DeepSeek Harness 插件

dsh-memory-kit

Persistent memory + learning loop for DeepSeek Harness: MEMORY.md index + notes/ library auto-injected at session start, keyword search (rg), optional semantic search (local embedding), trap library(英文原文)

跳到安装方式

来源信息

GitHub 仓库
mrliu7219-cell/dsh-memory-kit
最近更新
2026年8月16日
分类
文档与渲染
GitHub stars
0
载体类型
plugin
目录证据
上游声明已找到 dsh.bundle
证据路径
package.json#dsh.bundle
核对版本
0.1.0-rc.8
上游核对日期
2026-08-20

该证据由上游目录提供。本站没有安装、运行或安全审核这个插件。

安装

默认先复制一段 Prompt,让 Agent 读 GitHub 仓库和源码;需要自己装时再切到命令。

复制这段 Prompt,发给 DSH、Codex 或其他 Agent,让它先读 GitHub 仓库和源码。

请先不要安装或执行任何命令。阅读这个插件的 GitHub 仓库、README 和关键源码,然后用清楚、直接的方式回答以下问题,帮助我判断它是否适合我的需求:

1. 这个插件是什么,解决什么问题;
2. 适合哪些用户和典型使用场景;
3. 安装后如何使用,并给出一个最小使用示例;
4. 有哪些已知限制,以及隐私、安全、兼容性或维护风险;
5. 给出“推荐 / 有条件推荐 / 不推荐”的明确建议和理由。

请区分仓库明确说明、根据源码推断和未知信息。证据不足时请明确说明,不要猜测或照抄 README。

GitHub:https://github.com/mrliu7219-cell/dsh-memory-kit
插件名:dsh-memory-kit
作者:mrliu7219-cell

检查来源文件

安装前先看这个插件目录里的 README 和其他文件。

文件资源管理器3 个文件
README.md来源说明 · 只读预览

dsh-memory-kit

给 DeepSeek Harness(DSH)装上持久记忆和学习循环的插件——会话开始自动注入记忆索引,踩过的坑沉淀进踩坑库,关键词/语义双通道检索,越用越聪明。

平台:macOS / Windows(Git-Bash 环境)✅ 核心功能跨平台;语义搜索需本机 LM Studio(两平台均支持,路径自动探测)

能力(三档,按需启用)

能力依赖说明
记忆注入零依赖SessionStart 自动注入 MEMORY.md 索引,notes/ 按需读取
踩坑库零依赖traps.md 三档状态(🆕新鲜/✅已验证/⬆️已升级)+ Lesson≠Skill 纪律(只记失败经验)+ 可选证据等级标注,犯 2 次升级 AGENTS.md
关键词搜索rg(可先装)notes-search.sh <词>,19ms 全文检索
语义搜索(可选)LM Studio + bge-small-zhnotes-semantic-search.sh <描述>,本地 embedding 不联网
视觉识图(可选)LM Studio + 多模态模型需另配 modlens 等视觉插件,本插件不内置

核心设计:文件是真相,向量是索引——记忆全是 Markdown 文件,可读可改可备份;语义搜索只是可重建的辅助层。

安装

# 1. 装插件(dependencies 会自动拉取 hook 协议包)
dsh plugin --profile <你的profile> add dsh-memory-kit

# 2. 初始化(复制脚本 + 配置 hook + 建记忆目录模板)
dsh-memory-kit setup

# 3. (可选)想要语义搜索时,先自行安装 LM Studio 并下载 bge-small-zh-v1.5,然后:
dsh-memory-kit setup --semantic

重启 DSH(或新开会话)生效。

> dsh plugin add 若用本地路径(link 模式)安装,依赖不会自动拉取,需手动 > dsh plugin --profile <p> add @deepseek-ai/dsh-hooks-claude-code @deepseek-ai/dsh-hook-protocol。 > 从 npm registry 安装则无此问题。

使用

会话开始自动注入记忆索引。日常:

  • 记住什么:重要事实/用户偏好/关键决策 → 更新 MEMORY.md 索引 + notes/ 文件
  • 踩坑了:写 notes/traps.md(现象 → 根因 → 防错 → 状态)
  • 找旧知识notes-search.sh <关键词>(精确);notes-semantic-search.sh <描述>(语义)
  • 维护:索引接近 200 行时合并精简;向量索引变了跑 notes-embed.sh 增量刷新

记忆目录

~/.dsh/memory/          # 记忆本体(可配置 MEMORY_DIR 环境变量)
├── MEMORY.md           # 索引(≤200 行,会话开始注入)
├── notes/              # 细节笔记(按需 read)
│   └── traps.md        # 踩坑库
└── .vector-index.json  # 向量索引(可重建,非真相)

设计原则

  • 文件是真相:记忆是纯 Markdown,删掉向量索引零损失
  • 优雅降级:没 LM Studio 照样工作(关键词搜索),语义搜索是可选项
  • 不碰用户配置:hook 配置独立文件,setup 幂等合并,不覆盖用户已有 hook
  • 本地优先:embedding 全本地,数据不上云

与其他记忆方案的差异

方案定位与 dsh-memory-kit 的差异
Basic Memory(Claude 生态)Markdown + SQLite 知识库两者理念相近(文件是真相);本插件专为 DSH 设计(cordis patch + hooks 集成),且内建踩坑库三档升级机制(犯错→沉淀→升级常驻规则)
deep-memory(Claude Code)向量库自动积累经验它依赖 ChromaDB + BGE 重排,个人量级是过度工程;本插件零重依赖,语义搜索仅需 25MB 本地模型且可完全不用
Mem0 / Letta抽取式记忆层/状态化 agent需要额外 LLM 调用做抽取(成本+不可控);本插件"用户/agent 直接写文件",可控、可审查、零抽取成本
知识图谱类(Neo4j MKG 等)实体关系检索个人笔记实体关系稀疏,建图收益趋近 0;本插件用"索引+全文/语义双检索"覆盖 90% 场景

选择本插件的理由:如果你要的是一套轻量、透明、能带着历史越用越聪明的 DSH 记忆系统,而不是一个需要数据库和额外 LLM 成本的记忆平台。

升级

dsh plugin --profile <你的profile> update dsh-memory-kit
dsh-memory-kit setup          # 重新生成脚本与 hook(记忆数据不受影响)

License

MIT