DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

123caiji /

dsh-memory-toolkit

Topic repository only

Memory and token-optimization plugin toolkit for DeepSeek Harness: cross-session knowledge graph memory + five-layer token-saving orchestration.

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@cb99d505

dsh-memory-toolkit

DeepSeek Harness 记忆与 Token 优化插件工具包：跨会话知识图谱记忆 + 五层省 Token 编排。

Memory and token-optimization plugin toolkit for DeepSeek Harness. Two independent plugins that compose or stand alone:

Plugin Package Purpose
graph-memory @123caiji/dsh-graph-memory Cross-session knowledge graph memory: typed nodes, causal relations, PageRank, communities, dual-path recall (vector + FTS5)
lean-context @123caiji/dsh-lean-context Token-saving orchestration: five orthogonally-layered capabilities (discipline, convergence, routing, audit, rebuild)

实测数据

以下数据来自实际运行（2026-08-18，Node v24.15.0，Windows 11）：

代码规模

指标 graph-memory lean-context 合计
TypeScript 源码行数 5,813 448 6,261
测试文件数 11 — 11
测试用例数 107 — 107

测试结果

Test Files  1 failed | 10 passed (11)
     Tests  1 failed | 106 passed (107)
  Duration  8.52s
  • 106/107 测试通过（99.1% 通过率）
  • 唯一失败：migration.test.ts 的临时目录清理（Windows EPERM 权限问题，非代码缺陷）

graph-memory Benchmark

插入 15 个渗透测试知识节点后的实际运行数据：

数据库大小: 4 KB
节点总数: 15 (TASK: 8, SKILL: 6, EVENT: 1)
关系总数: 14 (USED_SKILL: 3, SOLVED_BY: 3, REQUIRES: 3, PATCHES: 3, CONFLICTS_WITH: 2)
向量索引: 15 条 (128 维)

FTS5 搜索 "nmap 扫描" → 返回 3 条:
  - [TASK] nmap-端口扫描: 对 192.168.1.0/24 执行 nmap -sS -sV 全端口扫描
  - [TASK] wpscan-wordpress-扫描: 对 WordPress 站点执行 wpscan
  - [TASK] nikto-web-扫描: 执行 nikto 对 Web 服务进行漏洞扫描

向量搜索 → 返回 5 条:
  - [TASK] nmap-端口扫描
  - [TASK] hydra-smb-暴力破解
  - [SKILL] nuclei-漏洞扫描模板
  - [TASK] sqlmap-注入检测
  - [SKILL] burp-suite-代理抓包

lean-context Token 节约实测

纪律层注入成本（一次性）：

Discipline prompt: 2,914 bytes ≈ 911 tokens

对 DSH 仓库的 context_audit 实测（指令链 token 成本）：

./AGENTS.md                                    15,997 bytes ≈  4,999 tokens
./docs/AGENTS.md                               10,635 bytes ≈  3,323 tokens
./.agents/skills/dsh-find-simplifications/      14,680 bytes ≈  4,588 tokens
./.agents/skills/dsh-prose-standard/            9,139 bytes ≈  2,856 tokens
./.agents/skills/dsh-translate-docs/           10,316 bytes ≈  3,224 tokens
./.agents/skills/record-browser-gif/           12,195 bytes ≈  3,811 tokens
./.agents/skills/dsh-code-review/                8,278 bytes ≈  2,587 tokens
...（共 14 个文件）
TOTAL: 123,784 bytes ≈ 38,684 tokens

ZeroToken 模式下的输出节约（实测对比）：

场景 冗长输出 精简输出 节约 降幅
A: "帮我看看这个函数做什么" 213 tokens 27 tokens 186 tokens 88%
B: 代码修复任务 214 tokens 65 tokens 149 tokens 70%

综合估算（100 轮会话）：

平均每轮节约:  168 tokens
纪律层成本:    911 tokens（一次性注入）
100 轮净节约:  15,889 tokens
ROI:          17x（投入 1 倍 token 换回 17 倍节约）
纪律层占比:    2.4%（相对于 38,684 tokens 指令链）

结论：纪律层仅占指令链 2.4% 的 token 成本，但通过 ZeroToken 模式可在每个会话中节约 70%-88% 的输出 token，100 轮会话 ROI 达 17 倍。

目录

  • 快速安装
  • 插件一：graph-memory（跨会话记忆）
  • 插件二：lean-context（省 Token 编排）
  • 配置参考
  • 开发指南
  • 验证与排查
  • 许可证与致谢

快速安装

方式 A：从 GitHub 安装（推荐）

# 安装整个工具包
dsh plugin add github:123caiji/dsh-memory-toolkit

# 或只安装单个插件
dsh plugin add github:123caiji/dsh-memory-toolkit --subdir packages/graph-memory
dsh plugin add github:123caiji/dsh-memory-toolkit --subdir packages/lean-context

