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-prime-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/drscrewdriver/dsh-prime-memory/releases/latest) · [反馈问题](https://github.com/drscrewdriver/dsh-prime-memory/issues) [![npm version](https://img.shields.io/npm/v/dsh-prime-memory?color=6f83ff\&style=flat-square\&label=npm)](https://www.npmjs.com/package/dsh-prime-memory) [![DSH 0.2.0-rc.1](https://img.shields.io/badge/DSH-0.2.0--rc.1-8b5cf6?style=flat-square)](https://github.com/deepseek-ai/deepseek-harness) [![MIT License](https://img.shields.io/badge/license-MIT-536990?style=flat-square)](LICENSE)
🌐 语言 / Language - [中文 README](./README.md) - [English README](./README.en.md) - [日本語 README](./README.ja.md) - [한국어 README](./README.ko.md) - [README en français](./README.fr.md) - [README auf Deutsch](./README.de.md) - [README in italiano](./README.it.md) - [README на русском](./README.ru.md) - [README en español](./README.es.md) - [安装指南（中文）](./INSTALL.md) - [Installation guide (English)](./INSTALL.en.md) - [日本語インストールガイド](./INSTALL.ja.md) - [한국어 설치 안내](./INSTALL.ko.md) - [Guide d'installation (français)](./INSTALL.fr.md) - [Installationsanleitung (Deutsch)](./INSTALL.de.md) - [Guida all'installazione (Italiano)](./INSTALL.it.md) - [Руководство по установке (Русский)](./INSTALL.ru.md) - [Guía de instalación (Español)](./INSTALL.es.md) - [更新日志（中文）](./CHANGELOG.md) - [Changelog (English)](./CHANGELOG.en.md) - [日本語 changelog](./CHANGELOG.ja.md) - [한국어 changelog](./CHANGELOG.ko.md) - [Changelog en français](./CHANGELOG.fr.md) - [Changelog auf Deutsch](./CHANGELOG.de.md) - [Changelog in italiano](./CHANGELOG.it.md) - [Changelog на русском](./CHANGELOG.ru.md) - [Changelog en español](./CHANGELOG.es.md)
## DSH 版本兼容矩阵 | DSH 版本 | settings 注册 API | 状态 | |---|---|---| | 0.1.1-rc.2 | `settings.register()`（live scope） | ✅ 已验证 | | 0.1.2-rc.1 | `settings.register()`（回退可用） | ⚠️ 按框架文档推断，未实测 | | 0.1.3-rc.1 | `settings.register()`（回退可用） | ⚠️ 未实测（0.1.3+ 命名空间已改字符串，本插件已兼容） | | 0.1.5-rc.2 | `settings.register()`（回退可用） | ⚠️ 未实测；Session V3 surface 语义与输入栏/设置槽位待回归 | | 0.2.0-rc.1 | `settings.register()`（live scope） | ✅ 本次适配线（事件接线 agent/session-start → agent/created） | > 兼容机制：settings 注册走运行时三分支（`register` → `installSection` 桥接 → 恒开降级）， > 详见 [CHANGELOG.md](./CHANGELOG.md) 的 0.11.0 条目。