0.5, 0.5^(距上次更新天数/30))` 软加权——相关度相近的候选之间新鲜记忆优先（名额自然轮转），相关度足够高的老记忆照常召回（地板保证最多损失一半排序分，长期事实不沉底）；`recall.decayHalfLifeDays` 可调，0=关闭。 **成本看板**：每次蒸馏 LLM 调用（抽取/去重/L2/L3）的 token 成本按 `provider/model` 写入 SQLite 明细表（保留期可配置，默认 365 天，写入时滚动清理；记账失败只告警、绝不阻塞蒸馏），设置页 → 记忆 → 洞察 → **成本** 子页可视化：按模型分色的趋势折线（日/周/月粒度 + 近 N 天窗口 + L1/L2/L3 层级过滤）、层级 × 时间窗口表格（调用数 / 输出与思考 token / 均值 / 中位数）、按模型累计——蒸馏开销一目了然。输入按字符计（dsh 流式 usage 不含输入 token），输出与思考按 token 计。 **记忆工具(3):** - memory_search - conversation_search - memory_read_scene 真机实录：召回注入与工具调用在对话里的样子——"上下文注入 · memory"行先带出相关记忆，模型再按需调 `memory_read_scene` 读取场景块，凭记忆直接作答：

对话界面实录（浅色主题）：用户消息

在只开放代码执行入口的受限会话中，模型经由 `run_code` 间接调用记忆工具（轨迹视图中的 SUBTOOL 嵌套）：

工具调用轨迹视图：顶部彩色时间线与左侧步骤列表（SYSTEM/CONTEXT/USER/ASSISTANT/TOOL/SUBTOOL 彩色标签），run_code 工具步骤内嵌套 5 次 memory_read_scene 子工具调用（SUBTOOL 标记），右侧为所选步骤的详情面板

## 分层记忆（L0–L3）

分层记忆四层（自左上向右下逐层精炼）：L0 原始对话（对话气泡）→ L1 原子记忆（发光事实粒子）→ L2 场景块（玻璃文档板）→ L3 核心画像（发光晶核）；层间由 LLM 提取/整合/蒸馏光束相连，宽度递减表示数据逐层精炼

## 会话级记忆档位

深色主题下的会话记忆芯片与级联菜单：输入栏左簇 Read Only 芯片右侧是「记忆 · 智能 ▾」芯片；点击向上弹出圆角浮层菜单，两行「记忆范围智能 ›」「数据流跟随全局 ›」，数据流行右侧悬停出二级子面板列出跟随全局✓/读写/只写/暂停四个选项

会话侧是**分散式记忆面**——信息按类型住进宿主原生座位，插件不再有自有条带： - **记忆芯片**（输入栏左簇、Read Only 芯片右侧）：`记忆 · {智能|日常|工作}` 无边框芯片（官方 composer chip 语法），文案是解析真值——`记忆 · 只写`（注入关）、 `记忆 · 暂停`（灰点）、`记忆 · 降级`（琥珀点）；zh/en 双语随宿主语言切换。 - **级联菜单**（点击芯片向上展开）：两行 `记忆范围 {值} ›` / `数据流 {值} ›`；数据流选项在 **hover 二级子面板**（跟随全局/读写/只写/暂停），点击不固定、桥接热区保证慢速移动不断链；键盘通路齐备（方向键巡游 + focus 揭示）。 - **内联滑条**（点「记忆范围」原地展开）：三停点日常/工作/智能，拖拽跨档时**芯片文字实时联动**；键盘方向键/Home/End + `aria-valuetext`。 - **暂停恢复快照**：数据流切「暂停」进 off 档时记录暂停前范围与注入覆盖，恢复即原样还原；每会话选择持久化到 `session-modes.json`（与全局开关叠加，全局是总闸）； L2/L3 完全分类，分类内容不渗透。 - **记忆占用只住官方上下文环面板**：点开官方环即可见「记忆」分项小节（召回片段 / 记忆稳定区）；输入区没有任何占用 UI，只在官方统计行追加 `待蒸馏 N` 遥测段。 - **只写不读（#38）**：数据流选「只写」即**只写会话**——捕获与蒸馏照常（对话照常沉淀为 L0→L1→L2/L3），但不向本会话注入任何记忆（召回注入、画像/导航稳定区、工具指南一并停止；`memory_search` 等读工具返回只写提示）。覆盖按会话持久化，切回「跟随全局」即清除、跟随自动化区的召回开关；适合调试/评测/敏感会话「只吸收不干扰」。与暂停正交：暂停是完全隐身（连捕获都关），只写保留「进」关「出」。 - **终端形态（TUI）**：同一档位体系在 dsh-tui 宿主下以 `/memory` 命令、状态行与 `/settings` 区块呈现（安装见快速开始）。 ## 界面预览

