DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

fjzzwxp /

fjzzwxp/dsh-mnemosyne-memory

Verified

Mnemosyne 永久记忆插件 - 为 DSH 提供长期记忆、向量搜索和 LLM 反思功能，对标 Hindsight Coding Agents

★ 1 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@e98a92ba

Mnemosyne Memory Plugin for DSH

Mnemosyne 永久记忆插件 — 为 DeepSeek Harness (DSH) 提供长期记忆、向量语义搜索和 LLM 反思功能

Mnemosyne Memory Plugin | 中文说明

npm version License: MIT Node.js >= 18 DSH Plugin Cordis Free Software

🎉 完全免费 | 100% Free

Mnemosyne 是一款完全免费的开源插件，采用 MIT 许可证。

Mnemosyne is a 100% free open-source plugin under the MIT License.

项目 Item 费用 Cost
插件本体 Plugin本体 ✅ 完全免费 FREE
本地部署 Local (Ollama) ✅ 零成本 $0
云端 API Cloud (Gemini/DeepSeek) 可选升级 Optional

💡 两种使用方式 | Two Ways to Use

方式 Approach 成本 适用场景
🏠 本地部署 Local (Ollama) 免费 隐私敏感、离线环境
☁️ 云端 API Cloud (Gemini/DeepSeek) 可选 需要更高精度

🗺️ 免费部署流程图 | Free Deployment Flowchart

全程零费用，两种路径任选其一

Zero cost for both paths — choose either one.

flowchart TD
    Start([🚀 开始]) --> Choice{选择路径}

    subgraph shared ["📋 前置条件（共用）"]
        P1[安装 DSH Desktop\n ~5 min]:::common
        P2[克隆仓库\ngit clone\n~1 min]:::common
        P3[安装依赖\nnpm install\n~2 min]:::common
    end

    P1 & P2 & P3 --> PreDone[✅ 前置完成\n总耗时 ~8 min | ¥0]

    Choice -->|🌐 免费 Gemini API| G_PATH
    Choice -->|💻 完全离线 Ollama| O_PATH

    subgraph gemini ["🌐 免费 Gemini API 路径"]
        G_PATH --> G1[创建 Google AI Studio 账号\nhttps://aistudio.google.com\n~3 min | ¥0]:::gemini
        G1 --> G2[获取免费 API Key\n每月 1500 次额度\n~1 min | ¥0]:::gemini
        G2 --> G3[配置 mnemosyne.json\n填入 API Key\n~2 min | ¥0]:::gemini
        G3 --> G4[执行安装脚本\n./scripts/install.sh\n~1 min | ¥0]:::gemini
        G4 --> G5[验证安装\ndsh plugin list\n~1 min | ¥0]:::gemini
    end

    subgraph ollama ["💻 完全离线 Ollama 路径"]
        O_PATH --> O1[安装 Ollama\nbrew install ollama\n~2 min | ¥0]:::ollama
        O1 --> O2[拉取嵌入模型\nollama pull nomic-embed-text\n~3-5 min | ¥0]:::ollama
        O2 --> O3[配置 mnemosyne.json\n设置 provider = ollama\n~2 min | ¥0]:::ollama
        O3 --> O4[执行安装脚本\n./scripts/install.sh\n~1 min | ¥0]:::ollama
        O4 --> O5[验证安装\ndsh plugin list\n~1 min | ¥0]:::ollama
    end

    G5 --> Verify["✅ 验证与使用"]
    O5 --> Verify

    subgraph verify ["✅ 验证与使用（共用）"]
        V1[运行健康检查\ndsh doctor\n~30s | ¥0]:::verify
        V2[开始使用记忆功能\nmnemo_store / mnemo_recall\n即时 | ¥0]:::verify
        V3[知识沉淀自动维护\n跨会话持续生效\n¥0]:::verify
    end

    Verify --> V1 --> V2 --> V3

    subgraph result ["🎯 最终结果"]
        R1["🌐 Gemini 路径\n✅ 免费额度充足\n✅ 云端高精度\n⚠️ 首次需联网"]:::result
        R2["💻 Ollama 路径\n✅ 完全离线\n✅ 数据不离开本地\n⚠️ 需下载模型"]:::result
    end

    V3 --> R1
    V3 --> R2

    classDef gemini fill:#e1f5fe,stroke:#01579b,stroke-width:2px
    classDef ollama fill:#f3e5f5,stroke:#4a148c,stroke-width:2px
    classDef common fill:#fff3e0,stroke:#e65100,stroke-width:2px
    classDef verify fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px
    classDef result fill:#fce4ec,stroke:#880e4f,stroke-width:2px