`dsh.plugin.json` 声明 > `engines.dsh` 为逐 rc 精确枚举串（0.1.0-rc.2 → 0.2.1-rc.5，20 rc）。 ## 快速开始 需要 Node ≥ 22.16。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；可 pin 版本，如 dsh-prime-memory@0.8.4） npx -y @deepseek-ai/dsh plugin --profile web add dsh-prime-memory # 方式二：已装 dsh CLI（dsh 是 pnpm 转发器，未装 pnpm 时先 npm i -g pnpm） dsh plugin --profile web add dsh-prime-memory # 包源备选：GitHub 仓库 / 本地路径（开发调试，link: 指向仓库，npm run build + 重启 dsh 即生效） dsh plugin --profile web add https://github.com/drscrewdriver/dsh-prime-memory dsh plugin --profile web add /path/to/dsh-prime-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-prime-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-prime-memory dsh --profile web --dump-config 确认输出中出现 dsh-prime-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-prime-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、输入栏出现档位 pill 即 client 半边就绪。 **卸载**：`dsh plugin --profile web remove dsh-prime-memory` + 重启。数据保留在 `~/.dsh/memory/`，不需要时手动删除整个目录即可。 ### 从源码开发 ```bash git clone https://github.com/drscrewdriver/dsh-prime-memory cd dsh-prime-memory npm install && npm run build dsh plugin --profile web add . # link: 安装，改代码后 npm run build + 重启 dsh 即生效 npm 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 ``` ## 运行时数据流

dsh-prime-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 → **成本** Tab 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

会话级记忆档位：一条玻璃胶囊滑轨四个停点（日常·工作·智能·关闭），发光圆球停在智能（默认）档；各档上方微场景——日常为个人聊天气泡、工作为代码文档窗格、智能为双流合流最亮、关闭为暗淡虚线幽灵泡

- **控件**：输入栏内、模式选择器右侧的 pill（`记忆·自动`），点击在上方浮出档位滑块深浅主题自适应； - 悬浮板下半部是**会话信息区**：召回命中（命中/检索轮次与累计条数）、攒批进度 （本会话切片 x/生效阈值；关闭档显示挂起切片数）、本会话产出记忆条数、会话消息数， 外加异常状态行（存储降级 / 向量检索不可用）与全局摘要（待蒸馏条数、上次蒸馏时间）； 数据走 `dsh-memory/session-stats` 端点（纯内存注册表 + 索引 COUNT，零文件 I/O）， 打开期间自适应轮询（忙 2s / 静 5s），关闭即停； - 每会话的选择按 sessionId 持久化到 `session-modes.json`，重启/恢复会话不丢； 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。 - **只写不读（#38）**：悬浮板内「注入」三态开关（跟随全局 / 开 / 关）——设为「关」 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）。pill 面文换作 `记忆·只写` 提示状态；覆盖按会话持久化，切回 「跟随全局」即清除、跟随设置页召回开关；适合调试/评测/敏感会话「只吸收不干扰」。 与 off 档正交：off 仍是完全隐身（连捕获都关），只写保留「进」关「出」。 ## 界面预览

