READMESource: main@9b4a895a
dsh-remembers
她记得。想不起的时候，她会说想不起。
给 DeepSeek Harness 做的记忆插件，为情感陪伴场景设计——不是给代码助手用的。
用户：嗯
她：[想起 3 个月前那通凌晨两点的电话] ……还在想那天的事？
不是"检索到相关文档"，是"她记得你说过什么"。
快速开始（中文）
三步。跑完就能用。
前置条件
| 项 | 要求 | 怎么查 |
|---|---|---|
| Docker | ≥ 20.10 + compose v2 | docker compose version |
| Node.js | ≥ 22.19 | node -v |
| DSH | 0.1.x / 0.2.x 都行 | dsh --version |
| 内存 | ≥ 512 MB | free -m |
三步装完
# 1. 拿代码
git clone https://github.com/derkinL/dsh-remembers
cd dsh-remembers
# 2. 起记忆服务（Docker，首次构建约 1-3 分钟）
cd service
cp .env.example .env
# 编辑 .env 填三行：CMEM_EMBED_BASE / CMEM_EMBED_KEY / CMEM_EMBED_MODEL
# 不填也能跑，但只剩关键词检索，换个说法就召回不到
./deploy.sh
# 3. 装插件
cd ..
./install.sh # 装 desktop profile：DSH_PROFILE=desktop ./install.sh
然后重启 DSH：
dsh --profile web
看到这行就算成功：
[dsh-remembers] loaded {"version":"1.0.0","endpoint":"http://127.0.0.1:8080","captureRaw":true}
装完先验三件事
# ① 服务活着（embedding.enabled 要是 true）
curl -s localhost:8080/health | python3 -m json.tool
# ② 插件真的在送消息（先跟她说一句话，再看）
curl -s "localhost:8080/log?limit=5"
# 期望 outcome 是 ok 或 no_match；全空 = 插件没把消息送上去
# ③ 诚实出口还在（应该返回空数组）
curl -s localhost:8080/search -H 'Content-Type: application/json' \
-d '{"query":"量子纠缠退相干","top_k":3}'
第 ③ 条如果返回了东西，停下。 那说明她会开始编事给你听，这比失忆严重。
灌数据的顺序
| 顺序 | tier | 灌什么 |
|---|---|---|
| 1 | L4 | 你是谁、她叫什么、你们之间的称呼和约定 |
| 2 | L2 | 她的稳定偏好、雷区、家人、宠物 |
| 3 | L3 | 发生过的重要事件 |
| 4 | L1 | 零散事实 |
先 L4 再 L2，最后 L3/L1。L4 是地基，灌晚了你每轮都缺人格。L0（原话）插件会自动写，不用管。
卡住了看哪里
| 现象 | 去看 |
|---|---|
| 容器起不来 | docker compose logs --tail 100 |
没有 loaded 日志 |
profile 的 dsh.profile.bundles 里有没有 dsh-remembers |
| 召回老是空 | curl localhost:8080/log?limit=20，看 outcome |
| embedding 报错 | /health 里的 last_error |
| 想跨机访问 | docs/VPS-DEPLOY.md（防火墙、备份 cron、离线镜像、SSH 隧道） |
为什么不用现成的记忆方案
我拿一个真实的记忆库（153 条，全是开发日志）做了测试：
| 检索方式 | 查询 | 结果 |
|---|---|---|
| 向量 | 「我有点累」 | 命中「冗余UI元素清理」67%、「座位编排导出」66% |
| 向量 | 「用户提到过工作疲惫、熬夜加班」 | 命中「PowerShell 编码修复」65% |
| 关键词 | 「疲惫 / 加班 / 想休息」 | 没有匹配 ✅ |
三件事：
- 库里没有相关内容时，向量不会说"不知道"，它给一个 65% 的错答案。 陪伴型 AI 最怕这个——不是失忆，是自信地记错。
- 分数区间窄得离谱（0.61–0.77），阈值形同虚设。
- 「嗯」「想你」这种短句没有语义可检索，任何 embedding 都救不回来。
所以这个项目的核心不是"更强的检索"，是诚实：
没有可靠证据时，返回空。空就是空。
架构
┌─────────────────────────────────────────┐
│ dsh-remembers（本仓库根，DSH 插件） │
│ agent/created → 注入 L4 人格与关系约定 │
│ agent/pre-step → 检索，有命中才注入 │
│ turn/end → 原话写进 L0 │
└───────────────┬─────────────────────────┘
│ HTTP
┌───────────────▼─────────────────────────┐
│ companion-memory（service/，Docker） │
│ SQLite 单文件：结构化 / BM25 / 向量 │
│ 中文 bigram BM25 + numpy 余弦 │
│ 分层衰减 + 融合 + 诚实出口 │
└─────────────────────────────────────────┘
插件是薄客户端，重活在服务里。服务挂了只影响"想起"，不影响对话。
安装
1. 先起记忆服务（Docker，零框架依赖：python:3.12-slim + numpy）
git clone https://github.com/derkinL/dsh-remembers
cd dsh-remembers/service
cp .env.example .env # 填 embedding 端点（不填也能跑，只有 BM25）
./deploy.sh
2. 再装插件
cd ..
