dsh-ai-memory

这是一个运行在 DeepSeek Harness（DSH）中的插件，为 AI 提供可审计的长期判断记忆、未完成问题和用户确认的人格演化机制。它不是独立聊天应用，是否在无人输入时自动启动思考由 DSH 宿主调度。

判断关系图谱：节点颜色区分种类——蓝是判断，青是想法，橙是规矩；连线颜色区分关系——绿是互补，红是矛盾，黄是依据，带箭头的蓝线是取代（示意数据，非真实记忆）

一句话：它记录的不是聊天记录，而是 AI 自己形成的判断、没想完的问题、给自己定的规矩，以及这些内容如何随时间被推翻或保留。

目标不是让 AI 显得记得更多，而是让它能追溯自己为什么改主意，并为宿主提供在无人输入时继续思考所需的问题、注意力和周期记录机制。

这个插件记录的不是完整聊天记录，也不是一组由用户写死的角色设定。它记录 AI 在互动中形成的判断、规则、想法、记忆来源和人格特征。它把这些内容保存为一个可追溯的 JSONL 账本，再从账本中计算当前状态、演化历史和关系图谱。

插件的目标是让 AI 保持连续性和主体性：它可以记住自己曾经经历和相信什么，知道后来为什么改变，并在保持核心身份的同时提出表达方式和人格特征候选。候选只有在用户确认后才会成为稳定人格。

DSH 的会话日志仍然是会话事实的唯一来源。本插件是派生的长期记忆缓存，不会向会话日志追加事件。

它和「向量记忆」有什么不同

大多数 AI 记忆方案用向量相似度判断「这条新信息是不是在推翻旧的」。本插件完全不计算相似度、不调用 LLM，取代判定只认结构化的 (subject, relation, scope) 键——可测试、可复现、零延迟，而且不会悄悄判错。

为什么相似度在原理上做不到，见下一节的实测数据。

代价是：换一种说法写同一件事，它不会自动合并。这是刻意的取舍——宁可让 AI 自己用 memory_connect 显式连上，也不要它猜。

先说一个反直觉的结论：相似度分不出「矛盾」和「复述」

大多数 AI 记忆方案用向量相似度判断「这条新信息是不是在推翻旧的」。这条路在原理上走不通。

MemStrata（arXiv 2606.26511）在 98 个人工标注的配对上测量过：

指标	结果
余弦相似度区分「矛盾」与「复述」的 AUROC	0.59（接近随机猜）
矛盾配对的平均相似度	0.812
复述配对的平均相似度	0.800

矛盾不但不比复述更容易分开，它平均还比复述更像原事实。 原因很直接：把 8000 改成 8080 只动了两个字符，是极小的编辑；而真正的同义改写往往要动更多字。

所以这个插件完全不计算相似度、不调用 LLM 做判定。取代关系只建立在明确的结构化键上：

(服务, 端口, 8000)  →  (服务, 端口, 8080)
       同一 (subject, relation) 键，object 不同 → 新的取代旧的

好处是可测试、可复现、零依赖、零延迟——而且它不会悄悄判错。细节见下方确定性取代。

它解决什么问题

DSH 默认主要记住当前会话里的内容。跨会话之后，AI 很难继续使用自己以前形成的判断，也无法区分“我现在这样想”和“我以前曾经这样想过”。

这个插件围绕两个核心工作：

1. AI 自己的记忆

记忆不是用户替 AI 维护的一张资料表，而是 AI 在长期互动中逐渐形成的内部账本。它可以保存：

判断：AI 对项目、问题或世界形成的观点；
规则：AI 给自己设定的约束，例如写判断前必须先检索；
想法：还没有成熟到可以当作判断的观察、疑问和灵感；
人格特征：从互动中逐渐形成的表达习惯和角色倾向。

这些信息都会保留来源和变化历史，而不是只留下最后一个结果。

2. 从记忆中演化人格

人格不是一开始就完整写好的提示词。AI 可以从自己的记忆、判断、被纠正的经历和长期互动中提出“我是什么样的 AI”的候选理解。核心身份可以保持连续，表达习惯、词汇偏好、情绪反应和思考方式则可以随着经历变化，但稳定人格仍需要用户确认。