深色主题下的设置页记忆浏览器概览：状态卡（插件版本、捕获/蒸馏/召回开关状态、FTS 与向量能力、L1 记忆计数、蒸馏模型）与统计瓦片，玻璃质感控件与冷蓝强调色 浅色主题下的同一设置页记忆浏览器概览：同款布局与信息，浅色卡片底与同套强调色，主题切换无需重载

## 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 → 概览 → 语义检索）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-prime-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 | | `capture.redactSecrets` | `true` | 载荷脱敏：捕获写入即把 8 类密钥（PEM/Bearer/JWT/Cookie/厂商 API key/邮箱/长号/高熵 ID）替换为 `[REDACTED:]` 占位符，覆盖 L0、蒸馏输入与手动写入；`false` 回明文（开启后 L0 原文不再可逆） | | `trace.enabled` | `true` | 结构化追踪：召回/蒸馏事件按天 JSONL（`/trace/`），设置页"日志"Tab 可切换查看 | | `trace.retentionDays` | `14` | 追踪事件保留天数（`0` 永久） | | `trace.captureContent` | `false` | `true` 才存召回 query 原文（默认只存长度 + sha256） | | `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 | | `extract.intraBatchDedupe` | `true` | 批内自去重（同轮/同会话）：进 LLM 去重前先归一化 + 同族同类向量聚类，避免同会话碎片被合并成一条长记忆（只减条数与耗时，不降低单次推理峰值） | | `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.maxInputTokens` | `0` | 本地嵌入的单条 **token** 预算：`0`（默认）= 按模型窗口与硬上限 1536 自动取小；>0 = 显式预算，超上限会被 clamp 并记 warn。与上一行不是同类护栏——字符帽只管远程档与 IPC 体积，本地推理的崩溃/内存护栏必须按 token（#22） | | `embedding.respawnOnCrash` | `true` | 本地嵌入子进程被硬杀后是否**有界自愈**（#22 机理刀）：默认开——60s 窗内 ≤2 次重 fork+重预热，多条目批按实时断点续试一次（头段向量丢失交 backfill 补）；关掉回到旧语义（崩一次停摆到宿主重启/换源）。有意翻转 0.26.25「不做自愈」公告。三层防线=护栏(1536)/降峰(memPattern)/自愈(respawn)。 | | `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 → 概览 → 蒸馏参数的**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 → 概览 → 蒸馏参数运行时调整（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` | `200000` | 单次蒸馏调用输入闸门（超限截断）；默认 200k 适配本地/免费模型窗口，上限 256k，可再往下调。L1 抽取/L2 另有 24k 分块硬顶，不受此值影响；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）；运行时可在设置页 → 蒸馏参数 → 蒸馏超时(ms) 覆盖（仅治"慢但未被网关掐"的路由，供应商网关侧固定掐断抬此值无效） | | `llm.extractTimeBudgetMs` | `0` | 整轮抽取墙钟预算（ms）：`0` = 不限（旧行为）；`>0` 时多块抽取累计超此预算即把剩余块留待重试、下轮续跑，防一个慢模型独占后台串行泵（[ADR-0023](./docs/adr/0023-distill-load-balance-and-secondary-route.md)） | | `llm.modelMaxInputChars` | `0` | 蒸馏模型真实输入上限（字符）：`0` = 未声明（回退保守口径 `min(24k, maxInputChars−42k)`）；声明后抽取/L2 块大小取 `min(24k, 本值−42k)`，避免默认值撞本地模型硬限 | | `llm.secondary` | 关 | 二线大容量兜底 `{provider,model,reasoningEffort,triggerChars}`：单次调用输入 ≥ `triggerChars`（默认 