DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

Psychic-Z /

Psychic-Z/dsh-memory-assistant

Verified

记忆助理:长期记忆使用助理。解决记忆越多调用就越费TOKEN的问题,改善AI处理任务时因为上下文压缩造成的记忆缺失。附加好处:节省TOKEN用量

★ 0 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHubProject homepage
READMESource: main@e1ba268a

记忆助理 · dsh-memory-assistant

给 AI 一份不会随对话变长的长期记忆:把对话压成卡片,检索时只读几张,定位不到就追问。

三个特点

① 超长期 卡片是索引,原文留在会话文件里。库可以一直长,每轮占用的上下文不变重。

② 检索开销与记忆库大小无关 检索本身 0 token(本地算分),每次只读 3 张卡 + 一段原文,约 150 token/次—— 库里是 100 张还是 10 万张,都是这个数。

对照:

  • 整库常驻上下文:约 40 token/张卡(1000 张 ≈ 4 万/轮,1 万张 ≈ 40 万/轮),随库线性涨
  • 让模型自己翻目录:实测 2.7 万 token/次

③ 找不到会问,不编 三态:精确命中 / 无精确但有相关 / 没有。判「精确」只看字面(标题/关键词/引用),不看分数。 没有就说没有;前两名并列、或者问得太笼统,就反问你一句——而不是硬给一个像的。

成本怎么算

索引是一次性 + 增量,检索是每次——这两笔账要分开看:

动作 什么时候花 量
建索引(全量,一次性) 第一次导入 约 40–50 次模型调用;以作者测试库(883 张卡)计,合计约 50 万 token(估算:输入≈40 万,输出≈12 万)。你的库多大,这笔就按比例是多少
增量索引 每来一段新对话 1–2 次调用,约 5–15k token
检索 每次对话 检索器 0 token;读 3 张卡 + 一段原文 ≈ 150 token

所以真正每天都发生的,是最后一行。而这一行与库的大小无关:

  • 整库常驻上下文:约 40 token/张卡,库越大越贵
  • 本插件检索:≈150 token/次,库从 0 涨到 10 万张都不变

代价是首次建索引那一笔(一次性)+ 每段新对话的一小笔(增量)。已经存在的记忆不会反复付费。


适合这些场合:用户说「当初」「上次」「之前那个」,要具体日期/数字/原话,或者要引用旧决定。


它怎么工作

写入端:对话 → 切成段 → 每段抽 1–3 张卡(标题 / 一句话 / 三行大纲 / 关键词 / 段号)
检索端:2–3 个关键词 → 卡片打分(关键词 + 全文 + 概念码)→ 「精确 / 相关 / 没有」三态
读出端:命中就回原文取那一段;没命中就说没找到,或追问

卡片本身不存日期,只存「哪一段」;要时间就按段号回原文取——一处真源,不会两处打架。

三态输出

状态 含义 助手怎么做
精确命中 问句里的名词都出现在同一张卡上 回原文,直接答,带出处
无精确命中 没有卡讲到同一件事,但有几张沾到一两个词 明说「没找到 X,但提到 Y 的有这几件」,再问一句
没有 这些词库里从没出现过 反问,不拿相近话题凑

判「精确」只看字面,不看分数——分数会被概念码抬高,这正是「自信地答错」的来源。

安装

在 DSH 的 设置 → 插件 里搜索 dsh-memory-assistant 安装,或:

dsh plugin --profile desktop add dsh-memory-assistant

装完重启 DSH,设置页会出现「记忆助理」一栏。

第一次用

  1. 打开 设置 → 记忆助理 → 只整理当前对话(先拿一小批验证)
  2. 确认能看到卡片数、关键词数
  3. 回到对话里问一件刚聊过的事,看它能不能定位

全部对话整理会按段调模型,按实际用量计费;每整理完一段就落盘,可以随时暂停、下次接着来。

隐私与存储

  • 只读 ~/.dsh/sessions 里的会话文件,不改动任何对话
  • 卡片、日志、概念表都存本地:~/.dsh-memory-assistant(可在设置里改目录)
  • 检索本身不调模型,0 token;只有整理新对话和建关键词表时才调
  • 附件只记「名字 + 大小」一行,内容不入库

成本

单张卡约 40 token。检索 0 token,花的是读片段 1–2k。 中等场景(300 条记忆 / 10 万字 / 每天 20 轮)一个月约 18 万 token,比常驻摘要省约 5 倍。

命令

mem recall "公告板 怎么丢的" --top 3      # 检索(三态 + 候选)
mem feedback --key w:0086 --verdict good  # 记一条满意度
mem stats                                 # 卡片数 / 查询数 / 需追问率 / 满意率
mem import status                         # 导入进度
mem concepts audit --tier B               # 关键词体检(只看不改)
mem concepts restore --v 12               # 回滚到某个历史版本

mem 不在 PATH 时,直接跑 node <插件目录>/bin/mem.js。

开发

node --check lib/*.js bin/*.js client.js
node bin/mem-probe.mjs        # 6 道探针回放,对比三种配置的命中率
  • 数据:~/.dsh-memory-assistant/{cards.jsonl, ask_log.jsonl, feedback.jsonl, concepts.json}
  • 卡片字段:key / title / one_line / outline[3] / keywords[3-6] / codes / entities / pointer{u,quote,project}
  • 修改概念表一律走 writeConcepts():先备份 concepts.bak-vN.json,版本 +1

测试环境(作者本机,2026-11-14)

下面是作者的测试库,用来说明效果的量级。你自己装完是 0 张卡,这些数字会随你的使用增长。

项 值
记忆卡片 883 张
关键词 / 别名 229 个 / 778 条(表版本 v16)
已挂关键词的卡 872 / 883(11 张按规则留空)
探针回放 6 道题,6/6(含一道「库里没有」的对照题)
实测检索开销 22 次查询共 3,491 token,均值 159/次
全量建索引 约 40–50 次模型调用,估算 50 万 token

许可

MIT

—/ 5

No ratings yet

Verified DSH bundle

Commit e1ba268a50fa

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