一套原生 dsh 外掛,替 DeepSeek Harness 的 agent 加上七層跨會話記憶(SQLite + 每訊息關鍵字召回 + 每視窗 dream 整理)。
DSH 整合
原生執行環境
作者聲明
安全稽核
未稽核
最後核實
2026-08-30
授權條款
MIT
01它能幫你完成什麼?
替 DeepSeek Harness 的 agent 提供跨會話、結構化、可長期留存的記憶
七層 SQLite 記憶庫(soul / user / project / fact / lesson / topic / rules)加上逐視窗 dream 整理出的知識,注入 system prompt
希望 agent 在會話之間記住使用者偏好、專案背景與學到的教訓,不必反覆貼上下文的 dsh 使用者
在 dsh 對話的恰當時機召回恰當的記憶
逐訊息 top-2 關鍵字召回(fact / lesson / rules / topic),範圍限全域 + 目前 project,以「可能相關的記憶,僅供參考:」前綴注入
需要即時、低雜訊記憶檢索、又不想把完整歷史灌滿上下文的 agent 與使用者
02如何將外掛接入 DeepSeek Harness?
作者未說明
03DSH 整合程度與能力邊界
原生 dsh 外掛:在 system prompt 註冊固定的 `meow-memory:guide` 區塊(order 130),並提供 memory_* 工具(memory_search / memory_remember / memory_project / memory_update),把跨會話記憶持久化到 `.dsh-meow/memory.db`。
七層長期記憶儲存
跨會話蒐集的 soul / user / project / fact / lesson / topic / rules 事實→`.dsh-meow/memory.db` 中按層分表,UUID 帶時間前綴
逐訊息關鍵字召回(BM25 式)
從第二輪起的每條真實使用者訊息→top-2 的 fact/lesson/rules/topic 命中(全域 + 目前 project),以「僅供參考」前綴注入
KV 快取友善的注入與去重
長期記憶快照 + 召回結果→在 system prompt 注入長期記憶區塊;同一會話內不重複注入
在 system prompt 一次性註冊固定的 `meow-memory:guide` 區塊(order 130)在 `.dsh-meow/sessions/<id>.json` 按會話記錄已注入/已檢索記憶以避免重複注入收到 `compaction/*` 訊號時釋放已見記憶記錄
04適合誰?何時不該用?
適合
- 希望 agent 在會話之間記住使用者偏好、專案背景與學到的教訓,不必反覆貼上下文的 dsh 使用者
- 需要即時、低雜訊記憶檢索、又不想把完整歷史灌滿上下文的 agent 與使用者
05相容性、維護與安全提醒
- 依賴 Node.js 內建的 `node:sqlite` 模組把記憶資料庫(`.dsh-meow/memory.db`)落盤,因此需要支援該內建模組、且能讀寫工作區 `.dsh-meow/` 目錄的 Node 執行環境。
MIT · 活躍維護中(最新發布 v0.22.0,2026-08-30)
06常見問題
meow-memory 怎麼跟 DeepSeek Harness 整合?
它是原生 dsh 外掛:在 system prompt 註冊固定的 `meow-memory:guide` 區塊(order 130),並提供 memory_* 工具(memory_search / memory_remember / memory_project / memory_update)讀寫工作區 `.dsh-meow/memory.db`。
會話壓縮之後還能用嗎?
可以。手動 `/compact` 或 token 壓力觸發的壓縮之後,長期記憶會自動重新注入;收到 `compaction/*` 訊號會釋放已見記憶記錄,壓縮後仍能再次召回提取。
注入記憶會弄壞 KV 快取嗎?
不會。靜態 guide 區塊只註冊一次、文字恆定,只有動態長期記憶當作前綴掛到第一條使用者訊息上,provider 的 KV / 上下文快取得以保留。
它需要什麼儲存空間?
用 Node.js 內建的 `node:sqlite` 在每個工作區寫入單一 SQLite 檔 `.dsh-meow/memory.db`,並在 `.dsh-meow/sessions/<id>.json` 記錄按會話的已見記憶來做去重。
逐訊息召回的範圍怎麼訂?
從第二條使用者訊息起,對 fact / lesson / rules / topic 做 top-2 召回,範圍是全域記憶加目前 project 錨定;未錨定時只命中全域,閒聊不會誤傷專案記憶。
07相關的 DSH 工作流程
dsh-anchored-standard
作者 xiaobright
DeepSeek Harness 兩階段預設:先最小對齊引導,再啟用完整標準工具集。
memos
作者 memtensor
面向 LLM 與 AI 智慧體的自進化記憶系統,提供超持久記憶、混合檢索與跨任務技能複用,可顯著節省 Token。
dsh-mnemon
作者 omdsh-dev
Mnemon 驅動的本地記憶系統:三層儲存(執行時熱記憶、專案檔案 Documents、長期記憶體 Memory Spaces),受監督寫回、檢索工具與 Web UI。
dsh-memory
作者 furongjun-1999
白箱AGI架構探索:元認知(自我認知迴圈)、持續學習(知識飛輪)、世界模型(條件空間+語義時空圖)、自我改進(自舉紀律)、零LLM白箱管線與可審計信任護欄。
08資料與來源
为 [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness)(DSH)打造的跨会话记忆插件。
**核心理念**:每个工作区维护一份结构化记忆数据库(`.dsh-meow/memory.db`,基于 `node:sqlite`)。
此頁面根據專案公開文件、儲存庫中繼資料與 DSH Plugins 的結構化解析所產生;最後核實於 2026-08-30。發現錯誤?提交更正。
最佳 DeepSeek Harness 外掛
從全目錄挑出的 12 個值得優先安裝的外掛,涵蓋各個分類。