./install.sh # 默认 web profile
DSH_PROFILE=desktop ./install.sh
或者直接从 GitHub 装（需要先起服务）：
dsh plugin --profile web add github:derkinL/dsh-remembers
3. 重启 DSH
dsh --profile web
# 日志出现 [dsh-remembers] loaded 即成功
它怎么选记忆
分层，不是一锅炖：
| tier | 内容 | 半衰期 | 注入 |
|---|---|---|---|
| L4 | 人格 + 关系约定（她是谁、你叫什么、许过什么） | 永不衰减 | 每轮必带 |
| L3 | 事件（某天发生了什么） | 90 天 | 检索 |
| L2 | 人物画像（稳定偏好、雷区、家人宠物） | 180 天 | 检索 |
| L1 | 原子事实（一句话说清） | 30 天 | 检索 |
| L0 | 原话（全文，回溯用） | 永不衰减 | 检索到时展开 |
打分：
score = 0.55·bm25/(bm25+3) + 0.25·max(0, cos) + 0.20·2^(-年龄/半衰期)
准入 ≠ 排序：
- 准入：
bm25 ≥ 0.5（真关键词命中）或cos ≥ 0.55（高置信语义命中） - 排序：上面的融合分——衰减只在这里起作用，它不能把半年前的关键事实压到检索不出来
短句靠 focus：最新一条用户输入的尾部作为强调片段，服务端对它命中的词再加 4 倍权重。
实测
| 场景 | 结果 |
|---|---|
query=加班 |
命中相关事件 0.42 |
query=嗯 + focus=她说不想干了 |
0.69（不带 focus 只有 0.38） |
| 库里没有的查询 | 空 ✅ |
| 正交向量 + 无关键词 | 空 ✅ |
| 余弦 0.97 + 弱关键词 | 命中 0.59 ✅ |
| L1 五天前 vs 两百天前 | recency 0.891 / 0.010，老的排序靠后但仍可检索 |
插件行为（mock ctx + 真服务，11 项断言）：profile 注入、召回注入、同内容去重、无命中不注入、subagent 跳过、L0 写入、原话可检索、空轮不写。
配置
| 环境变量 | 默认 | 说明 |
|---|---|---|
CMEM_URL |
http://127.0.0.1:8080 |
服务地址 |
CMEM_AUTH_TOKEN |
空 | 服务设了 token 就填同一个 |
CMEM_RECALL_TOP_K |
6 |
每次最多注入几条 |
CMEM_INJECT_PROFILE |
true |
是否注入 L4 |
CMEM_CAPTURE_RAW |
true |
是否把原话写进 L0 |
CMEM_SKIP_SUBAGENT |
true |
subagent 会话不记忆 |
CMEM_TIMEOUT_MS |
2500 |
超时就当没想起来 |
完整列表见 service/README.md 和 docs/VPS-DEPLOY.md。
给谁用
写给一个具体的人：我妹妹要部署在 VPS 上，陪一个人。所以有一封 LETTER.md——为什么做、怎么装、哪些规矩不能破。
如果你也要用，那封信里的三条规矩同样适用：
- 别和别的记忆插件同时开（token 双份、召回打架）
- 记忆是隐私，
data/别提交、别外传 - 备份要做——原文只在她那边，丢了没法重建
已知限制
| 没做 | 说明 |
|---|---|
| LLM 自动抽取 | L1/L2/L3 要靠模型主动调 MCP 的 memory_ingest；插件只保证 L4 和 L0 |
| 空闲整理 | /consolidate 只做完全重复合并，语义去重没做 |
| 关系图谱 | 靠 subject 字段，没有真图结构 |
| 中文精细分词 | bigram 是够用的下限；要更准可接 jieba，但多一个依赖 |
| 专用向量库 | 十万条以内 numpy 暴力余弦是毫秒级，不需要 Qdrant。到百万条再换 pgvector |
参考
设计时读过这些实现（许可都兼容）：
- dsh-liketavern（MIT）— 中文 BM25 与时间衰减的工程做法
- dsh-meow-memory（MIT）— 分层 schema 与空闲整理
- BAI-LAB/MemoryOS（Apache-2.0）— 分层记忆架构
- @openviking/dsh-memory-plugin — DSH 记忆插件的注入方式（pre-step 追加，不走 system prompt）
License
MIT
No comments yet. Be the first to write one.