20000）才前置二线（肥调用走能吞大输入的二线、小调用走一线）；未配则不启用、绝不静默改选任意模型 | | `llm.requireExplicitRoute` | `false` | 显式路由闸（灰度）：`true` 时一线+二线+回退链皆空 → 蒸馏顺延并告警（`NoDistillRouteError`、不记退避），不再蹭宿主默认模型；`false` 保持旧行为 | | `llm.chunkShrink*` 等（预留） | — | ⚠ `llm.chunkShrinkFactor` / `chunkShrinkMaxSteps` / `adaptiveChunk` 为**预留配置，当前版本未接线生效**（同轮内超时 ×0.6 缩块尚未实现）——设了不影响行为，请勿依赖 | | `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 | | `scope` | `global` | **存储作用域**（可见范围）：`global`（默认）= 跨工作区可见；`workspace` = 按工作区隔离 **`work` 族**。与 `family`（内容类型）**正交**——两轴问的是不同问题，四象限都存在（`chat×global` / `chat×workspace` / `work×global` / `work×workspace`）。`chat` 族默认仍全局：个人记忆本应跨项目。**默认 `global` 时行为与未引入该配置逐字一致**——既有单根数据全部归 `global`，迁移只标注归属、不搬不删（[ADR-0008](./docs/adr/0008-storage-scope-vs-family.md) / [ADR-0009](./docs/adr/0009-workspace-identity-source.md)）。拿不到会话工作区时回落 `global`（不抛、不阻断） | | `longTask.enabled` | `false` | **长任务模式**部署总开关(默认关)。开启后:客户端可挂载「长任务助手」浮动球(非阻断建议,不弹窗不遮挡)、会话级长任务开关可被切换、`todo/write` 结构化事件被监听。关闭时监听器不注册、建议端点恒返 `enabled:false`、浮动球不出现 | | `longTask.contextThresholdPct` | `70` | 上下文占用告警阈值(% 模型窗口):最近一轮官方 `usage` 输入侧 token 达到该比例、且该会话长任务未开启时,浮动球点亮并建议开启长任务(压缩灾难遗忘高风险区)。数据源是官方 usage 而非 chars/4 启发式;`compaction/summary` 后归零重计 | | `longTask.driftThreshold` | `0.6` | 任务漂移阈值:相邻两次宿主 `todo/write` 快照的词面 Jaccard 相似度低于 `1 − 0.6 = 0.4` 视为「任务内容大幅漂移」——长任务未开启时作为第二条建议理由;同一快照的重复写入不自我稀释漂移信号 | | `longTask.tailTurns` | `6` | 尾部 turn 压缩一次覆盖的最近轮数:把(压缩水位线, 最新轮] 内的尾部轮次立即强制蒸馏入记忆(`force` 跳过阈值,L1 去重与水位线双重防重)。**长任务模式开启才可用**;off 档会话保持完全隐身 | | `longTask.autoCompress` | `false` | 跨上下文阈值时自动执行尾部压缩(仍要求该会话长任务已开启;水位线只前进,轮询重复触发天然幂等)。默认关:自动改写蒸馏节奏应由用户显式 opt-in | | `conflictFreeze.enabled` | `false` | **矛盾冻结**总开关。开启后去重决策词表多出 `conflict` 动作：LLM 判定"两边都像是对的、机器判不了"时**不再自动 `update` 覆盖或 `merge` 合并**，而是把这一对**停放**到待裁决队列——新记忆照常入库，**双方内容都不被改写**，由新增的 `memory_resolve_conflict` 工具交人裁决。关闭时去重 prompt 与未开启该功能时**逐字一致**（零漂移）。默认关：冻结消耗人的注意力，不可默认全开（[ADR-0010](./docs/adr/0010-conflict-freeze-default-off-and-timeout.md)） | | `conflictFreeze.maxPending` | `100` | 待裁决队列上限。未裁决数达上限时新的冲突**不再停放**，当场按 LLM 给出的 winner/loser 自动了结（该对**仍写入队列留痕**，`resolution` 记为 `auto` 以区别于人工结论）。语义是"**不收新的**"，不是"偷偷删旧的"——有界性由此成立，而不会丢掉人还没看过的裁决请求 | | `conflictFreeze.timeoutDays` | `30` | 超时降级（天）：停放超过该天数的待裁决对，在**下一轮蒸馏开头**被自动了结（同上，留痕为 `resolution=auto`）。