步骤耗时与费用汇总

路径 总耗时 费用 推荐场景
🌐 免费 Gemini API ~12-15 min ¥0 首次体验、需要高精度
💻 完全离线 Ollama ~10-13 min ¥0 隐私敏感、离线环境

两条路径核心差异

维度 🌐 免费 Gemini API 💻 完全离线 Ollama
网络依赖 需联网获取 API Key 仅需首次下载模型
运行时网络 可选（可切换本地） 完全离线 ✓
数据隐私 云端推理时上传 数据永不离开设备 ✓
嵌入精度 高（Google 模型） 中（本地模型）
硬件要求 任意设备 建议 8GB+ RAM

📖 Project Overview | 项目简介

Mnemosyne is a permanent memory plugin for DeepSeek Harness (DSH), providing cross-session long-term memory capabilities for AI Agents.

Mnemosyne 是 DeepSeek Harness (DSH) 的永久记忆插件，为 AI Agent 提供跨会话的长期记忆能力。

Core Value | 核心价值

Value 价值 Description 说明
🧠 Permanent Memory 永久记忆 Persist memory across sessions and restarts 记忆持久化存储，跨会话、跨重启不丢失
🔍 Semantic Search 语义检索 Vector-based semantic understanding and retrieval 支持向量语义搜索，理解自然语言查询
🤖 LLM Reflection LLM 反思 Auto-extract decisions, insights, and conventions 自动从会话中提取决策、洞察和惯例
📄 Knowledge Pages 知识页面 Auto-generate architecture, conventions, projects 自动生成架构图、惯例清单、项目摘要
🔧 Codebase Survey 代码测绘 Identify 30+ config patterns automatically 识别 30+ 配置文件模式，自动索引
🌐 Cross-Session 跨会话回溯 Import historical sessions to inherit knowledge 导入历史会话，继承已有知识
👥 Multi-Workspace 多 Workspace Isolated per project, shared memory supported 按项目隔离，支持团队共享记忆
⚡ Delta Refresh Delta 刷新 Incremental updates, only changed pages refresh 只更新有变化的页面，高效同步

🆓 获取免费 Gemini API Key | Get Free Gemini API Key

Google AI Studio 提供免费 API Key，每月 1500 次嵌入请求额度，足以满足日常使用。

Google AI Studio offers a free API key with 1,500 embedding requests per month — enough for daily use.

步骤 | Steps

# 1. 访问 Google AI Studio
open https://aistudio.google.com/apikey

# 2. 登录你的 Google 账号（Google 账号免费）

# 3. 点击 "Create API Key" 按钮
#    Click "Create API Key" button

# 4. 复制生成的 API Key（格式：AQ.Ab...）
#    Copy the generated API Key (format: AQ.Ab...)

# 5. 将 Key 添加到配置
#    Add the Key to your config
cp config/mnemosyne.json.example config/mnemosyne.json
nano config/mnemosyne.json
# 修改 apiKey 字段为你的 Key

免费版额度 | Free Tier Quota

功能 Feature 每日额度 每月费用
嵌入请求 Embedding requests 1,500 次 $0
文本生成 Text generation 60 次/分钟 $0
超出后 After quota exceeded 降级为 rate limit $0（仅限速）

提示：即使超出免费额度，服务不会停止，只是请求速率会降低。 Tip: Even after exceeding the free quota, the service won't stop — only rate limits apply.

🏠 本地部署方案 | Local Deployment (Ollama)

如果你希望完全离线、零成本运行，可以使用 Ollama 本地部署嵌入模型。

For fully offline, zero-cost operation, use Ollama to run embedding models locally.

安装 Ollama | Install Ollama

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: 下载 https://ollama.com/download

拉取嵌入模型 | Pull Embedding Model

# 推荐：nomic-embed-text（768 维，轻量高效）
ollama pull nomic-embed-text

# 备选：bge-large（1024 维，精度更高但更慢）
ollama pull bge-large

配置本地模式 | Configure Local Mode

# 编辑配置文件
nano config/mnemosyne.json

{
  "embedding": {
    "enabled": true,
    "provider": "ollama",
    "model": "nomic-embed-text",
    "dimensions": 768,
    "endpoint": "http://localhost:11434"
  }
}

优点：完全离线、无 API 限制、数据不离开本地 Pros: Fully offline, no API limits, data stays local

📦 Installation | 安装方法

Prerequisites | 前置要求

  • Node.js >= 18.0.0
  • DSH (DeepSeek Harness) >= 0.1.0-rc.7
  • Git (for codebase survey)

