主题合集 / cross-session-memory
DSH 偏好记忆：跨会话记住你的插件
十一支仍在维护的插件（★13–★996），跨会话记住你这个人——偏好、原则、项目上下文。存的是人，不是文档。
知识库存的是文档，RAG 检索的是段落；这一簇插件存的是你。DeepSeek Harness 的会话默认从零开始——你的偏好、你的红线、上周定下来的架构，没有插件接力就全部归零。目前有十一支维护中的插件在做这件事：mindmemos（★996）在每轮回复前自动召回你的用户与任务上下文，dsh-mirror（★13）给你的原则建一份有容量、说得清理由的档案。按实现分成三类：零提示自动召回、知识图谱、有治理的偏好档案，下面逐一对比。
第一次装记忆插件？先装一支自动召回型，正常干一天活，然后问它「你知道我什么」。答对了就留下，答错了去改记忆文件——那一下编辑就是全部的日常维护。
68 个插件3,784 星
同步自我们的 GitHub 列表 · 目录更新于 2026-09-27
为什么现在关注
全目录供给最厚的一簇：十一支维护中的插件，★13 到 ★996，每一支今天都能装进 profile。记忆是 dsh 生态星数最高的主题，而偏好记忆正是新插件最集中的落点。
它省的是你每天都在付的成本：反复自我介绍。偏好、约定、任务状态，每个会话重打一遍，既是 token 浪费也是纯摩擦——一支偏好插件一周内就能回本。
边界清楚：它不是知识库（存文档），也不是上下文压缩（压缩当前会话）。跨会话记忆存的是你是谁、你定过什么——这两样别的层都不管。
本期合集
先列编辑精选，其余按 GitHub topic 自动收录并用星标排序；数据来自实时目录，随每次同步刷新。
- 2graph-memory作者 adoresever
Deepseek Harness、Openclaw知识图谱记忆插件。2026年4月受邀发布在清华大学讨论会。Knowledge Graph + Memory；Knowledge Graph Context Engine for OpenClaw — extracts structured triples from conversations, compresses context 75%, enables cross-session experience reuse
编辑精选精选知识与研究62895 - 4dsh-memory作者 furongjun-1999
白箱AGI架构探索：元认知（自我认知循环）、持续学习（知识飞轮）、世界模型（条件空间+语义时空图）、自我改进（自举纪律）、零LLM白箱管线与可审计信任护栏。
编辑精选精选会话与消息25620 - 6dsh-meow-memory作者 phant0meow
Cross-session memory plugin for DeepSeek Harness: seven-layer SQLite store (soul/user/project/fact/lesson/topic/rules), BM25 retrieval, per-window dream consolidation. 跨会话七层长期记忆插件。
编辑精选精选会话与消息12411 - 10dsh-auto-memory作者 aik358
Proactive associative memory for DSH: zero-prompt recall injected before the model speaks, three-layer auto-consolidation, skill crystallization, and Astra-style context management - handoff ledgers, PLAN whiteboard, water-level sensing. Local-first, model-agnostic, zero deps. 主动联想记忆+Astra 式上下文管理：自动唤回/自动沉淀/技能固化/交接账本与白板跨窗口续命/水位感知。
编辑精选精选知识与研究786 - 11dsh-mirror作者 webkubor
Let the AI know you. 让模型主动记下你的判断依据（原则/红线/工作方式），跨会话复用 —— 有容量、会遗忘、每条都说得出为什么记。
编辑精选精选知识与研究138 - 12dsh-mnemon作者 omdsh-dev
Mnemon 驱动的本地记忆系统：三层存储（运行时热记忆、项目档案 Documents、长期记忆体 Memory Spaces），受监督写回、检索工具与 Web UI。
精选会话与消息41733 - 13stratagate-agentmemory作者 diqierjia
Recent memories stay detailed. Older ones grow concise. Important ones live on.近期记忆保持详细，旧记忆逐渐精简，重要记忆长期存在。
精选会话与消息977 - 14dsh-plugin-memory作者 justhalfbit
DeepSeek Harness (DSH) 跨会话记忆插件：对话模型边干边记的 Markdown 项目记忆，支持专题文件渐进式披露、可选后台静默蒸馏、按项目隔离与热更新设置面板。机制对齐 Claude Code auto memory。 | Agent-maintained cross-session Markdown memory: progressive-disclosure topic files, opt-in silent distillation, per-project isolation. Claude Code-aligned.
