dsh-rag-memory

给 QQ 机器人用的本地 RAG 长期记忆插件：把群聊/私聊消息、事实、摘要存进 SQLite，检索时用「中文分词 BM25 + Embedding 向量召回」混合排序，再可选 Rerank 精排，最后通过 HTTP 提供给机器人调用。

English: Local RAG long-term memory for DeepSeek Harness (DSH) QQ bots. Stores chat messages, facts and notes in SQLite, retrieves with Chinese-friendly BM25 plus optional embedding vectors and rerank, and serves everything over a local HTTP API. No native build step; works on desktop and Android.

• 数据全在本地，不上传聊天内容
• 电脑 / 手机（Android + Node）通用：只用 Node 内置 node:sqlite，无原生编译依赖
• 没配 Embedding / Rerank 时自动降级为纯 BM25，插件仍然可用

安装

从 npm（发布后）：

dsh plugin --profile web add dsh-rag-memory

本地目录：

dsh plugin --profile web add ./dsh-rag-memory

装完接口在 http://127.0.0.1:39001/rag-memory（独立端口，不经过 DSH Web 的登录认证）。装上即生效，不用重启引擎。

配置

在 cordis.patch.yml 的 config 里写：

config:
  dbPath: ''            # 空 = $DSH_HOME/dsh-rag-memory/memory.db
  token: ''             # 非空时，请求需带 x-memory-token 头
  defaultK: 8
  embedding:
    enabled: true
    baseURL: 'https://api.siliconflow.cn/v1'
    apiKey: 'sk-...'
    model: 'BAAI/bge-m3'
  rerank:
    enabled: true
    baseURL: 'https://api.siliconflow.cn/v1'
    apiKey: 'sk-...'
    model: 'BAAI/bge-reranker-v2-m3'

embedding / rerank 都兼容 OpenAI 风格的 /v1/embeddings 与 /v1/rerank（硅基流动、Jina、Cohere 等）。

API Key 会明文存在配置文件里，请勿把配置提交到公开仓库。

HTTP 接口

前缀：/rag-memory，插件自起独立 HTTP 服务（默认 http://127.0.0.1:39001，端口被占会自动 +1 到 39020）。

方法	路径	作用
GET	/health	健康检查与能力状态
GET	/stats	各 scope 条数、向量条数
POST	/ingest	批量写入消息
POST	/search	混合检索
POST	/context	检索并拼好可注入的文本块
POST	/save	直接存一条事实/画像/笔记
GET	/profile?scope=	列出事实类记忆
POST	/delete	按 id 删除
POST	/clear	按 scope 清空（需 confirm: true）

写入

POST /ingest
{
  "scope": "group:123456",
  "items": [
    { "text": "小明说他下周三去杭州出差", "speaker": "小明", "ts": 1700000000000 },
    { "text": "群里在讨论周末去爬山", "kind": "message" }
  ]
}

scope 必填，建议用 group:<群号> / private:<QQ号>；kind 可为 message（默认）、fact、profile、note、event。

检索

POST /search
{ "scope": "group:123456", "query": "小明什么时候去杭州", "k": 8 }

返回按相关度排序的条目，sources 标明命中的通道（bm25 / vector / rerank），degraded 列出降级原因。

直接拿注入文本

POST /context
{ "scope": "group:123456", "query": "小明出差", "k": 6, "maxChars": 2000 }

返回的 context 形如：

【相关记忆 · 共 3 条】
1. 2024-01-02 10:30 小明：下周三去杭州出差
2. ...

直接拼进机器人这轮的 system prompt 即可。

机器人接入示例（Node）

const MEMORY = 'http://127.0.0.1:39001/rag-memory'
const scope = `group:${groupId}`

// 收到消息：先入库（不阻塞回复）
fetch(`${MEMORY}/ingest`, {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({ scope, items: [{ text, speaker: nickname, ts: Date.now() }] }),
}).catch(() => {})

// 调模型前：取相关记忆
const res = await fetch(`${MEMORY}/context`, {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({ scope, query: userText, k: 8 }),
})
const { context } = await res.json()
const system = context ? `${basePrompt}\n\n${context}` : basePrompt

不配 token 时直接调用即可；配了就在请求头加 x-memory-token。

发布到插件市场

DSH 的「插件 → 发现」是索引源机制，上架实质是「发布 npm 包 + 提交到市场索引」。

1. 发布 npm（先确认 package.json 的 author / repository 换成你的）：

   npm pack --dry-run   # 检查包内容
   npm publish
   

2. 建 GitHub 仓库，推源码（README、LICENSE 已就绪）

3. 到 dsh.so 提交插件 填 npm 包名或仓库地址，自动校验 + 安全扫描后生成市场条目

4. 用户侧：DSH →「插件」→「发现」→「添加索引源」→ 填对应市场地址（如 https://cdn.dsh.so/market/index.json）

其他可选市场：AAAMECHANIC/dsh-plugin-market、DeepSeekBox。

数据与备份

• 默认数据库：$DSH_HOME/dsh-rag-memory/memory.db（WAL 模式）
• 备份：直接复制整个目录，或 sqlite3 memory.db "VACUUM INTO 'backup.db'"
• 删除 scope 前建议先 GET /stats 确认条数