`0` = **不做**超时降级（显式关闭，而非"立刻全部超时"）。没有安全阀时，"两条互相矛盾的记忆长期并列召回"会永久留在库里 | ### 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/drscrewdriver/dsh-prime-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 → 概览 → 蒸馏参数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 → 概览 → 蒸馏参数的**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 → 概览 → 蒸馏参数的「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。 ### 二线大容量兜底与超时可调（v0.26.7+） - **面板可调超时**：设置 → 记忆 → 蒸馏参数 → **蒸馏超时(ms)**（`distillTimeoutMs`，即时生效、无需重启）。只救"慢但未被网关掐"的路由；供应商网关侧固定掐断（如某些免费路由 60s）抬此值无效，须换路由。 - **二线模型（大容量兜底）**：`llm.secondary{provider,model,triggerChars}`——单次调用输入 ≥ `triggerChars` 才走二线（小调用走便宜快的一线、肥调用走能吞大输入的二线）。未配则不启用、绝不静默改选任意模型。 - **分块分载与容错**：L1 抽取 / L2 场景整合按字符预算分块，单块超时/崩只丢该块、留待重试，不再"一块崩整批丢"（待重试不再被整片回滚）。`llm.extractTimeBudgetMs`（默认 0=不限）可给整轮抽取设墙钟预算，防一个慢模型独占后台；`llm.modelMaxInputChars` 声明模型真实输入上限，块大小据此收紧。 - **显式路由（灰度）**：`llm.requireExplicitRoute=true` 时，未显式配一线/二线/回退链 → 蒸馏顺延并告警，不再蹭宿主默认模型（默认 false 保持旧行为）。 - **预留未生效的配置**：`llm.chunkShrinkFactor` / `llm.chunkShrinkMaxSteps` / `llm.adaptiveChunk` 已在 schema 声明但**尚未接线**（同轮内超时自动缩块未实现）——设了不影响行为；跨轮自适应已由 R9 路由健康学习承担。 ## 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。 > **重建的事实源边界（0.26.11 起要说清楚）**：重建只能重蒸**事实源覆盖到的那一刻之前**的记忆。L0 正文自 T8.4 起已停写（历史面由 DRSC 供给），所以水位之后新增的记忆**不会被重新蒸馏**——它们会被**原样保留**（保留理由 `post-watermark`：来源消息不在本次快照内），不会丢。确认弹窗会直接写出「事实源覆盖到 X」与「可重造 N 条 / 原样保留 M 条」；若晚于水位的记录超过一半，启动需要二次确认（`force`）——这是**提示**而非永久拒绝（否则停写的库上重建会被永久锁死）。 > **重建的事实源可切换（`rebuild.factSource`，默认 `local`）**： > - `local`：本地 `l0_conversations`（已停写的冻结存量），**按会话流式读**——峰值只占单会话，不再把全量正文（3 万条量级约 88MB）驻留整个重建期； > - `drsc`（实验性）：`reference-session-collector` 的投影——先枚举会话、再逐会话拉全量，**恒带 `redact=1`**（collector 的 `session` 缺省是原文臂，而捕获侧是写前脱敏）。选了 drsc 但 collector 未装配会**显式报错中止**，不静默回退本地表。 > - 注意：DRSC 无法枚举消息 id（`drsc::` 与事实源的 `source_message_ids` 不同域），所以 `drsc` 模式下所有有来源的记忆都会被判为**不可重蒸并原样保留**（保守侧失败，不丢数据）。 ## 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）。 ## 记忆退场、恢复与清理 删除分**两档**，档位由代价决定：**可逆的那档是默认**，不可逆的那档需要显式要求，并且自带导出物。 | 动作 | 端点 / 工具 | 可逆 | 说明 | | --- | --- | --- | --- | | 退场（软删） | `memory_delete` · `dsh-memory/records-delete` | ✅ | 保留主表行 + 闭合 `valid_to` + 写取代标记，只撤掉 FTS/向量行。