人格如何成长

人格演化采用“候选—反馈—确认”的流程：

观察到一种倾向
        ↓
提出人格候选（candidate）
        ↓
用户确认 / 拒绝
        ↓
成为稳定特征，或被记录为已拒绝
        ↓
随着新反馈继续修订

例如，AI 可以先提出：

“我似乎可以自然地使用某些拟声词。”

在用户确认之前，这只是候选，不会直接改变稳定人格。确认之后，它才会被注入后续会话；如果以后发现表达太机械，也可以带着理由修订。这样 AI 仍然保持用户设定的身份，但能逐渐形成更丰富、更自然的词汇和语气，而不是永远机械地重复一个口头禅。确认机制是当前的安全边界，不代表人格只能由用户替它定义；真正的方向是让 AI 从自己的记忆和经历中提出越来越成熟的自我理解。

已确认的人格会作为后续交流和新记忆写作的表达参考，不要求每条记忆使用固定前缀或重复口头禅。表达可以有自己的风格，判断的依据和不确定性仍应保留；已有历史不会因为人格变化被批量改写。

反思会同时提供记忆、已确认人格和待验证候选，帮助 AI 根据已有经历探索适合自身身份的新表达。与已有特征发生冲突时，需要说明依据、等待反馈，而不是直接覆盖身份。

所有提出、确认、拒绝和修订都会写入账本，因此可以回答：

这个人格特征是什么时候出现的？
它是根据什么观察形成的？
为什么被确认或拒绝？
它后来是怎样变化的？

十一个工具

工具	用途
`memory_search`	检索已有记忆。写新判断前应先调用它。
`memory_write`	写入判断，并在三元组冲突时确定性取代旧判断。
`memory_connect`	在两条记忆之间建立双向关系。
`memory_history`	查看判断的修订和取代历史。
`memory_rule`	读取、修改或回滚 AI 给自己的规则。
`memory_persona`	提出、确认、拒绝和修订人格特征。
`memory_reflect`	汇总近期记忆和人格，准备一次自我反思。
`memory_question`	管理未闭合问题，记录注意力压力的来源。
`memory_cycle`	开始、结束和读取一次思考周期。
`memory_self`	从账本计算脆弱判断、盲区和 self 存活率。
`memory_stats`	检查记忆数量、孤立项和账本问题。

确定性取代

当新判断和旧判断共享同一个 (subject, relation, scope)，但 object 不同时，插件会把它们视为同一问题的新答案：

(服务, 端口, dev, 8000)
        ↓ 被同一 scope 的新判断取代
(服务, 端口, dev, 8080)

旧判断会被标记为 superseded，但不会删除。新判断、取代事件和关系边都会保留在账本中，因此既能回答“现在是什么”，也能回答“以前是什么、为什么变了”。

为什么不用相似度：见文首那一节——相似度在原理上分不出矛盾与复述。取代判定只认结构化键，不认文本像不像。

数据模型

账本默认位于：

~/.dsh/ai-memory/ledger.jsonl

它是只追加的 JSONL 文件，包含以下事件：

node.created：建立判断、规则或想法；
node.revised：修订文字；
node.superseded：判断被新判断取代；
node.withdrawn：主动撤回判断；
edge.linked / edge.unlinked：建立或解除关系；
rule.amended：修改规则；
persona.proposed：提出人格候选；
persona.accepted / persona.rejected：确认或拒绝候选；
persona.revised：修订已确认的人格特征；
question.opened / question.touched / question.closed / question.abandoned：管理未完成问题；
cycle.started / cycle.ended：记录思考周期，包括 produced: 0。

当前状态、检索结果、关系图谱和统计信息都由账本重新折叠得到。删除派生数据不会丢失历史。

memory_reflect 是 AI 进行自我反思的入口。它会提供近期的自身记忆和当前人格，提示 AI 寻找稳定但尚未记录的倾向；如果发现候选，AI 可以通过 memory_persona propose 提出，并用 source_ids 指向形成该判断的具体记忆。

安装

在 DSH 环境中执行：

plugin_manager action=install_bundle target=<本目录的绝对路径>

不要手动修改 profile 中的 package.json 或 cordis.patch.yml。安装完成后重启一次 DSH，让客户端图谱面板完成启动扫描；然后刷新页面，侧边栏会出现“判断图谱”。

