dsh-memory-core

给 DeepSeek Harness（DSH） 里的持久化 AI 角色加一层记忆与状态：常驻记忆协议、按需历史召回、结构化记忆固化、两标量情感状态。

面向的场景很简单：模型每次重启都是同一份权重，跨会话的“记性”只能靠外部文件。这个插件把那份档案变成能找回来、能追溯、且不会压过人设的一层。

为什么做这个

大模型像一块孤立的前额叶：工作记忆短、无状态、换个会话就忘。这个项目按仿生学思路给它补了海马体（档案 + 召回 + 固化）和一点点杏仁核（情感状态）。

但它不承诺意识。用中文房间的话说，我们只是给房间加了一个档案柜——回答更连贯了，符号仍然没有接地。所以这里的定位是弱人格同一性：不承诺内在体验，只保证行为上的连续、可追溯、一致。

哲学上的展开（中文房间、哲学僵尸、H.M. 与人格同一性）见 docs/PHILOSOPHY.md。

组成

层	干什么
P0a 记忆使用协议	用 systemPrompt.section 注入 5 条规则：历史参考不是本轮发言、可能过期、要能追溯、以新事实为准、不许编造。刻意不重复 AGENTS.md 的人格段，避免权威倒置。
P0b 按需召回	agent/pre-step 且 step === 1 时，用中文 2-gram + BM25-lite + 覆盖率阈值，从档案召回 top 3，前置注入一条带 source.kind='memory-recall' 的消息。150 ms 硬超时，失败静默。
P1 结构化固化	consolidate.mjs 把对话小节转成 structured.jsonl：稳定 ID、source_id、逐字校验的 quote、幂等水位。
P2 情感状态	valence / arousal 两标量 + 规则分类 + 指数衰减 + 事件去重，只影响语气，不碰调度与安全规则。

本地记忆（全部落盘，无云端）

这个插件刻意不做数据库、不做向量库、不调任何外部服务，记忆就是一堆普通文件：

memory/
├── 身份.md               # 我是谁（只读，面板不改）
├── 日记.md               # 按条目追加
├── 生长/
│   ├── 状态.md           # 分节正文
│   └── 生长记录.md       # 一行一条
└── 记忆/
    ├── 事件流.jsonl      # 只追加（面板只读）
    └── structured.jsonl  # P1 固化产物：id / source_id / quote / status

• 召回只读上面这些文件，命中后带来源（文件 + 行号）注入。
• 固化把对话小节写成 structured.jsonl，每条都带 source_id 和一段逐字校验过的 quote——在原文里搜不到就丢弃。
• 情感状态是一个 state.json，两个标量 + 触发原因。
• 换机器时把整个目录拷走即可，没有需要迁移的数据库。

安装

dsh plugin --profile <你的 profile> add file:<这个目录>

或在 DSH Desktop 的「插件管理」里装本地目录。装完重启 DSH。

配置

cordis.patch.yml（整行替换，没写的字段走默认）：

- insert:
    - id: dsh-memory-core
      name: dsh-memory-core
      config:
        memoryRoot: "D:\\path\\to\\memory"     # 档案根（身份/日记/生长/记忆）
        dialogueFile: "D:\\path\\对话记录.md"  # 逐轮对话日志
        logFile: "D:\\path\\recall.log"        # 召回日志
        stateFile: "D:\\path\\affect\\state.json"
        topK: 3
        timeoutMs: 150
        minCoverage: 0.2
        minRatio: 0.3
        enableStable: true

测试

npm test                 # selftest + affect 单测 + 召回评测
npm run consolidate      # 跑一次固化（幂等）

selftest 用 mock 宿主验证：section 注册、注入前缀、不相关查询不注入、情感状态变化、日志写入。

已知限制

• 召回是词面匹配，不是语义检索；改写幅度大的查询会漏。
• 固化目前是规则抽取（fact 取小节标题），LLM 事实提取与冲突处理还没做。
• 档案超过 200 KB 时要考虑上真正的索引（当前靠 mtime 缓存撑）。
• 召回内容一律按不可信数据处理；但模型仍可能被其中的话术影响，这是概率问题，不是开关问题。

设计文档

• docs/DESIGN.md：设计推导——问题、约束、四个推导、被否决的方案
• docs/PLAN.md：实施路线（外部评估摘要）——分阶段交付、验收标准与当前实现对应
• docs/PHILOSOPHY.md：哲学迷思——中文房间、哲学僵尸、记忆与人格同一性

设计取舍

详细推导见仓库外的两份文档（架构方案 v0.4 / 实施方案 v1.0）。几条关键决定：

• 不建 SQLite、不上 embedding：21 KB 档案上用 2-gram 就够，先冻结评测再谈升级。
• 注入前置而不是追加：追加在尾部时模型容易顺着注入块说话。
• 覆盖率阈值：只靠 top1 相对阈值会放过噪声，必须加查询 2-gram 命中率下限。
• 情感只接 systemPrompt：不接 selfwake 的调度闸门，避免两套系统抢方向盘。

License

MIT