Installation Steps | 安装步骤

# Clone the repository
git clone https://github.com/fjzzwxp/dsh-mnemosyne-memory.git
cd dsh-mnemosyne-memory

# Install dependencies
npm install

# Method 1: Auto-install (Recommended)
./scripts/install.sh

# Method 2: Local symlink (Development mode)
./scripts/install.sh web --local

# Method 3: Manual registration
dsh plugin --profile web add $(pwd)

Configure API Keys | 配置 API Key

方式 A：使用免费 Gemini API（推荐）| Method A: Free Gemini API (Recommended)

# 复制配置模板
cp config/mnemosyne.json.example config/mnemosyne.json

# 编辑配置，填入你的 Gemini API Key
nano config/mnemosyne.json

{
  "embedding": {
    "provider": "gemini",
    "apiKey": "你的-Gemini-API-Key"
  }
}

方式 B：本地 Ollama 部署 | Method B: Local Ollama

# 无需 API Key，编辑配置即可
nano config/mnemosyne.json

{
  "embedding": {
    "provider": "ollama",
    "model": "nomic-embed-text",
    "endpoint": "http://localhost:11434"
  }
}

Verify Installation | 验证安装

# Check plugin status
dsh plugin --profile web list

# Run diagnostics
dsh --profile web eval 'mnemo_diagnose()'

# Run tests
npm test

Uninstall | 卸载

# Auto uninstall
./scripts/uninstall.sh

# Uninstall and clear data
./scripts/uninstall.sh web --data

⚙️ Configuration | 配置说明

Environment Variables | 环境变量

# Basic config
export MNEMOSYNE_DATA_DIR=./data/mnemosyne
export MNEMOSYNE_ENABLED=true

# Embedding model config
export MNEMOSYNE_PROVIDER=gemini          # ollama|gemini|openai|deepseek
export MNEMOSYNE_EMBEDDING_MODEL=gemini-embedding-001
export MNEMOSYNE_EMBEDDING_DIMENSIONS=768

# API Keys（如果使用云端 API）
export GEMINI_API_KEY=your-free-key-here  # 免费获取
export OPENAI_API_KEY=sk-xxx
export DEEPSEEK_API_KEY=sk-xxx

# Ollama 本地模式（无需 API Key）
export MNEMOSYNE_PROVIDER=ollama
export MNEMOSYNE_EMBEDDING_MODEL=nomic-embed-text
export MNEMOSYNE_EMBEDDING_ENDPOINT=http://localhost:11434

JSON Configuration | JSON 配置文件

// config/mnemosyne.json
{
  "enabled": true,
  "embedding": {
    "enabled": true,
    "provider": "ollama",       // ollama | gemini | openai | deepseek
    "model": "nomic-embed-text", // nomic-embed-text | gemini-embedding-001
    "dimensions": 768,
    "apiKey": "可选"            // Ollama 模式不需要此字段
  },
  "reflect": {
    "enabled": true,
    "provider": "gemini",
    "model": "gemini-flash-lite-latest",
    "temperature": 0.3,
    "maxTokens": 2000,
    "apiKey": "可选"            // Ollama 模式不需要此字段
  },
  "sharedBanks": {}
}

🛠️ Tools | 工具列表

11 mnemo_* tools provided: 提供 11 个 mnemo_* 工具：

Tool 工具 Function 功能 Parameters 参数
mnemo_recall 检索 Semantic search memories 语义检索记忆 query, k, role, min_importance
mnemo_store 存储 Store memory events 存储记忆事件 type, content, importance, tags
mnemo_reflect 反思 Trigger LLM/heuristic reflection 触发 LLM 反思 turns, force
mnemo_pages_list 列表 List knowledge pages 列出知识页面 -
mnemo_pages_read 读取 Read knowledge page 读取知识页面 page_id
mnemo_pages_diff 差异 View page change diff 查看页面变更 diff -
mnemo_pages_delta 增量 Incremental page update 增量更新页面 -
mnemo_git_seed 种子 Import Git history 导入 Git 历史 limit
mnemo_import_history 导入 Cross-session import 跨会话导入 limit, dryRun
mnemo_stats 统计 Get memory statistics 获取统计信息 -
mnemo_diagnose 诊断 Diagnose tool status 诊断工具状态 -

📖 Usage Examples | 使用示例

Store Memory | 存储记忆

// Record a decision
await mnemo_store({
  type: 'decision',
  content: '决定优先开发客服 AI 场景',
  importance: 0.85,
  tags: ['战略', '客服']
});

// Record an insight
await mnemo_store({
  type: 'insight',
  content: '用户更偏好快速响应而非深度分析',
  importance: 0.75,
  tags: ['用户反馈', '体验']
});

Recall Memory | 检索记忆

// Semantic search
const results = await mnemo_recall({
  query: '我们之前决定用什么框架',
  k: 5,
  min_importance: 0.5
});

// Filter by role
const ceoInsights = await mnemo_recall({
  query: '战略方向',
  role: 'ceo',
  k: 10
});

Trigger Reflection | 触发反思

// Auto-reflect current session
const reflection = await mnemo_reflect({
  turns: 20,  // Analyze last 20 turns
  force: false
});

console.log('Extracted insights:', reflection.insights_added);

Knowledge Pages | 知识页面

// List all pages
const pages = await mnemo_pages_list();

// Read a page
const arch = await mnemo_pages_read({ page_id: 'architecture' });

// Incremental refresh
const delta = await mnemo_pages_delta();
// → { added: 2, modified: 5, deleted: 0 }

Git History Import | Git 历史导入

# Import last 300 commits
mnemo_git_seed --limit 300

# Import from specific workspace
mnemo_git_seed --workspace /path/to/project --limit 500

Cross-Session Import | 跨会话导入

# Preview (dry run)
mnemo_import_history --limit 10 --dry-run

# Import from DSH sessions
mnemo_import_history --limit 20

🔄 Automation | 自动化功能

Automatically triggered during DSH sessions: 在 DSH 会话中自动触发：

Trigger 触发时机 Action 动作
Session Start 会话开始 Codebase survey + Git seed 代码库测绘 + Git 种子导入
Every 5 turns 每 5 轮 Auto-reflect, extract decisions/insights 自动反思，提取决策/洞察
Every 10 turns 每 10 轮 Refresh knowledge pages 刷新知识页面
Pre-step 步骤前 Inject relevant memories 注入相关历史记忆

📊 Comparison with Hindsight | 与 Hindsight 对比

Feature Hindsight Mnemosyne Notes 说明
Memory Storage Per-repo JSON Bank Per-workspace JSON Bank Supports DSH multi-workspace 支持 DSH 多工作区
Semantic Search Vector similarity Vector + keyword hybrid Multiple embedding models 支持多种嵌入模型
LLM Reflection Lightweight heuristic LLM-driven deep reflection Extract complex patterns 可提取更复杂模式
Knowledge Pages Auto-generated Auto + Delta refresh Incremental updates 增量更新更高效
Codebase Survey None 30+ config patterns Enhanced context understanding 增强上下文理解
Cross-Session None Import historical sessions Inherit existing knowledge 继承已有知识
Multi-Workspace Per-repo Per-workspace + shared Flexible isolation/sharing 灵活隔离/共享
Local Offline ❌ ✅ No external dependency 零外部依赖
Cost Paid API 🆓 Free MIT License 完全免费

🚀 Quick Start | 快速开始

快速开始（免费 Gemini API）| Quick Start (Free Gemini API)

# 1. 安装插件
git clone https://github.com/fjzzwxp/dsh-mnemosyne-memory.git ~/.dsh/plugins/
cd ~/.dsh/plugins/dsh-mnemosyne-memory && npm install

# 2. 获取免费 API Key
open https://aistudio.google.com/apikey

# 3. 配置
cp config/mnemosyne.json.example config/mnemosyne.json
# 编辑 config/mnemosyne.json，填入你的免费 API Key

# 4. 安装
./scripts/install.sh

# 5. 启动 DSH
dsh --profile web

快速开始（本地 Ollama，完全离线）| Quick Start (Local Ollama, Fully Offline)

# 1. 安装 Ollama
brew install ollama
ollama pull nomic-embed-text

# 2. 安装插件
git clone https://github.com/fjzzwxp/dsh-mnemosyne-memory.git ~/.dsh/plugins/
cd ~/.dsh/plugins/dsh-mnemosyne-memory && npm install

# 3. 配置本地模式
cp config/mnemosyne.json.example config/mnemosyne.json
# 修改 provider 为 "ollama"

# 4. 安装并启动
./scripts/install.sh && dsh --profile web

📝 License | 许可证

MIT License

Copyright (c) 2025 fjzzwxp

完全免费，可自由使用、修改和分发。 100% Free — use, modify, and distribute freely.

👤 Author | 作者

fjzzwxp — GitHub

🔗 Links | 相关链接

  • DSH 官方文档
  • Hindsight 官方仓库
  • Google AI Studio（免费 API Key）
  • Ollama 本地部署
  • CHANGELOG
  • Contributing
  • Testing

🏷️ Topics | 标签

dsh deepseek harness plugin memory mnemosyne vector-search semantic-search embedding llm hindsight cordis ai-agent long-term-memory knowledge-management git-import multi-workspace share-memory open-source typescript javascript nodejs free local ollama

TODO: Add more tests

—/ 5

No ratings yet

Verified DSH bundle

Commit e98a92bac398

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