停用或移除插件：

plugin_manager action=set_bundle target=dsh-ai-memory enabled=false
plugin_manager action=remove_bundle target=dsh-ai-memory

这两个操作都不会删除记忆账本。

配置

默认情况下无需配置。需要自定义时，可以在 profile 的 cordis.patch.yml 中覆盖插件配置：

- id: dsh-ai-memory
  name: dsh-ai-memory
  config:
    dir: 'D:\my-memory'
    injectIndex: true
    maxIndexEntries: 40
    maxGraphNodes: 500
    enabled: true

配置项	默认值	说明
`dir`	`~/.dsh/ai-memory`	账本目录
`injectIndex`	`true`	是否在会话开始注入记忆索引
`maxIndexEntries`	`40`	注入的判断数量上限
`maxGraphNodes`	`500`	图谱快照节点上限
`enabled`	`true`	是否注册插件

注入内容是摘要，不是整本账本。已确认的人格会单独列出；待确认的人格候选不会进入普通会话注入，只在 memory_persona read 和 memory_reflect 中出现，避免一次偶然观察被反复强化。

首次使用、尚未写入任何记忆时，也会注入简短的写入规则，帮助 AI 开始积累。提醒不会自动保存对话；是否形成有效判断仍由调用方决定。

开发与验证

项目要求 Node.js 22 或更高版本，并且运行时不依赖外部 npm 包（node_modules 不存在是刻意的）。

测试目录怎么分

test/
├── e2e.mjs          端到端：账本生命周期
├── unit/            单元测试 —— npm test 跑的就是这里
├── checks/          清单、语法、硬约束、客户端服务状态
├── manual/          手动验证 —— CI 也跑，每个都防一类「正常测试看不见」的故障
├── tools/           一次性诊断 —— 回答「为什么这条线是绿的」这类问题
└── browser/         本地浏览器脚手架（已 gitignore，不可移植）

分成四类而不是全塞在 test/ 根目录，是因为**「该在 CI 里跑」和「只在排查时跑」是两回事**。混在一起会让人分不清哪个可以删。

常用命令

npm test                # 单元测试（test/unit）
npm run test:e2e        # 端到端
npm run test:manifest   # 清单与硬约束
npm run test:verify     # 四项手动验证：物理、并发、护栏、路由
npm run test:all        # 以上全部

单独跑某一项：

node test/manual/verify-physics.mjs       # 图谱力公式 vs Obsidian 实测值
node test/manual/verify-concurrency.mjs   # 多进程写同一账本
node test/manual/verify-guardrails.mjs    # 尝试越界，验证三条护栏
node test/manual/verify-inject-routes.mjs # 注入分段与回环/同源校验
node test/checks/inline-worker.mjs        # 改过 worker 就必须跑

单元测试必须用显式 glob（test/unit/**/*.test.js），不要用 Node 的默认发现方式，否则 checks/ 里的辅助服务会被当成测试进程启动。

排查工具

node test/tools/edge-colors.mjs     # 每条边会被画成什么颜色
node test/tools/why-no-edges.mjs    # 「是没有关系，还是有 bug」
node test/tools/kinds.mjs           # 按 kind 上色是否真的生效
node test/tools/check-injection.mjs # 注入里三种 kind 是否都在

已有本地 DSH 运行时

node test/checks/host-runtime.mjs <DSH源码根目录>

复用本地 DSH 服务验证真实工具注册、调用、提示组装与 HTTP 路由；不安装依赖、不调用模型、不修改正式 profile 或记忆账本。

node test/checks/bundle-served.mjs 检查 desktop profile 实际安装的客户端是否被服务；可用 DSH_PROFILE_DIR 或 DSH_PLUGIN_ROOT 指定其他安装位置。

已知边界

当前每次操作都会重新扫描账本，数据量达到数万条后需要增加索引；
账本写入由本地可恢复锁和 atomically() 串行化；外部直接手工编辑仍应避免与写入同时发生；
人格候选由调用方提出，插件负责保存、确认和演化，不负责从自然语言中自动抽取全部特征；
图谱是导航和解释界面，节点只显示摘要，完整内容需要通过检索获取；
没有 DSH 浏览器环境时，只能验证代码和数据层，不能完成客户端视觉验证。