**默认只退场 1 条**；批量请传精确 `ids`，不要依赖语义匹配 | | 找回 | `dsh-memory/records-restore` | — | 清退场标记 + 重建索引，记录重新进入召回 | | 物理清理 | `dsh-memory/cleanup-retired` | ❌ | 本插件**唯一不可逆**的动作。**默认干跑**（省略 `dryRun` 即不删）；即便显式执行，也先落全库快照并**按内容哈希**校验，不一致即中止且一条不删 | | 快照清单 | `dsh-memory/snapshots-list` | — | 列出 `snapshots/` 下带合法清单的快照（含原因与条数） | | 从快照回灌 | `dsh-memory/snapshot-restore` | — | 把已清理的记录写回。**默认干跑**；只收快照目录名，不接受路径 | 三条退场路径——裁决判负、去重取代（`update`/`merge`）、人工删除——**共用同一个原语**，所以"删除"在三处语义一致：都可恢复。 ### 清理的"后悔药"是怎么构成的 物理删除前必须先落快照并校验通过（见上表）。走回去的那条路是： 1. `dsh-memory/snapshots-list` —— 拿到快照目录名（形如 `l1-<时间戳>-<原因>`）； 2. `dsh-memory/snapshot-restore` —— 先干跑看 `missing`（真正被找回的条数，而不是快照总条数），再显式 `dryRun:false` 写回。 恢复入口**只收目录名、不收路径**：否则这条 RPC 就等于顺带获得了"读任意目录并把内容写进检索库"的能力。恢复本身是幂等的 upsert，可安全重跑。 > **一处必须知道的语义**：`cleanup-retired` 只清理**已退场**记录，而快照拍在删除**之前**——所以清理快照能找回的每一条都带着退场标记。默认情况下 `snapshot-restore` 只把行写回主表（并在 `stillRetired` 里如实报出），**"回到主表" ≠ "回到召回"**；要一步完成真正的回滚，加 `unretire: true`，或随后对该批 id 调 `records-restore`。 ## 记忆时效三档与失效链反查 一条记忆的"时间性"拆成**四根互不替代的轴**（ADR-0022）：退场方式（取代标记）、有效性定性 （查询期派生六态）、客观持续性（persistence）、现实有效期（valid_to）。旧版把这四件事塞进 一根 `valid_to` 列，代价是"2020 年结束的旅行"这类**合法历史记录被检索面静默遮蔽**—— 它没退场，只是成了历史。 | 档 | 含义 | 进索引 | 被动注入(默认) | 工具显式查 | | --- | --- | --- | --- | --- | | `current` | 仍在持续且未到有效期 | ✅ | ✅ | ✅ | | `historical` | 时点/已结束区间/无时间性，未退场 | ✅ | ✅ | ✅ | | `expired` | 有效期已闭合**且来源可信** | ✅ | ❌ 需开门2 | ✅ `include_expired` | | `expired_suspect` | 同上但有效期来源不可信（宁判疑不静默隐） | ✅ | ✅ 带标注 | ✅ | | `superseded` / `retired` | 取代/人工退场（软删，可恢复） | ❌ 撤出 | ❌ | 仅取代链反查 | 三扇门： - **门1（bugfix，不受灰度门控）**：退场判据全仓改为只认取代标记；升版后首启自动做一次 FTS 全量回灌，把误遮蔽的历史记忆放回检索面（日志报回灌/跳过数；向量面由增量重嵌补齐， 或设置页手动「语义检索重建」加速）。 - **门2（灰度闸 `validity.tieringEnabled`，默认关）**：开时被动注入剔除 `expired`， `expired_suspect` 保留并在注入行带"疑似失效"标注；召回卡泡泡同步显示"已于 X 失效"。 面板概览有同名运行时开关（与部署配置取或），验证通过后再评估翻默认。 - **门3（`memory_search` 反查参数，默认全关 = 与改前逐字一致）**：`include_expired` 放行 可信过期项并附 `state`/`valid_from`/`valid_to`/`valid_to_source`；`as_of` 按有效期回放 历史时刻（不复活退场记忆）；`follow_supersede` 顺取代链反查"本条取代了谁"。 存量记录的 `dsh_validity` 标注由低频本地回填补齐（零 LLM；改过的记录顺手重投图谱保鲜）。 判据单源 `classifyValidity`：六态是查询期谓词，不会随墙钟落库翻态。 ## 图谱确定性写面与纠正通道 图谱是 L1 的**派生投影**：节点/边永远由"当前事实重算"产出，所以写面的唯一真源是 L1， **纠正 = 改源 + 重投，不是手写 SQL**。