深色主题下的记忆工作台总览：五区任务导航（总览选中），健康摘要卡（运行正常 + 存储/向量检索/蒸馏队列子系统标签 + 待蒸馏注意提示）、最近活动列表（新增/更新动词标签 + 记忆/场景层标签 + 相对时间）、关键数字瓦片（记忆资产/场景/本周蒸馏输出/上次蒸馏）与四区跳转按钮浅色主题下的同一记忆工作台总览：同款五区导航与健康摘要/最近活动/关键数字布局，浅色卡片底与同套品牌蓝强调色，主题切换无需重载

设置 → 记忆是**记忆工作台**（五区任务导航，sticky 标签 + 箭头键巡游）： - **总览**：健康摘要 + 最近活动 + 关键数字 + 引导式空状态； - **记忆库**：L1 记忆 / L2 场景 / L3 画像按更新时间混排的**只读资产活动流** （搜索 + 类型/范围/时间筛选 + 原位展开 + 复制）； - **自动化**：基础开关 + 高级披露（蒸馏路由链与预算）+ 嵌入模型披露； - **洞察**：成本 / 活动（近 7 天资产活动 + 蒸馏调用失败）/ 召回（累计与停用分布）； - **维护**：运行健康 + 诊断日志 + 危险区全量重建（二次确认 + 进度 + 可取消）。 ## 实测对比（DSH-MemBench：自动化基准）图文回答"长什么样"，这一节用**自动化基准**的实测数字回答"**开了到底有什么用**"（[`bench/`](./bench/)，一条命令可复现）。方法：同场景库、逐字相同输入，**A 组（记忆开）跑 3 次取合并值，B 组（记忆关）跑 1 次**（无记忆的长任务每场景要吞数倍 token，成本护栏）；对话赛道只跑 A 组（B 组会话独立无记忆必然失败，对照无信息量，已下线）。对话赛道环境：DeepSeek 官方 `deepseek-v4-flash`、插件 0.8.5（判卷与被测同源，答案原文全部留痕可人工复核）、Windows；题型设计借鉴 [LongMemEval](https://github.com/xiaowu0162/longmemeval) / [LoCoMo](https://snap-research.github.io/locomo/) / [AMB](https://github.com/vectorize-io/agent-memory-benchmark)，扩展题型与生命周期赛道参照 [MemoryAgentBench](https://arxiv.org/abs/2507.05257) / [GoodAI LTM](https://github.com/GoodAI/goodai-ltm-benchmark) / BEAM。 > 对话赛道为 **0.8.5 新基线**（修复版插件 + 修正后的判卷口径）；工作流赛道数字仍为 0.8.3 存档（0.8.5 起场景库扩至 8 个，新增前瞻记忆场景，重跑待做）。 ### 对话赛道（20 场景 × 10 题型 × 3 次 = 420 题）：答得准吗 > 0.8.5 基线（A 组数据；对话赛道 B 组已下线，只跑 A 组）。

DSH-MemBench 对话赛道准确率图（A 组·记忆开）：总准确率 95.2%（400/420）；核心六题型各 60 题——抽取 58/60、多跳 60/60、时序 56/60、更新 55/60、场景回忆 52/60、拒答 60/60 且 0 编造；扩展四题型各 15 题——增量积累 15/15、连锁更新 15/15、事件排序 14/15、同义改写 15/15

**召回双通道**（A 组）：被动注入召回率 **78.1%**（该题要点出现在召回注入中，281/360），其余多数由模型**主动调用记忆工具**查回——106 题主动查询、**75 题靠工具兜底答对**；端到端 95.2% 是两通道 + 模型利用的合成结果。记忆库跨场景全程累积下，探针召回注入混入其他场景记忆 295 次（已如实计数），总准确率反而前段 92.8% → 后段 97.7%——抗干扰能力经受住了膨胀记忆库的考验（离线灌水再灌 600 条合成噪声，检索层 recall@5 也只降 2.8pp）。 **分层看短板**：检索层离线指标（recall@5 受控复现）总 73.3%，其中事件排序 0%、场景回忆 50%——端到端仍 93%+ 靠的是注入邻近记忆后模型的鲁棒性；**效率三角**（记忆的开销）：注入非但不加延迟（注入轮响应比无注入轮平均快 210ms）、注入占每轮输入约 10.3%，蒸馏全链路摊到每条捕获消息 ≈2727 输入 / 240 输出 token（1172 次调用 0 失败）。 ### 工作流赛道（0.8.3 存档 · 7 场景版 · A 组 3 次 / B 组 1 次，真实工具沙箱）：做得对、做得省吗

DSH-MemBench 工作流赛道 A/B 对照图：探针段完成度 A 组 59/69（85.5%）对 B 组 10/23（43.5%）；成本对比（B 组为满格基准，每场景均值）——步骤 24.3 对 41.4（B +70%）、工具调用 37.7 对 62.1（B +65%）、输入 token 266k 对 1.81M（B 6.8 倍）；风格规范场景探针 A 12/12 对 B 0/4；长任务每场景输入 token A 266k 对 B 1.81M