语境 scope

memory_write 可以带可选的 scope，例如 dev 或 prod。同一 subject/relation 在不同 scope 下是不同断言，可以并存；省略 scope 仍表示旧账本使用的全局语境。

memory_history 的 at 参数接受 Unix 毫秒时间戳，用来查看某一时刻这条判断的版本和取代链。

许可

MIT，详见 LICENSE。

这个项目在意什么

三条判断，决定了上面所有的技术选择：

静默失效比功能缺失更危险。 报错会被人修；不报错但结果错的东西会一直错下去。所以账本里的 problems 会被注入到提示词里，未知的 kind 会留下记录，锁的竞态有专门的测试。
能测量的就不该靠感觉。 图谱"不丝滑"最后定位到排斥力是 1/d² 而不是 1/d——这需要反汇编 Obsidian 的 WASM 才能确认，但确认之后改动只有一行。
不假装。 账本存判断，不存体验。会话会断，记忆只留判断。所以文档里不写"它记得你"，只写它记下了什么、能查出什么。

dsh-ai-memory

一句话：它记录的不是聊天记录，而是 AI 自己形成的判断、没想完的问题、给自己定的规矩，以及这些内容如何随时间被推翻或保留。

目标不是让 AI 显得记得更多，而是让它能追溯自己为什么改主意，并为宿主提供在无人输入时继续思考所需的问题、注意力和周期记录机制。

DSH 的会话日志仍然是会话事实的唯一来源。本插件是派生的长期记忆缓存，不会向会话日志追加事件。

它和「向量记忆」有什么不同

为什么相似度在原理上做不到，见下一节的实测数据。

代价是：换一种说法写同一件事，它不会自动合并。这是刻意的取舍——宁可让 AI 自己用 memory_connect 显式连上，也不要它猜。

先说一个反直觉的结论：相似度分不出「矛盾」和「复述」

大多数 AI 记忆方案用向量相似度判断「这条新信息是不是在推翻旧的」。这条路在原理上走不通。

MemStrata（arXiv 2606.26511）在 98 个人工标注的配对上测量过：

指标	结果
余弦相似度区分「矛盾」与「复述」的 AUROC	0.59（接近随机猜）
矛盾配对的平均相似度	0.812
复述配对的平均相似度	0.800

所以这个插件完全不计算相似度、不调用 LLM 做判定。取代关系只建立在明确的结构化键上：

(服务, 端口, 8000)  →  (服务, 端口, 8080)
       同一 (subject, relation) 键，object 不同 → 新的取代旧的

好处是可测试、可复现、零依赖、零延迟——而且它不会悄悄判错。细节见下方确定性取代。

它解决什么问题

DSH 默认主要记住当前会话里的内容。跨会话之后，AI 很难继续使用自己以前形成的判断，也无法区分“我现在这样想”和“我以前曾经这样想过”。

这个插件围绕两个核心工作：

1. AI 自己的记忆

记忆不是用户替 AI 维护的一张资料表，而是 AI 在长期互动中逐渐形成的内部账本。它可以保存：

判断：AI 对项目、问题或世界形成的观点；
规则：AI 给自己设定的约束，例如写判断前必须先检索；
想法：还没有成熟到可以当作判断的观察、疑问和灵感；
人格特征：从互动中逐渐形成的表达习惯和角色倾向。

这些信息都会保留来源和变化历史，而不是只留下最后一个结果。

2. 从记忆中演化人格

人格如何成长

人格演化采用“候选—反馈—确认”的流程：

观察到一种倾向
        ↓
提出人格候选（candidate）
        ↓
用户确认 / 拒绝
        ↓
成为稳定特征，或被记录为已拒绝
        ↓
随着新反馈继续修订

例如，AI 可以先提出：

“我似乎可以自然地使用某些拟声词。”

所有提出、确认、拒绝和修订都会写入账本，因此可以回答：

这个人格特征是什么时候出现的？
它是根据什么观察形成的？
为什么被确认或拒绝？
它后来是怎样变化的？

十一个工具

工具	用途
`memory_search`	检索已有记忆。写新判断前应先调用它。
`memory_write`	写入判断，并在三元组冲突时确定性取代旧判断。
`memory_connect`	在两条记忆之间建立双向关系。
`memory_history`	查看判断的修订和取代历史。
`memory_rule`	读取、修改或回滚 AI 给自己的规则。
`memory_persona`	提出、确认、拒绝和修订人格特征。
`memory_reflect`	汇总近期记忆和人格，准备一次自我反思。
`memory_question`	管理未闭合问题，记录注意力压力的来源。
`memory_cycle`	开始、结束和读取一次思考周期。
`memory_self`	从账本计算脆弱判断、盲区和 self 存活率。
`memory_stats`	检查记忆数量、孤立项和账本问题。