方式 B：从本地路径安装（开发模式）

git clone https://github.com/123caiji/dsh-memory-toolkit.git
cd dsh-memory-toolkit
pnpm install

# 从本地路径加载到 DSH
dsh plugin add ./packages/graph-memory
dsh plugin add ./packages/lean-context

方式 C：网页端安装

  1. 启动 DSH Web：dsh web
  2. 访问 http://127.0.0.1:3080
  3. 进入 设置 → 插件 → 添加
  4. 填入 github:123caiji/dsh-memory-toolkit
  5. 选择要加载的子包

验证安装

dsh plugin list    # 确认 graph-memory 和 lean-context 处于 active 状态
dsh doctor         # 诊断插件加载错误

插件一：graph-memory（跨会话记忆）

是什么

为 DeepSeek Harness 提供跨会话的长期记忆能力。基于 SQLite 知识图谱，将任务（TASK）、技能（SKILL）、事件（EVENT）存储为节点，通过五种因果关系连接，使用 PageRank 和社区检测进行相关性排序。

核心特性：

  • 三类节点：TASK（任务）/ SKILL（技能）/ EVENT（事件）
  • 五种因果关系：USED_SKILL / SOLVED_BY / REQUIRES / PATCHES / CONFLICTS_WITH
  • 双路召回：向量检索（可选）→ 社区扩展 → PageRank 排序；未配置向量时回退 SQLite FTS5 全文检索
  • 自动注入：相关记忆在 Prompt Assembly 阶段自动注入上下文

使用方法

自动模式（无需操作）：插件加载后，相关记忆会自动注入到新会话的系统提示中。

工具调用：

工具 说明 示例
gm_status 查看数据库状态、节点数、关系数 gm_status()
gm_search 检索相关记忆 gm_search(query="nmap 扫描", limit=5)
gm_record 记录新节点 gm_record(type="TASK", title="端口扫描", content="对 192.168.1.0/24 执行 nmap")
gm_stats 查看图谱统计 gm_stats()

向量检索配置（可选）

不配置时自动回退 FTS5 全文检索。配置后启用语义向量召回，召回精度更高：

# 设置环境变量（DeepSeek Embedding API 示例）
setx GRAPH_MEMORY_EMBEDDING_API_KEY "your-api-key"
setx GRAPH_MEMORY_EMBEDDING_BASE_URL "https://api.deepseek.com/v1"
setx GRAPH_MEMORY_EMBEDDING_MODEL "text-embedding-v1"
setx GRAPH_MEMORY_EMBEDDING_DIMENSIONS "1024"

重启 DSH 后生效。验证：调用 gm_status，vectorEnabled 应为 true。

数据库位置

默认：~/.dsh/graph-memory/graph-memory.db

覆盖：在 profile 的 cordis.patch.yml 中修改 dbPath：

- insert:
    - id: graph-memory
      name: '@123caiji/dsh-graph-memory'
      config:
        dbPath: /your/custom/path/graph-memory.db

完整文档见 packages/graph-memory/README_CN.md。

插件二：lean-context（省 Token 编排）

是什么

五层正交的 Token 优化能力，每层独立开关。内置纪律层和审计层，开箱即用；收敛、路由、重建层委托上游社区插件。

五层架构

层 作用机制 实现来源 默认 风险
discipline（纪律） systemPrompt 注入六模式决策表 内置 开 低
convergence（收敛） MCP 工具 schema 压缩 委托 dsh-mcp-lens 关 低
routing（路由） 简单问题 flash 直答 委托 dsh-model-router 关 中
audit（审计） 只读上下文成本审计 内置（context_audit 工具） 开 低
rebuild（重建） Agent Loop 切片重建 委托 dsh-slice-agent-loop 关 高

使用方法

纪律层（自动）：

  • 插件加载后自动注入六模式决策表到系统提示
  • 对 Agent 说"省 token"强化 ZeroToken 模式
  • 说"详细解释"退出省 token 模式

审计层：

# 调用 context_audit 工具审计上下文 token 成本
context_audit(cwd=".")

输出：AGENTS.md / CLAUDE.md / .agents/skills/*/SKILL.md 的 token 成本 + 重复检测。

收敛 / 路由 / 重建层： 安装上游插件后在配置中开启：

dsh plugin add github:labmimors/dsh-mcp-lens          # 收敛层
dsh plugin add github:tianji-qingtian/dsh-model-router # 路由层
dsh plugin add github:TT-Wang/dsh-slice-agent-loop     # 重建层（高风险，单独验证）

完整文档见 packages/lean-context/README.md。

配置参考

两个插件的配置都在各自的 cordis.patch.yml 中。可在 profile 层覆盖：

# ~/.dsh/profiles/web/cordis.patch.yml
- insert:
    - id: graph-memory
      name: '@123caiji/dsh-graph-memory'
      config:
        recallMaxNodes: 10        # 召回最大节点数（默认 6）
        recallMaxDepth: 3         # 召回深度（默认 2）
        maintenanceInterval: 12   # 维护周期（小时，默认 6）