**探针段完成度 85.5% vs 43.5%（+42pp）**：教学/变更段两组都有现场上下文，探针段（新会话延续任务）才是纯记忆窗口——A 组三个新考法场景（流程知识更新 / 双胞胎消歧 / 风格规范延续）全部 12/12 满分且三轮一致；B 组在风格规范场景探针 **0/4**（命名/结构/千分位/页脚约定只存记忆，沙箱探不出来），在流程更新场景则能靠读脚本逆向（判别力受沙箱可供性限制，已如实标注）。 **长任务成本：B 组每场景输入 token 是 A 组的 6.8 倍**（1.81M vs 266k）——无记忆时 agent 靠重新探索前进，high 思考档下甚至会自建工程去探测本可用一条脚本约定完成的流程；输出 token 3 倍（46.2k vs 15.4k）、步骤 +70%。这正是记忆的核心价值：**省掉的不是任务难度，是无谓的往返与重复探索**。 ### 方法论与复现 ```bash node bench/harness/run.mjs --arm A --repeats 3 --provider deepseek-official --model deepseek-v4-flash # 对话赛道（只跑 A 组） node bench/harness/run.mjs --track workflow --arm AB --repeats 3 ... # 工作流赛道（A/B 双组并行） node bench/harness/run.mjs --track lifecycle --arm A ... # 生命周期赛道（门控/off/rebuild/遗忘） node bench/harness/report.mjs --latest [dialog|workflow] # 汇总报告 node bench/harness/retrieval-metrics.mjs --flood 200,600 # 检索层指标 + 灌水曲线 ``` - 判分：`contains-all` 程序判 + 判卷模型按要点判（答案原文与判分理由全部留痕 `result.json` 可人工复核）；带 stale 的题（更新/连锁/遗忘）"旧值当作现状陈述"才判负、拒答题允许引用真实背景解释"不知道被问点"；工作流完成度为产物文件 + 关键内容程序化校验（四型判据：正检查/禁词/产物缺席/存在性）； - 指标面：准确率总表（6 核心 + 4 扩展题型）之外，自动产出**检索层离线指标**（recall@5 / 注入精度 / 作废泄漏）、**效率三角**（注入开销差分 / 注入占比 / 蒸馏记账摊到每消息）、**规模位置分析**（库容膨胀下的准确率/污染）与生命周期赛道专属节（分族门控矩阵 / off 双断言 / rebuild 保真 / 遗忘）； - 实时进度：跑基准时自动拉起本地进度面板并打开浏览器（`--no-panel` 关闭）——A/B 双臂场景/阶段/消息粒度进度、心跳与活动新鲜度（直判"卡住 vs 进程挂了"）、累计成本随跑随涨； - 指标全部来自供应商上报 usage（输入含缓存命中拆分）与会话事件折叠；稳态缓存率剔除每会话首请求（0.8.5 基线：89.1%——记忆注入不伤缓存）； - 回归用途：改插件前后各跑一遍，`compare.mjs` 出对比表（环境头校验含 gitSha + B 组对照组漂移告警 + 检索层指标对比）； - 局限（诚实声明）：单机；A 组 ×3 合并、B 组 ×1（成本护栏，噪声更大）；判卷与被测模型：对话 0.8.5 基线同源、工作流存档跑为异构（glm-5.3 判 v4-flash）；作者自建场景库（倾向记忆优势场景，欢迎自行复现）；沙箱文件的可供性会部分泄露流程（B 组可读脚本逆向，判别力受限处已如实标注）；工具审计双档（严格违规判负/宽松提示），实测双方 0 违规。完整报告与逐题数据：[`bench/baseline/`](./bench/baseline/)。 ## 存储布局

存储布局：双写架构（JSONL 事实源只增不改 + memory.db 主检索库）；文件形态含 conversations/records/scenes/persona/state/pending/session-modes/embedding-source/模型目录/推理运行时/日志与重建归档；检索三策略 keyword/embedding/hybrid（RRF k=60）；降级链保证永不阻塞宿主

向量能力默认关闭（纯 FTS）。DSH 的 `ctx.llm` 无 embeddings 端点，语义检索由 **三态嵌入源**提供（关闭 / 远程 / 本地），设置页可运行时切换——见下节。 ## 语义检索（嵌入源）设置页（记忆 → 自动化 → 嵌入模型）选择嵌入源，即时生效、无需改配置重启：

设置页语义检索（嵌入源）面板（浅色主题）：三态选择器（关闭/本地/远程，本地选中）显示当前嵌入源与首次启用自动安装运行时提示；下方本地模型目录列出 BGE small 中文（使用中/已就绪）、EmbeddingGemma 300M（下载 316MB）、BGE-M3（下载 560MB）三款模型的维度/上下文/体积/特点与下载入口