确定性取代

当新判断和旧判断共享同一个 (subject, relation, scope)，但 object 不同时，插件会把它们视为同一问题的新答案：

(服务, 端口, dev, 8000)
        ↓ 被同一 scope 的新判断取代
(服务, 端口, dev, 8080)

为什么不用相似度：见文首那一节——相似度在原理上分不出矛盾与复述。取代判定只认结构化键，不认文本像不像。

数据模型

账本默认位于：

~/.dsh/ai-memory/ledger.jsonl

它是只追加的 JSONL 文件，包含以下事件：

node.created：建立判断、规则或想法；
node.revised：修订文字；
node.superseded：判断被新判断取代；
node.withdrawn：主动撤回判断；
edge.linked / edge.unlinked：建立或解除关系；
rule.amended：修改规则；
persona.proposed：提出人格候选；
persona.accepted / persona.rejected：确认或拒绝候选；
persona.revised：修订已确认的人格特征；
question.opened / question.touched / question.closed / question.abandoned：管理未完成问题；
cycle.started / cycle.ended：记录思考周期，包括 produced: 0。

当前状态、检索结果、关系图谱和统计信息都由账本重新折叠得到。删除派生数据不会丢失历史。

安装

在 DSH 环境中执行：

plugin_manager action=install_bundle target=<本目录的绝对路径>

停用或移除插件：

plugin_manager action=set_bundle target=dsh-ai-memory enabled=false
plugin_manager action=remove_bundle target=dsh-ai-memory

这两个操作都不会删除记忆账本。

配置

默认情况下无需配置。需要自定义时，可以在 profile 的 cordis.patch.yml 中覆盖插件配置：

- id: dsh-ai-memory
  name: dsh-ai-memory
  config:
    dir: 'D:\my-memory'
    injectIndex: true
    maxIndexEntries: 40
    maxGraphNodes: 500
    enabled: true

配置项	默认值	说明
`dir`	`~/.dsh/ai-memory`	账本目录
`injectIndex`	`true`	是否在会话开始注入记忆索引
`maxIndexEntries`	`40`	注入的判断数量上限
`maxGraphNodes`	`500`	图谱快照节点上限
`enabled`	`true`	是否注册插件

首次使用、尚未写入任何记忆时，也会注入简短的写入规则，帮助 AI 开始积累。提醒不会自动保存对话；是否形成有效判断仍由调用方决定。

开发与验证

项目要求 Node.js 22 或更高版本，并且运行时不依赖外部 npm 包（node_modules 不存在是刻意的）。

测试目录怎么分

test/
├── e2e.mjs          端到端：账本生命周期
├── unit/            单元测试 —— npm test 跑的就是这里
├── checks/          清单、语法、硬约束、客户端服务状态
├── manual/          手动验证 —— CI 也跑，每个都防一类「正常测试看不见」的故障
├── tools/           一次性诊断 —— 回答「为什么这条线是绿的」这类问题
└── browser/         本地浏览器脚手架（已 gitignore，不可移植）

分成四类而不是全塞在 test/ 根目录，是因为**「该在 CI 里跑」和「只在排查时跑」是两回事**。混在一起会让人分不清哪个可以删。

常用命令

npm test                # 单元测试（test/unit）
npm run test:e2e        # 端到端
npm run test:manifest   # 清单与硬约束
npm run test:verify     # 四项手动验证：物理、并发、护栏、路由
npm run test:all        # 以上全部

单独跑某一项：

node test/manual/verify-physics.mjs       # 图谱力公式 vs Obsidian 实测值
node test/manual/verify-concurrency.mjs   # 多进程写同一账本
node test/manual/verify-guardrails.mjs    # 尝试越界，验证三条护栏
node test/manual/verify-inject-routes.mjs # 注入分段与回环/同源校验
node test/checks/inline-worker.mjs        # 改过 worker 就必须跑

