セッションをローカルに蓄積し、FTS5 検索と段階読み取り、任意の自動リコール、知識グラフを提供する MIT の DSH 知識ベースプラグイン。自動注入は実験的機能と明記されている。
DSH 統合
ネイティブ実行
作者による申告
安全性監査
未監査
最終検証日
2026-11-12
ライセンス
MIT
01どんなタスクに使えるのか？
終わった DSH の会話をローカルの知識ノート、メソッドカード、落とし穴カードとして蓄積する
出典を記録し重複を飛ばした Markdown ノートとカード。新しいメッセージは既存ノートを上書きせず独立した差分レコードになる
過去のセッションで得た経験を次のセッションから使いたい DSH ユーザー
モデルを切り替えずに、いまの DSH セッションから過去の知識を引く
`knowledge_search`、`knowledge_read`、`knowledge_timeline`、`tool_catalog_search` の 4 ツールを背後にした、現在のモデルによる回答。要約から本文へ段階的に読む
別のチャット画面ではなく、進行中のセッション内で検索したい DSH ユーザー
バインドしたフォルダを学習させ、既存ノートを知識ベースへ取り込む
Markdown、UTF-8 テキスト / ソースコード、フォルダ、ZIP、専用コンテンツパックを取り込み、検索インデックスと知識グラフに載せ、ファイルの出典を保持する
Obsidian 形式のノートやプロジェクト文書を DSH に持ち込みたいユーザー
02DeepSeek Harness への導入方法
前提条件
- ローカルのプラグインパッケージ導入入口がある DeepSeek Harness。README は主な検証環境を Windows + Harness Desktop `0.2.1-alpha.1` としている
- アップグレード前にホストのセッションとバックグラウンド処理の完了を待ち、知識ディレクトリをバックアップしておく
インストール手順
- 01
GitHub Releases から `dsh-wanxiang-knowledge-0.2.0-alpha.10.tgz` をダウンロードし（リポジトリの `artifacts/` にも同版のパッケージがある）、Harness のローカルプラグインパッケージ導入入口で選ぶ
- 02
通常の Web プロファイルではホストのプラグイン管理コマンドで導入する: `dsh plugin --profile web add "<パッケージの絶対パス>"`
$ dsh plugin --profile web add "<パッケージの絶対パス>"
- 03
ソースからビルドする場合: `git clone` のあと `npm ci`、`npm run build`、`npm run typecheck`、`npm test`、`npm run pack:plugin` を順に実行する
$ git clone
導入成功の確認
作者は未記載
03DSH 統合と能力の範囲
DeepSeek Harness のネイティブプラグイン。ホストのセッション・コマンド・ツール・プロンプト section の拡張点に接続する
セッションをローカル Markdown へ保存
終了した会話のターン→必要に応じて生成するノートとカード。AI 整理とモデル不要の原文エクスポートを選べ、新規メッセージは独立した差分レコードになる
知識ディレクトリには `notes/`、`cards/`、`sources/`、`attachments/`、`tools/`、`.wanxiang/` ができ、旧版向けの互換コピーが追加のディスクを使うFTS5 ベースのローカル検索と段階的読み取り
検索クエリ（質問を省略すると現在のセッションの問いを利用）→ローカルの `node:sqlite + FTS5` に対する `exact` / `hybrid` / `deep` 検索。L0 要約 → L1 概観 → L2 本文の順に読み、`knowledge_read` は 1 ページ最大 12,000 文字
ベクトル検索は現在 Off で、埋め込みモデルへの依存はない任意の自動リコール注入
独立した SQL 子プロセスが用意した準備済みキャッシュ→オフ / ヒントのみ / 自動注入の 3 段階。知識の要約がホストモデルへ送られることを確認してから注入を始める
1 スロット 150ms、検索全体 190ms、キャッシュ外側 200ms の予算。同期プロンプト section は準備済みキャッシュだけを読み、検索待ち・本文読み・モデル呼び出しはしない取り込みとフォルダ学習
Markdown、UTF-8 テキストと宣言されたソース / 設定の拡張子、フォルダ、ZIP、専用コンテンツパック→相対参照と Obsidian の `[[双方向リンク]]` を解決し、コンテンツパックのマニフェストを SHA-256 で検証した索引エントリ
1 バッチあたり最大 2,000 ファイル・64 MiB、1 ドキュメント / 添付は最大 2 MiB。暗号化 ZIP、分割アーカイブ、ZIP64 には非対応知識グラフと任意のセキュリティ分析ツールカタログ
ローカルの知識エントリと登録済みツール分類→球体 / ネットワーク表示のグラフ（種別凡例、タイトル・タグ絞り込み、回転、PNG 書き出し）と、環境検出状態を表示するツールライブラリ
セキュリティ分析拡張（PE/ELF、逆アセンブル、文字列、通信キャプチャ、APK/DEX、.NET、YARA）は別途インストールが必要で、プラグインには同梱されない
04誰に向いているのか？使うべきでない場面は？
向いている用途
- 過去のセッションで得た経験を次のセッションから使いたい DSH ユーザー
- 別のチャット画面ではなく、進行中のセッション内で検索したい DSH ユーザー
- Obsidian 形式のノートやプロジェクト文書を DSH に持ち込みたいユーザー
不向きな用途
- 主な検証環境は Windows + Harness Desktop `0.2.1-alpha.1`。他のプラットフォームやホストバージョンは追加検証が必要で、ベクトル検索・OCR・PDF/Word 本文解析・クラウド同期・複数ユーザー協働は未対応。