三种嵌入源：**关闭**（默认，纯 BM25 关键词检索）、**远程**（自备任意 OpenAI 兼容 `/embeddings` 服务，`embedding.*` 四件套配齐才可选）、**本地**（内置模型目录选一款， ONNX 量化 **CPU 推理**——无需 API Key，数据不出本机）。本地模型目录是插件内置白名单（每款锁定 revision + 每文件 sha256，不可下载任意仓库）。 - **下载**：模型卡一键下载（默认镜像 `hf-mirror.com`，断点续传 + sha256 完整性校验；直连不可达时可走代理——默认自动探测 `HTTPS_PROXY`/`ALL_PROXY` 等环境变量，见 `embedding.proxy`）。单文件失败自动重试且换缓存键（`?dshmem-retry=N`，绕开镜像 CDN 偶发的坏缓存对象），校验失配从零重下、网络错误保留断点续传；落盘数据目录 `models//`，不用了随时在设置页删除； - **按需运行时**：首次切换本地档才安装推理运行时（transformers.js，约 100~200MB，装进数据目录 `runtime/`——不进插件依赖树，不碰插件安装目录）；模型加载与推理在 **独立 worker 线程**执行，不冻结宿主事件循环（嵌入计算期间对话与页面交互照常）； - **活切换**：一键换源——自动后台全量重嵌（进度可见、可取消，期间检索自动降级关键词，不影响对话；维度变化时向量表按新维度重建）；切换失败保持旧源，重启仍按原源运行； - **生效规则 = 部署上限 AND 运行时选择**：`embedding.allowLocalModels=false` 可整体禁用本地档、未配 `embedding.*` 四件套则远程档不可选（企业部署可收口），状态持久化在 `embedding-source.json`。 ## 配置覆盖配置写在 profile 自己的 `cordis.patch.yml`，用**顶层裸 patch 条目**（直接 `id:`，不要包在 `insert:` 里——insert 与 bundle 层同 id 追加会导致 `duplicate loader entry id` 启动失败）： ```yaml - id: dsh-memory name: dsh-layered-memory config: # 键按行整体替换（不深合并），按需写全要保留的键 family: auto # 新会话默认档：auto | chat | work llm: # 蒸馏模型静态路由（双字段齐 = 部署 pin，优先于设置页路由链； provider: '' # 留空则跟随设置页路由链主路由或当前默认模型） model: '' ``` | 字段 | 默认 | 说明 | | --- | --- | --- | | `family` | `auto` | 新会话默认记忆档位：`auto`（双族自动）\| `chat`（个人）\| `work`（工作）；会话内可用输入栏控件临时切换 | | `dataDir` | `$DSH_HOME/memory` | 数据目录 | | `capture.enabled` | `true` | L0 捕获 | | `capture.stripCodeBlocks` | `true` | 助手消息剥离代码块 | | `capture.maxMessageChars` | `4000` | 单条消息最大字符数 | | `extract.enabled` | `true` | L1 抽取 | | `extract.minMessages` | `6` | 稳态触发阈值：单会话攒够 N 条新消息跑一次 L1 抽取。起步阶段生效阈值从 1 翻倍爬坡到此值（首轮即出记忆，随后自动攒批省调用） | | `extract.idleSeconds` | `300` | 闲置兜底：会话静默 N 秒后把未蒸馏切片落袋（接住"没攒够阈值用户就离开"）；`0` 关闭 | | `extract.backgroundMessages` | `10` | 抽取时附带的背景消息条数（按会话从 L0 现查，会话间互不污染） | | `extract.candidatePool` | `5` | 去重候选池大小 | | `l2.enabled` | `true` | L2 场景整合 | | `l2.minNewMemories` | `5` | 距上次 L2 整合的新记忆阈值 | | `l2.maxScenes` | `12` | 场景块数量上限 | | `l2.sceneContextLimit` | `3` | L2 prompt 附带的相似场景全文上限 | | `l3.enabled` | `true` | L3 画像蒸馏 | | `l3.interval` | `20` | L3 蒸馏间隔（新记忆条数） | | `recall.enabled` | `true` | 自动召回 | | `recall.maxResults` | `5` | 每条新用户消息前注入的 L1 条数上限 | | `recall.maxCharsPerMemory` | `500` | 单条注入记忆的字符上限（超限截断并提示用记忆工具查全文）；`0` 不限 | | `recall.maxTotalRecallChars` | `2000` | 整轮注入总字符上限（超限按相关性丢尾部）；`0` 不限 | | `recall.timeoutMs` | `5000` | 召回总预算（ms）：超时跳过本轮注入、不阻塞对话；`0` 不限时 | | `recall.includePersona` | `true` | 系统提示注入画像上下文（``，稳定区） | | `recall.includeSceneNav` | `true` | 系统提示注入场景导航（``，稳定区） | | `recall.strategy` | `hybrid` | 检索策略：`keyword` / `embedding` / `hybrid` | | `recall.scoreThreshold` | `0.3` | 召回分数阈值（低于不注入；仅 keyword/embedding 策略生效，hybrid 融合前不过滤；工具路径不过滤） | | `recall.decayHalfLifeDays` | `30` | 召回时效衰减半衰期（天，0=关）：排序按 `相关度 × max(0.5, 0.5^(距更新天数/半衰期))` 软加权——相关度相近的候选间新鲜记忆优先（名额轮转），老记忆最多损失一半排序分（地板兜底，长期事实不沉底） | | `embedding.enabled` | `false` | 向量检索开关；关闭即纯 FTS 运行 | | `embedding.baseUrl` | 空 | OpenAI 兼容 /embeddings 地址（如 `https://api.siliconflow.cn/v1`） | | `embedding.apiKey` | 空 | API Key | | `embedding.model` | 空 | embedding 模型名 | | `embedding.dimensions` | `0` | 向量维度（启用时必填，须与模型输出一致） | | `embedding.maxInputChars` | `5000` | 单条文本最大字符数（超长截断） | | `embedding.timeoutMs` | `10000` | 单次 embedding 调用超时（ms） | | `embedding.allowLocalModels` | `true` | 允许本地嵌入档（部署上限：关闭后设置页不能下载模型、不能切本地档） | | `embedding.mirror` | `https://hf-mirror.com` | 本地模型下载镜像根地址（可改回官方 `https://huggingface.co`） | | `embedding.proxy` | `''` | 模型下载代理三态：`''`（默认）= 自动探测代理环境变量（`HTTPS_PROXY`/`ALL_PROXY` 等，尊重 `NO_PROXY`）；`none` = 禁用强制直连；其他值 = 代理 URL（如 `http://127.0.0.1:7890`）。镜像直连在国内网络间歇不可达（直连超时与污染字节交替出现过），开代理的机器建议保持默认自动探测 | | `llm.provider/model` | 空 | 蒸馏模型静态路由（部署 pin）：provider 与 model **双字段齐**时锁定蒸馏路由，优先于设置页的运行时路由链与默认模型（部署可强制蒸馏走指定路由）；留空则跟随"设置页路由链主路由 → 默认模型"。运行时可在设置页 → 记忆 → 自动化 → 高级路由与预算的**蒸馏路由链编辑器**里配置主路由与回退链（从**已配置的供应商**（含 dsh 设置 → 模型里添加的自定义供应商）中选择，主路由行可留空跟随默认模型），非空即整体接管本静态配置，即时生效无需重启 | | `llm.fallbacks` | `[]` | 蒸馏回退链：主路由失败（报错/被掐断/网络异常/**空输出**）后按条目顺序逐个降级尝试的备用路由列表，条目 = `{provider, model, reasoningEffort?}`（档位非空覆盖全局 `llm.reasoningEffort`，仍按模型能力钳制）；与主路由完全相同的条目自动跳过；**每条路由各享全额 `timeoutMs`**；全部失败交既有按会话退避重试。