本插件不提供、也永远不会提供绕过投影直写 `graph_*` 表的入口（"零无源事实"不变量：每条边都能沿 `sourceRecordIds` 点查回现存 L1 记录）。 | 动作 | 工具 | 前提 | 说明 | | --- | --- | --- | --- | | 修订一条记忆 | `memory_update` | 高权限模式 | 读旧 → 造新（`version+1`，新 id）→ 旧行经退场汇流口 `superseded` 软删（可恢复）→ 新版进检索面；随后对 [旧,新] 强制重投，图谱边跟随（旧源支撑的边自动标墓碑）。不是物理删，也不覆写 JSONL 事实源 | | 强制重投 | `memory_reproject` | 概览「知识图谱」开关 或 部署 `graph.enabled` | 抹掉"已按当前版本投影"凭证、按高优先级重新入队——绕开 `projector_version` 的永久跳过。幂等：在途任务不堆重。**手加/导入的记忆长期不出现在图谱里，用它补投影**（非蒸馏写入现已自动入队，此工具是给存量与改后保鲜的纠正通道） | | 迁移一条关系 | `memory_migrate_relation` | 高权限模式 | 源导语义：先硬校验 `source_record_ids` 全部"现存未退场" → 新关系经确定性投影支路落库（同 (起点,关系) 换目标自动闭旧边出新边）→ 新增一条承载新关系的 L1 源记录留可回溯根据（带 `proposal_source=tool` 审计标记与决策凭证）。旧边不会因后续重投被翻回：重投批只拉载体记录，不拉描述旧关系的旧源 | | 非蒸馏写入自动入队 | `memory_add` / `memory_import` | 概览「知识图谱」开关 或 部署 `graph.enabled` | 落库成功后与蒸馏产出同优先级（`GRAPH_PRIORITY_NEW`）进投影队——"只有蒸馏才投影"的旁路缺口已闭合 | 两条必须知道的边界： - **频繁 update 会累积版本行**：旧行以退场态留在主表（可恢复的设计代价），规模由既有 `cleanup-retired`（干跑 + 快照门禁）控制； - **图谱向量路随嵌入源激活**：`graph_node_vec` 在嵌入关闭时**结构性不存在**（不是空表）； 启用嵌入后，投影收尾会为落库的 active 节点补写向量（旧版本存量节点经重投/重建逐步补齐）。 ## 路线图 以下为规划中的功能，欢迎在 [Issues](https://github.com/drscrewdriver/dsh-prime-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 本仓库的直接上游是 [JunNanLYS/dsh-layered-memory](https://github.com/JunNanLYS/dsh-layered-memory) ——DSH 侧的分层蒸馏记忆插件。感谢原作者 **JunNanLYS** 开放该项目：本仓库在其基础上重写了实现层 （首个提交 `0b506b8` 即「净室重写清场——移除旧实现与构建产物」），文档、图片与模块架构沿用上游。 相对上游，本仓库新增了面向 Agent 的 12 个记忆工具（含高权限写入 `memory_add` / `memory_delete` / `memory_import`、反刍控制 `memory_ruminate` 系列、记忆图谱 `memory_search_graph` / `memory_expand_graph_node`、决策凭证回溯 `memory_receipts`、矛盾裁决 `memory_resolve_conflict`）、 `skills/memport` 跨工具记忆搬运，以及商店截图声明；确定性写面计划又补上三件 （`memory_update` / `memory_reproject` / `memory_migrate_relation`，见"图谱确定性写面"一节）。 其中两个工具服务于**可追溯性**： - `memory_receipts` —— 回溯"这条记忆**怎么来的**"。每次 L1 去重决策都留一条凭证 （决策当时的**候选池输入摘要** + 结论），可按记录问"出自哪一轮、当时看到什么候选池"， 或按批次问"那一轮都判了什么"。凭证必须在事件**之前**存在——输入快照无法事后补录 （[ADR-0006](./docs/adr/0006-l1-decision-receipts.md)）。 - `memory_resolve_conflict` —— 裁决**矛盾冻结**停放的冲突对（见 `conflictFreeze.*` 配置）。 结论 `winner` / `loser` / `both`：判某一方为真则另一方从检索中退场，判 `both` 表示 两者其实是各自独立的事实、都保留。 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)