- ファイル、索引、ルールベース検索はローカルに留まるが、AI 整理・フォルダ学習・メタデータ補完・確認済みの自動注入は、関連するテキストや要約を Harness に設定したモデルへ送る。
- 自動注入は実験的な機能のままだ。README は開発用しきい値 0.65 の固定合成セットで 76.25% の取りこぼし率を報告し、実履歴での評価と本番しきい値は未完了としている。
- モデルが整理した結論は出典と突き合わせて確認する必要があり、任意の分析拡張はマルウェア用サンドボックスではない。ツールは別途インストールと設定が要る。
05互換性・メンテナンス・セキュリティ上の注意
- 主な検証環境は Windows + Harness Desktop `0.2.1-alpha.1`。他のプラットフォームやホストバージョンは追加検証が必要で、ベクトル検索・OCR・PDF/Word 本文解析・クラウド同期・複数ユーザー協働は未対応。
- ファイル、索引、ルールベース検索はローカルに留まるが、AI 整理・フォルダ学習・メタデータ補完・確認済みの自動注入は、関連するテキストや要約を Harness に設定したモデルへ送る。
- 自動注入は実験的な機能のままだ。README は開発用しきい値 0.65 の固定合成セットで 76.25% の取りこぼし率を報告し、実履歴での評価と本番しきい値は未完了としている。
- 1 バッチ 2,000 ファイル・64 MiB、1 ドキュメント / 添付 2 MiB が上限。暗号化 ZIP、分割アーカイブ、ZIP64 は非対応で、PDF・Word・画像は添付として保持され本文抽出も OCR も行われない。
- モデルが整理した結論は出典と突き合わせて確認する必要があり、任意の分析拡張はマルウェア用サンドボックスではない。ツールは別途インストールと設定が要る。
MIT のソース（`knowledge/` の第三者文書はそれぞれのライセンスに従う）。ここに書いた事実は記録したコミットの README に基づき、独立した安全性監査は行っていない。
06よくある質問
DeepSeek Harness への導入方法は？
GitHub Releases から `dsh-wanxiang-knowledge-0.2.0-alpha.10.tgz` をダウンロードし、Harness のローカルプラグインパッケージ導入入口で選ぶ。通常の Web プロファイルなら `dsh plugin --profile web add "<パッケージの絶対パス>"` も使える。README はアップグレード前にホストのセッションとバックグラウンド処理の完了を待ち、知識ディレクトリをバックアップするよう求めている。
知識はどこに保存され、何がモデルへ送られる？
ノート、カード、出典、添付、ツールカタログ、索引は知識ディレクトリ（既定は Documents 下の「万象知識庫」、設定で変更可）に置かれ、設定は `<DSH_HOME>/wanxiang/settings.json` に保存される。ファイル・索引・ルール検索はローカルに留まるが、AI 整理・フォルダ学習・メタデータ補完・確認済みの自動注入は関連テキストや要約を Harness に設定したモデルへ送る。
何も確認しなければ自動リコールは動く？
動かない。自動リコールはオフ / ヒントのみ / 自動注入の 3 段階で、自動注入は知識の要約がホストモデルへ送られることを確認してから始まる。README は自動注入を実験的機能としたうえで、開発用しきい値 0.65 の固定合成セットで 76.25% の取りこぼし率を報告している。
モデルが使える検索モードとツールは？
ローカルの `node:sqlite + FTS5` に対する `exact`、`hybrid`、`deep` の 3 モードで、L0 要約、L1 概観、L2 本文の順に段階読み取りする。ツールは `knowledge_search`、`knowledge_read`、`knowledge_timeline`、`tool_catalog_search`。`knowledge_read` は 1 ページ最大 12,000 文字で、`nextOffset` が返る間は同じ ID で読み進める。ベクトル検索は現在 Off。
取り込みとプラットフォームの制限は？
1 バッチ最大 2,000 ファイル・64 MiB、1 ドキュメント / 添付は最大 2 MiB で、暗号化 ZIP、分割アーカイブ、ZIP64 は非対応。PDF・Word・画像は添付として保持され、本文抽出も OCR もない。README は主な検証環境を Windows + Harness Desktop `0.2.1-alpha.1` とし、ベクトル検索・OCR・クラウド同期・複数ユーザー協働は未対応としている。
07関連する DSH ワークフロー
weknora
by tencent
オープンソースのLLMナレッジプラットフォーム。生ドキュメントを検索可能なRAG、自律推論エージェント、自己更新型Wikiへ変換する。
honcho
by plastic-labs
ステートフルなエージェントを構築するためのメモリライブラリ。会話履歴や状態を管理し、長期的な文脈保持を実現します。
webnovel-writer
by lingfengqaq
Claude Codeを基盤にした長編Web小説向けの執筆支援システム。AIの「忘却」や「幻覚」を抑え、200万字規模の連載制作に対応します。
reme
by agentscope-ai
エージェント向けのメモリ管理キット。「Remember Me, Refine Me」――記憶の保持と改善を支援します。
08データと出典
万象知识库是为 [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness) 开发的社区插件。它在 Harness 内提供会话落库、本地检索、可选自动召回、知识图谱、…
| 原生 Harness 插件 | 接入会话、命令、工具与提示词扩展点，在宿主内完成查询和沉淀 |
このページは、プロジェクトの公開ドキュメント、リポジトリのメタデータ、および DSH Plugins の構造化解析に基づいて生成されています。最終検証日：2026-11-12。誤りを見つけた場合は、修正を送信してください。
dsh プラグイン おすすめ
最初に入れたい 12 のプラグイン。全カタログ・全カテゴリから厳選しました。