空数组（缺省）= 单路由行为不变（详见下方[蒸馏回退链与慢 TTFT 模型](#蒸馏回退链与慢-ttft-模型)）；设置页运行时路由链（`distillChain`）非空时**整体接管**主路由与回退链（单行链 = 显式无回退），空 = 跟随本配置 | | `llm.layerRoutes` | `{}` | 蒸馏**按层路由**：层键 `l1`/`l2`/`l3` 各配一条**完整链**（条目同 `llm.fallbacks`，**头行必须 provider+model 双显式**），非空即**完整替换**该层解析（该层主路由与回退都归层链管，全局链对该层不参与），空/缺省 = 该层跟随全局；`l1` 同管抽取+去重两个调用点。运行时可在设置页「蒸馏参数」分段面板里按层编辑（优先于本静态配置）；部署 pin 不废静态层链（同为部署配置，同回退链先例）。与回退链正交可组合——每层各自一条链（ADR-0005） | | `llm.maxTokens` | `65536` | 未分层调用的兜底输出总闸。各蒸馏层有独立预算（抽取 16k / 去重 8k / L2 32k / L3 16k；思考档 high/xhigh/max 时自动 ×4，防 reasoning 吃光预算），分层预算可在设置页 → 记忆 → 自动化 → 高级路由与预算运行时调整（留空/0 = 跟随内置默认） | | `llm.reasoningEffort` | 空 | 蒸馏思考档位：空串 = **自动**（按模型能力解析：模型默认档 → `high`）；显式值（`off`/`none`/`minimal`/`low`/`medium`/`high`/`xhigh`/`max`）仅在该模型声明支持时发送——跨供应商 effort 词汇表不同（deepseek 认 `off`，OpenAI 系是 `none`，未声明档位的模型不传），不支持的档位自动降级为不传并告警一次；思考档 high/xhigh/max 时输出预算自动 ×4。运行时可在设置页路由链编辑器里**逐路由**覆盖档位（行内下拉，词表按各模型声明的能力实时显示，缺省跟随本值） | | `llm.temperature` | `0.3` | 蒸馏温度 | | `llm.maxInputChars` | `700000` | 单次蒸馏输入字符预算（超限的 L1 输入自动分块抽取）；运行时可在设置页 → 蒸馏参数 → 输入预算调整（留空/0 = 跟随本值） | | `llm.timeoutMs` | `120000` | 单次蒸馏调用超时（ms） | | `tokenCost.retentionDays` | `365` | 蒸馏成本明细（token_cost 表）保留天数，写入时滚动清理更早行；`0` = 永久保留。成本看板「近 N 天」窗口上限同此值 | | `tools` | `true` | 是否注册模型可调用的记忆工具 | | `benchControl` | `false` | 注册 bench 控制服务（进程内 rebuild 触发/会话档位设置/蒸馏用量快照，供基准 lifecycle 赛道）。默认关——生产部署零表面积，勿随意开启 | ### 蒸馏回退链与慢 TTFT 模型部分推理供应商的免费/慢速档位**首 token 延迟（TTFT）可达 20 秒以上**，而部分上游网关会在连接静默约 20 秒时掐断——蒸馏调用以固定 ~20s 失败（`llm aborted`），插件侧 120s 超时根本轮不到生效（[#31](https://github.com/JunNanLYS/dsh-layered-memory/issues/31) 的实测场景）。三层缓解按需取用： 1. **换路由**（最直接）：设置页 → 记忆 → 自动化 → 高级路由与预算的路由链编辑器即时改主路由（或把快路由排到链首），或静态 pin `llm.provider`/`llm.model`。 2. **回退链**（自动降级）：主路由失败时按序自动换备用路由，无需人工干预： ```yaml llm: provider: opencode-go # 主路由（也可不 pin，跟随设置页路由链主路由/默认模型） model: ox-alpha-free fallbacks: # 条目顺序 = 降级优先级；不配置 = 单路由行为不变 - provider: opencode-go model: deepseek-v4-flash reasoningEffort: low # 可选：该路由的档位覆盖（缺省跟随全局） - provider: deepseek-official model: deepseek-v4-flash ``` 3. **按层路由**（各走各的通道）：不同蒸馏层对模型诉求不同（L1 高频要便宜快稳、 