精选知识与研究131
自动召回：dsh 跨会话记忆的主流做法
这一类引擎盯着每一轮对话，在模型开口前把你上下文里相关的部分注入回去——不用斜杠命令，不用手动召回。最常见的做法，也是用起来最省心的。
mindmemos（★996）
重量级选手：每轮回复前自动召回相关的用户与任务上下文，回复后把经验写回去，档案在你干活的过程中自己进化。靠 schema 学习和技能蒸馏提升记忆质量，而不是让记忆摊成一片混沌。
代价是它替你决定记什么——这正是卖点，但第一周结束后记得翻翻它存了什么。
dsh-auto-memory（★78）
在模型开口前注入主动联想召回，自带三层自动整合和技能结晶。为 DSH Web GUI 体验打造——日历、问候语都有——用起来不像基础设施，更像一个同伴。
自动召回三支里最轻、最适合先试的。
dsh-noema（★128）
持久、可检视的记忆：模型可以调用的召回工具，外加一个设置页，能直接看到实际存了什么。Noema 的立场是：不能审计的记忆不值得信任。
适合想要「跨会话召回 + 看得见仓库」二合一的人。
dsh-memory（★256）
furongjun-1999 的跨会话记忆基础设施：读写工具、持续学习，架构异常显式——仓库直接把自己定位成白箱 AGI 实验，带元认知循环和可审计护栏。
这一组里最实验性的一支；记忆原语本身是扎实的。
知识图谱：把记忆结构化
这一类把记忆存成带类型的三元组和图节点，而不是散装笔记，用一点配置换精确度：召回一个实体，拿到的是它的关系，不是一段碰巧提到它的话。
graph-memory（★628）
dsh 原生的知识图谱记忆核心——Cordis 适配器把跨会话三元组持久化，任何 dsh agent 都能查询。2026 年 4 月登上清华大学研讨会的分享，插件这个层级少见的学术曝光。
想让记忆回答「X 和 Y 什么关系」而不只是「我们说过 X 什么」，选它。
mnemon（★596）
LLM 监督的持久记忆，图召回，单二进制文件发行，同时支持 DeepSeek Harness、Claude Code 等多个 agent——一份记忆可以跟着你跨工具走。
差异点在监督层：进图的每条内容由 LLM 审过，而不是来者不拒。
mneme（★124）
「会做梦的记忆」——离线、私密，靠 autoDream 在会话之间自动整合：合并、修剪、重写存储，再把结果画成思维导图。
想要记忆自己保持整洁、不用手动打理，选它。
偏好记忆：有边界的「你」的档案
最克制的一类：记忆写进命名、有边界的分层——偏好、原则、红线——配审批门、容量上限和人类可读的文件，「它到底知道我什么」永远有答案。
dsh-meow-memory（★124）
七层 SQLite 存储——soul、user、project、fact、lesson、topic、rules——配 BM25 检索和按窗口做梦（dreaming）来整合积累的内容。
分层 schema 就是卖点：每种记忆待在它该在的层，每一层都能当普通条目直接读、直接改。
dsh-memento（★120）
有边界、分层、审批门控、可审计。记忆躲在能力接缝后面（ctx.memory 加 SQLite provider），没有审批不落一笔，事后每条都能溯源。
共用机器、或者威胁模型从「它到底记了我什么」开始的人，选这支。
dsh-mirror（★13）
最纯粹的偏好记忆插件：模型主动记下你的原则、红线和工作方式，跨会话复用——有容量上限、会主动遗忘，每条记忆都附一句「为什么记」。
星数不大，想法很锋利；按字面搜「dsh 偏好记忆」，这就是目录里最贴的那支。
dsh-project-brain（★89）
记住的是项目而不是人：架构分析、跨会话上下文、TODO 和可选的混合检索，大脑长在你正在做的那个仓库上。
想人和项目都记住，把它和一支面向个人的档案插件搭配——两者不重叠。
常见问题
偏好记忆插件和知识库 / RAG 插件有什么区别？
存的东西方向相反。知识库或 RAG 插件存你喂给它的参考资料，按需检索段落；偏好记忆插件存的是它对你的观察——决策、约定、工作方式、红线——并在新会话自动注入，让模型一开口就认识你。两者可以共存：知识库回答「文档怎么说」，记忆层回答「你喜欢什么」。
跨会话记忆插件会泄露我的隐私吗？
本清单的插件都存在本地——你 DSH profile 目录里的 SQLite 数据库或 Markdown 文件，记忆层本身不上传任何东西。装之前该确认三件事：写入有没有门禁（dsh-memento 每条写入都要审批）、存储能不能查看和编辑（meow-memory 和 noema 的分层都可直接读）、有没有牵扯第三方服务。记忆的隐私边界就是你的机器，这正是本地存储的意义。
两支记忆插件能同时用吗？
主力记忆层只留一支。两支自动召回插件都会在每轮前注入上下文，结果是重复注入、互相矛盾的摘要、翻倍的 token 开销，而且出了问题分不清是谁的记忆在答。记忆插件和非重叠层（比如上下文压缩）搭配没问题，图谱核心加偏好档案也可以刻意组合；但两支同类插件一定会打架。
dsh 记忆插件怎么卸载？
插件本体按普通插件卸载——DeepSeek Harness 的插件管理页负责移除。它写下的记忆是另一回事：profile 目录里的 SQLite 或 Markdown 文件，卸载后仍然保留（这是故意的）。想彻底清掉就一并删除这些数据；想换插件，后继者往往能直接读。分步操作见下方卸载指南。
新手先装哪支？
想全自动就 mindmemos——召回和回写都不用配置。主要用 Web GUI 就 dsh-auto-memory。想看清它记了什么就 meow-memory（七层命名分层）。隐私优先、每条写入都想审批就 dsh-memento。先装一支，干一天活，检查它存了什么，再考虑加第二层。