    - id: lean-context
      name: '@123caiji/dsh-lean-context'
      config:
        discipline:
          enabled: true
        audit:
          enabled: true
          cacheSeconds: 120
        convergence:
          enabled: true             # 需先安装 dsh-mcp-lens
        routing:
          enabled: false
        rebuild:
          enabled: false            # 高风险，默认关

开发指南

环境要求

  • Node.js >= 20（推荐 22.19+ 或 24+）
  • pnpm >= 9
  • DSH 源码仓库（用于本地集成测试）

本地开发

git clone https://github.com/123caiji/dsh-memory-toolkit.git
cd dsh-memory-toolkit
pnpm install

# 构建
pnpm run build

# 测试
pnpm run test

# 单个包
pnpm --filter @123caiji/dsh-graph-memory run build
pnpm --filter @123caiji/dsh-lean-context run test

目录结构

dsh-memory-toolkit/
├── package.json                 # workspace 根
├── pnpm-workspace.yaml
├── LICENSE                      # MIT
├── README.md                     # 本文件
├── .gitignore
└── packages/
    ├── graph-memory/             # 跨会话知识图谱记忆 (5,813 行 TS)
    │   ├── package.json
    │   ├── cordis.patch.yml      # DSH 插件注册
    │   ├── dsh.ts                # DSH 工具注册入口 (428 行)
    │   ├── index.ts              # 导出入口 (872 行)
    │   ├── src/
    │   │   ├── engine/           # LLM/Embedding 引擎
    │   │   ├── extractor/        # 节点提取器
    │   │   ├── format/           # 格式化与组装
    │   │   ├── graph/            # 图算法（PageRank/社区/去重/维护）
    │   │   ├── recaller/         # 召回逻辑
    │   │   ├── store/            # SQLite 存储层 (643+ 行)
    │   │   └── types.ts          # 类型定义
    │   ├── test/                 # Vitest 测试 (107 用例)
    │   ├── docs/                 # 文档与图片
    │   ├── README.md             # 英文文档
    │   ├── README_CN.md           # 中文文档
    │   └── LICENSE               # MIT（双版权：adoresever + 123caiji）
    └── lean-context/             # 省 Token 编排 (448 行 TS)
        ├── package.json
        ├── cordis.patch.yml
        ├── src/
        │   ├── index.ts          # 统一入口 (126 行)
        │   ├── discipline.ts      # 纪律层：六模式决策表 (65 行)
        │   └── audit.ts          # 审计层：context_audit 工具 (257 行)
        ├── README.md             # 完整文档
        └── LICENSE               # MIT

验证与排查

安装验证

dsh plugin list
# graph-memory    active
# lean-context    active

graph-memory 验证

# 在 DSH 会话中调用
gm_status()
# 期望输出：dbPath, nodeCount, relationCount, vectorEnabled

lean-context 验证

# 纪律层：新会话的系统提示应包含 "Lean Context — Six-Mode Discipline"
# 审计层：context_audit 工具应可用
context_audit(cwd=".")

常见问题

问题 原因 解决
Cannot find module '@photostructure/sqlite' native binding 未编译 pnpm install 时确认 allowBuilds 包含该包
gm_status 返回 vectorEnabled: false 未配置 embedding 环境变量 设置 GRAPH_MEMORY_EMBEDDING_* 后重启 DSH
纪律层未生效 systemPrompt section 未注入 检查 cordis.patch.yml 的 discipline.enabled: true
委托层报 not wired yet 上游插件未安装 按上文安装 dsh-mcp-lens / dsh-model-router / dsh-slice-agent-loop

排查命令

dsh doctor                # 诊断插件加载错误
dsh plugin list           # 列出全部插件
dsh plugin reload         # 重载插件
dsh plugin remove <name>  # 卸载

许可证与致谢

许可证

MIT。详见 LICENSE。

致谢

  • graph-memory 衍生自 adoresever/graph-memory（MIT），感谢原作者的知识图谱记忆设计
  • lean-context 的纪律层参考了 phoenixlucky/zerotoken-skill 的 ZeroToken 六模式决策表
  • 感谢 DeepSeek 团队的 DeepSeek Harness 提供的插件化 Agent 框架

上游插件（可选依赖）

插件 用途 仓库
dsh-mcp-lens MCP 工具 schema 收敛 labmimors/dsh-mcp-lens
dsh-model-router 模型路由 tianji-qingtian/dsh-model-router
dsh-slice-agent-loop Agent Loop 切片重建 TT-Wang/dsh-slice-agent-loop

贡献

欢迎提交 Issue 和 PR：

  • Issue：https://github.com/123caiji/dsh-memory-toolkit/issues
  • PR：https://github.com/123caiji/dsh-memory-toolkit/pulls

提交前请确保 pnpm run build 和 pnpm run test 通过。

—/ 5

No ratings yet

Manifest verification required

Commit cb99d5053555

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout