Mnemos

English | 中文

装进 DeepSeek Harness 的一个插件：不是给 AI 一个更大的记忆库，而是让记忆在换模型、换会话之后还能被高效用上。

最终目标：这类任务做过一次之后，下次不查记忆也能做对。

存多少不是重点。重点是：换个模型接着干时，它知道该取哪几条、按什么用、用完怎么留下新的判断 —— 记忆存在你能查的文件里，推理模型只是可以换掉的部件。

一句话：它想让"判断"能被人查、被人质疑、也能被推翻 —— 而不是看完就忘、错了也没处追。

DeepSeek Harness（下称 DSH）是什么：一个在你自己电脑上跑 AI 助手的环境 —— 负责会话、工具和插件， 有桌面客户端也有命令行两种用法。Mnemos 是装进它的一个插件，不是独立软件，也不能用在网页版或手机 App 上。

先确认自己有没有 DSH（30 秒）：打开终端敲 dsh --version —— 出版本号就说明你已经有了； 没有的话，去 DeepSeek 官方渠道获取（本页只讲这个插件，不讲怎么装 DSH）。 已经装过 DSH 的，可以直接看 INSTALL.md。

名字说明：项目叫 Mnemos，npm 包名是 dsh-mnemos-continuity。 DSH 生态里另有一个也叫 dsh-mnemos 的项目（别人写的，思路不同、不是同一套东西）—— 我们这个名字里的 continuity 指的就是本项目的重点：换会话、换模型之后，判断还能接着用。

它到底能带给你什么

写给已经在用 DSH 的人。 六件事，都用人话说。为什么能做到、有哪些机制、代价是什么 → 见《简介》。

① 换个对话继续任务，前面的结论能直接接上

记忆不绑在某个对话窗口上。换一个会话、换一个目录都行：新开个对话说一句"继续之前的 X"， 它会把之前的重要结论找回来，接着往下做 —— 不需要记任何编号。

想接得更准（任务做到一半、怕接错）时，回原来的对话里说一句"给我一个续接方案" —— 它会把这个任务的状态整理成一份记录、并给你一个任务号；下次直接拿它精确接上。

边界：没写下来的等于没发生；不同 profile（DSH 的配置分组，例如 desktop / web）默认不共享。

② 多 agent 协作：交接不靠"把对话贴过去"，而是靠记忆精确交接

让几个助手同时干活时，常见做法是把前面的对话、背景整段贴给它们 —— 又长，又容易把过时的东西带过去。

这里的做法是：任务先写进记忆，子代理按任务编号去读它需要的那部分；做完把结论交回同一条任务记录上。 不需要一大段对话来"交接"，交的是一份精确的任务与结果。

于是你能得到：

• 交接是精确的：子代理拿到的就是任务本身，不是一段被剪切、可能已过时的对话；
• 成果不散：几路的结果归到同一份任务记录上，事后按编号能一次取全；
• 没做完的不会被当成做完：哪一路没交回结论，会如实标出来；忘了收尾的任务也不会一直挂着。

③ 任务图：跨会话也知道"做到哪、依据什么"

任务图不是多 agent 专用，也不只是待办清单；它是任务的档案/寻址空间。

它不是把原文存进去，而是存"地址"：记忆 id、依赖 id、结论 id、前序图 id；正文留在原记忆，删了被引用的记忆，图里那条也随之消失。

• 什么时候开：会跨会话、会被折叠后接着做、或会产出多条以后要找的记忆时；单步小事直接写记忆，别开；
• 记什么：已完成里程碑（done）、依赖（uses）、前序图（links）、重要结论的 id（conclusion 标签）；不复制正文；
• 不记什么：未完成步骤仍用宿主 todo；图和任务清单不要互为镜像；
• 跨会话：开新图，用 links 链接旧图并写清"为什么接上它"，不改旧图；
• 好处：换会话/换模型后，能说清"哪块做完了、用了什么、结论在哪"；收尾时汇成一条任务结果，连同会话存档保留。

④ 外面来的东西留下出处，而不是被当真

外部来的内容进来时会永久留下来源。以后被查到时，它可以被质疑、可以被推翻 —— 但不会被当成事实。

⑤ 聊天太长被截断时，东西不会凭空消失

上下文被截掉一段时，插件把被遮蔽区域抽成一张事实卡，并在提醒里直接带最多 3 条负面结论/工具失败；原文仍在会话日志。 它保证"关键事实不被默默吞掉、事实卡可查"，不保证模型一定去 open；事实卡 7 天后自动清理。

⑥ 关掉对话、换掉模型，它还是同一个它

"它是谁、做过哪些决定、为什么这么选"记在文件里，不在模型的权重里。 代价：能留下来的是判断与来由，不是说话的方式 —— 换了模型，风格会变。

也说清它不是什么

• 不是以记忆库 / 召回质量为主卖点：记忆是底座；我们评价的是判断能否跨会话延续、能否被审计；
• 不是事实引用层：把每条事实引回原始日志是另一类方案，我们不重复造；普通记忆没有逐条日志引用，这是已知边界；
• 不是完整记忆栈 / 多 agent 共享层：那是另一类方案的地盘，可以组合，不是替代；
• 不是会自己长大的 agent：技能要提议、要独立验证、可回滚；"不修改"也是有效结论；
• 不是成熟产品：部件齐备、有会真的失败的回归检查，但只有一个人、一台机器的实证。

一次真实的崩溃：会话坏了，但结论没丢

有一次，它把对话弄坏了：那一轮所有工具调用都成功，但整轮请求被宿主拒掉 —— 那个会话再也接不下去，看起来像"全都坏了"。

价值恰恰在这里显出来了：

1. 结论没丢：那轮已经写进记忆的判断都还在。直接开一个新会话，说一句"继续之前的 X"，就能接着做 —— 不需要先把坏掉的会话修好，才能继续工作；
2. 能查清怎么坏的：判断、来由、当时的错误都留了记录，所以能一路追到"是哪条消息、少了什么字段"， 而不是只能重启、祈祷下次别再来；
3. 修完让它不可能再犯：让写这类消息只剩一个入口，代码里再出现手写就测试失败； 坏掉的那几个会话也被就地修好（先备份），再用一个探针会话确认同一条路不再出错。

这就是它和"一个记性好的助手"的区别：会话是会坏的，但判断不该跟着坏。 这个 bug 已在 v1.5.0 修掉，并有回归检查盯着。

留下的判据：静默失败比报错更危险 —— 工具全成功，整轮却死了。

这也是它对待自己错误的方式：先承认是我们的提醒把用户的会话弄坏了，再让它不可能再这么坏。

代价与边界（用前必读）

• 记忆是本地明文文件：自己备份；不要往里粘密码/密钥。要备份哪几个文件、怎么卸载/回滚 → INSTALL 第 3 / 11 节；
• 每轮会固定注入一点东西：纪律提示约 3.5k 字符 + 自传体摘要（默认上限 2000 字符）—— 这部分算在你的输入里。 自传体的预算可调；纪律那段没有开关（诚实说：它和你在 profile 里的自定义提示会叠加，目前没有冲突检测）；
• 后台维护默认开（约 30 分钟一轮），其中两项会调用 AI → 有成本，且会把技能正文、相关记忆、你的原始反馈 发给你配置的那个评审模型服务商；可以整体关掉，也可以只关评审（见 INSTALL）。具体金额没有测量过（已知缺口）； 想稳妥起步：装完第一件事就把它关掉（heartbeatEnabled: false，见 INSTALL 第 10 节），只留记忆， 确认有用了再开回来。关掉后哪些还能用、哪些会失效，INSTALL 开头有一张对照表；
• 空闲学习默认关；开启后每轮都会调用一次模型（用你单独给它配的路由，需要外部 API key）→ 有成本；
• 检索是关键词 + 标签匹配，不是语义检索：写了但召不回是可能的；
• 技能的三种来源：失败→修好（要反例+正例）、记忆里反复出现的问题（≥3 个跨会话事件）、外部技能改写（自己搜到或你给的）。外部来源默认只进 skill-proposals/，保留要你确认；想让它自动落盘得显式开 externalSkillWriteBack；
• 折叠快照只做 7 天短期兜底：记忆只存事实卡（不存 4K 原文），提醒直接带 top3 负面结论/工具失败；不保证模型会 open，提醒是唯一保证通道；
• 会话存档默认不进检索：它是给人回看的快照（可能很大），错召回一次就会吃掉大量上下文； 要看时用 mnemos_open 打开存档 id，或显式传 includeArchives:true；
• 一部分可靠性靠纪律而不是机制：结论有没有写进记忆、要不要召回到位 —— 所以偶尔自己提醒一句"这个记一下"更稳；
• 尚未测量：召回质量、规模延迟、单位成本、学习闭环的长期效果、多机共用、经验可迁移性； 也没有记录"测过哪些 DSH 版本"（依赖宿主内部行为的部分，宿主升级后可能先坏）—— 这是已知缺口。

风险与责任

Mnemos 是通用认知架构：身份、记忆、技能、调度不预设用途。但要说清 —— 架构里写进了设计者的取舍 （外部信息先隔离、判断要留下来由、危险动作留痕），这些不是"中立"的，是有立场的。

必须诚实指出四类能力：善意使用是效率工具，恶意使用会放大后果。

1. 身份可被持有者改写：宪法能用口令改。架构层的指令会与模型的原生对齐叠加 —— 既不能假定它压得住原生对齐，也不能假定原生对齐一定压得住它。
2. 记忆跨会话积累：长期、跨会话、跨模型的记忆，会让错误或恶意经验变成"可复用的经验"。
3. 可调度别的模型：主模型能派子代理干活，而任务的真实意图可以不写在 prompt 里（靠记忆传递），外部很难看出来。
4. 可无人值守运行：心跳与空闲学习能定时醒、持续跑 —— 你不在场时它也在动。

还有一条常被低估的：联网抓来的内容可能自带指令。所以我们把它关进隔离间 —— 但那只降低风险，不消除风险。

责任：使用者决定它的用途，持有者作为监护人，对它的行为负最终责任。本项目不提供任何担保， 也不对滥用行为承担连带责任；能写进机制的限制我们写了（只读宪法、隔离验证、删除留痕、心跳可整体关）， 做不到的是替使用者判断。

反对：反对任何违法、侵权、破坏网络安全的用法。

开始用

前提再确认一次：你得在用 DeepSeek Harness（DSH） —— 只在浏览器或手机上用 AI 助手的话，现在装不了。 装之前想知道"装完屏幕上会出现什么、怎么确认它找对了数据" —— INSTALL 第 6 节就是验证步骤。

一条命令装上（已发布到 npm，包名 dsh-mnemos-continuity）：

dsh plugin --profile <你的 profile> add dsh-mnemos-continuity

装完完全重启 DSH 就生效（数据在 profile 自己的目录里，覆盖安装不碰记忆）。

安装细节、配置、工具清单、数据位置与备份 → 全部在 INSTALL.md（含验证步骤、续接任务的做法、排错表）。 npm 页面：https://www.npmjs.com/package/dsh-mnemos-continuity

同时用桌面版和网页版（可选）

默认每个 profile 各有一份数据（<profile>/mnemos/）。如果你希望桌面版和网页版共用同一份记忆：

# 1) 网页版也装一次
dsh plugin --profile web add dsh-mnemos-continuity

# 2) 在网页版的 cordis.patch.yml 里让数据指向桌面 profile
- id: dsh-mnemos
  name: dsh-mnemos-continuity
  config:
    dataFile: C:\Users\<你>\.dsh\profiles\desktop\mnemos\memory.json
    constitutionFile: C:\Users\<你>\.dsh\profiles\desktop\mnemos\constitution.json
    heartbeatEnabled: false   # 后台维护只留给桌面端
    learnerEnabled: false
    reviewEnabled: false

两条提醒（重要）：

1. 后台维护只在桌面端跑 —— 所以用网页版时，建议让桌面版挂在后台（窗口最小化即可）， 归档 / 衰减 / 回收 / 技能评审才会继续；网页版关了后台，是因为双跑会重复归档、重复任务结论、 双倍 LLM 成本，而技能评审并发写技能文件没有跨进程锁，会损坏。
2. 跨端可见有延迟 —— 一端写入后，另一端要等下一次写盘（或自己重启）才能看到。 这是"内存副本 + 重读合并"的设计，不是没写进去；想立刻看到就重启那一端。

网页版（dsh web）是独立进程，关掉桌面程序不影响它；但它的运行时文件来自桌面版的安装目录，所以桌面版要"装着"。

文档地图（对外的七份）

你想干什么	读哪份
判断该不该用	docs/简介-introduction.docx（未打包时读同名 .md）
先看它由什么组成、怎么跑起来	docs/架构总览.docx
装它 / 查配置	INSTALL.md
看它有哪些机制、各自保证什么、边界在哪	docs/architecture-机制清单.docx
知道为什么这样设计	docs/设计者视角.docx
想读代码 / 改代码：每个模块有哪些功能、具体怎么实现	docs/模块与功能实现.md（纯 Markdown，附录含宪法原文与系统提示原文）
确认这是哪一版	发行目录根部的 VERSION.md

docs/*.docx 由打包步骤从同名 .md 生成；发行包里开 docx，源码仓库里读 .md。 分不清哪份是当前版时：源码仓库看 对外文档-v1.5/ 下的 .md；发行目录看根部 VERSION.md 里写的版本号与文件清单。

License

MIT