L3 低频可容忍慢首包但要强能力），可给差异层单独配链——每层一条**完整回退链**，未配置的层照走全局链： ```yaml llm: layerRoutes: # 按层独立路由（#34）；头行必须显式 provider+model l1: # l1 同管抽取 + 去重两个调用点：配条便宜快稳的链 - provider: opencode-go model: deepseek-v4-flash reasoningEffort: low - provider: deepseek-official # 层内回退：L1 故障只降级到这里，不落全局链 model: deepseek-v4-flash l3: # L3 画像蒸馏：低频大输入，配强能力链 - provider: deepseek-official model: deepseek-v4-flash reasoningEffort: high ``` 也可在设置页 → 记忆 → 自动化 → 高级路由与预算的**分段面板**（全局默认 / L1 / L2 / L3）里按层运行时编辑，层内优先级：运行时层链 > 本 YAML 静态层链 > 全局默认链，逐级兜底。失败 = 报错 / 被掐断 / 网络异常 / **空输出**（流正常结束但 0 字符——对蒸馏而言必然在解析阶段报废，改判为该路由失败而非返回空串）；调用方主动取消不降级；每条路由各享**全额** `llm.timeoutMs`（共享预算会让慢 TTFT 的回退路由拿到的窗口小于它真实需要的首包时间，回退链形同虚设）；token 成本逐次尝试记账（失败尝试也计一行，含流中断前已到的 token），成功调用归因到实际服务的路由。路由链也可在设置页 → 记忆 → 自动化 → 高级路由与预算的「蒸馏路由链」编辑器里运行时调整（无需改配置重启）；本 YAML 适合部署者固化静态链。 4. **调高超时**：`llm.timeoutMs` 只在路由确实慢但网关不掐时有用；网关 20s 掐断的场景调插件超时无效，请用前两层。 ## 日志与故障排查 dsh 宿主把插件日志打到控制台；插件另把 info 级以上镜像到数据目录的 `memory.log`。一轮对话的典型日志路径：`L0 捕获` → `L0 落盘` → `蒸馏管线开始` → `LLM 调用（输入/输出字符数、耗时）` → `L1 阶段完成` → `管线结束`；下一轮开头是 `召回注入 N 条 L1`。LLM 空输出带完整诊断（finish reason / token 计数 / reasoning 摘录）；JSON 解析失败记录模型原始输出前 400 字符；所有失败告警带堆栈首帧。JSONL 事实源按轮次追加、依赖操作系统写回（不做逐条 fsync），断电等极端崩溃最多丢最后一小段尾部，检索库可用「重建记忆」从事实源全量重导。 ## 与 MemoryCore 的差异 - 内嵌完整管线（不依赖外部 Gateway），蒸馏复用 DSH 自己的 LLM； - L2/L3 由"LLM 操作文件工具"改为"LLM 输出操作 JSON / 完整文档，工程侧执行"； - 召回注入点在 `agent/pre-step`（消息侧合成消息，官方 pre-step 替换语义）+ agent 作用域 `systemPrompt.context`（画像/导航稳定区，DSH 原生事件/服务）； - 存储/检索即官方 sqlite 后端的单机裁剪版（裁掉多租户隔离列、TCVDB 云后端、审计表；分词与官方一致用 jieba——@node-rs/jieba 预编译二进制 + CJK 二元组并集，词元供 BM25 精确整词命中、二元组保子词召回；加载失败自动回退纯二元组， FTS 索引按分词器版本戳自动重建）。 ## 路线图以下为规划中的功能，欢迎在 [Issues](https://github.com/JunNanLYS/dsh-layered-memory/issues) 反馈需求与优先级： - [ ] **Git 分支感知**：记忆与当前 git 分支关联，召回可按分支过滤/加权（与现有记忆档位正交） - [ ] **Claude Code / Codex 记忆导入**：一键迁移既有记忆资产（`CLAUDE.md`、Claude Code 记忆文件、Codex `AGENTS.md` 等），导入后进入分层蒸馏管线 ## 致谢记忆核心能力（分层蒸馏管线、Prompt 设计、双写存储架构）参考自 [TencentCloud/TencentDB-Agent-Memory](https://github.com/TencentCloud/TencentDB-Agent-Memory) 项目中的 **MemoryCore**，感谢原项目开放的设计与实现。 ## License [MIT](LICENSE)