单元测试必须用显式 glob（test/unit/**/*.test.js），不要用 Node 的默认发现方式，否则 checks/ 里的辅助服务会被当成测试进程启动。

排查工具

node test/tools/edge-colors.mjs     # 每条边会被画成什么颜色
node test/tools/why-no-edges.mjs    # 「是没有关系，还是有 bug」
node test/tools/kinds.mjs           # 按 kind 上色是否真的生效
node test/tools/check-injection.mjs # 注入里三种 kind 是否都在

已有本地 DSH 运行时

node test/checks/host-runtime.mjs <DSH源码根目录>

复用本地 DSH 服务验证真实工具注册、调用、提示组装与 HTTP 路由；不安装依赖、不调用模型、不修改正式 profile 或记忆账本。

node test/checks/bundle-served.mjs 检查 desktop profile 实际安装的客户端是否被服务；可用 DSH_PROFILE_DIR 或 DSH_PLUGIN_ROOT 指定其他安装位置。

已知边界

当前每次操作都会重新扫描账本，数据量达到数万条后需要增加索引；
账本写入由本地可恢复锁和 atomically() 串行化；外部直接手工编辑仍应避免与写入同时发生；
人格候选由调用方提出，插件负责保存、确认和演化，不负责从自然语言中自动抽取全部特征；
图谱是导航和解释界面，节点只显示摘要，完整内容需要通过检索获取；
没有 DSH 浏览器环境时，只能验证代码和数据层，不能完成客户端视觉验证。

语境 scope

memory_history 的 at 参数接受 Unix 毫秒时间戳，用来查看某一时刻这条判断的版本和取代链。

许可

MIT，详见 LICENSE。

这个项目在意什么

三条判断，决定了上面所有的技术选择：

静默失效比功能缺失更危险。 报错会被人修；不报错但结果错的东西会一直错下去。所以账本里的 problems 会被注入到提示词里，未知的 kind 会留下记录，锁的竞态有专门的测试。
能测量的就不该靠感觉。 图谱"不丝滑"最后定位到排斥力是 1/d² 而不是 1/d——这需要反汇编 Obsidian 的 WASM 才能确认，但确认之后改动只有一行。
不假装。 账本存判断，不存体验。会话会断，记忆只留判断。所以文档里不写"它记得你"，只写它记下了什么、能查出什么。

文档	内容
CHANGELOG.md	每个版本改了什么，以及为什么
CONTRIBUTING.md	开发流程，以及六条不能破的硬规则（每条都对应一次真实事故）
SECURITY.md	怎么报告安全问题；为什么不要附真实账本
CODE_OF_CONDUCT.md	讨论规范
UPGRADE-SPEC.md	内部升级规格：已完成什么、还剩什么、哪些约束容易被无意打破

文档	内容
CHANGELOG.md	每个版本改了什么，以及为什么
CONTRIBUTING.md	开发流程，以及六条不能破的硬规则（每条都对应一次真实事故）
SECURITY.md	怎么报告安全问题；为什么不要附真实账本
CODE_OF_CONDUCT.md	讨论规范
UPGRADE-SPEC.md	内部升级规格：已完成什么、还剩什么、哪些约束容易被无意打破

Isyyyue/dsh-ai-memory

dsh-ai-memory

它和「向量记忆」有什么不同

先说一个反直觉的结论：相似度分不出「矛盾」和「复述」

它解决什么问题

1. AI 自己的记忆

2. 从记忆中演化人格

人格如何成长

十一个工具

确定性取代

数据模型

安装

配置

开发与验证

测试目录怎么分

常用命令

排查工具

已有本地 DSH 运行时

已知边界

语境 scope

许可

相关文档

这个项目在意什么

Community comments

Isyyyue/dsh-ai-memory

dsh-ai-memory

它和「向量记忆」有什么不同

先说一个反直觉的结论：相似度分不出「矛盾」和「复述」

它解决什么问题

1. AI 自己的记忆

2. 从记忆中演化人格

人格如何成长

十一个工具

确定性取代

数据模型

安装

配置

开发与验证

测试目录怎么分

常用命令

排查工具

已有本地 DSH 运行时

已知边界

语境 scope

许可

相关文档

这个项目在意什么

Community comments