从文件、目录、URL 与文本创建 DSH 知识库，再通过 `knowledge_search` 检索有边界的证据。
DSH 适配
原生运行时
作者声明
安全审计
未审计
最后核验
2026-09-08
许可证
AGPL-3.0
01它能帮你完成什么？
导入知识来源并为 DSH 模型检索证据
可管理的知识库，以及词法、向量或混合检索和有序证据上下文
需要本地或 provider 驱动文档 RAG 的 DSH 用户
02如何接入 DeepSeek Harness？
前置条件
- Node.js ^22.19.0 || >=24.0.0、pnpm >=10、已初始化的 DeepSeek Harness，以及 README 列出的 `allowBuilds` 许可。
安装步骤
- 01
执行 `dsh plugin --profile <name> add dsh-knowledge`，随后重启 Web 服务并刷新页面。
$ dsh plugin --profile <name> add dsh-knowledge
验证接入成功
- 先在“召回测试”检查结果，再让模型经 `knowledge_search` 使用知识库。
03DSH 适配与能力边界
DSH 知识库与 RAG 插件
知识库管理与检索
文件、目录、URL 或纯文本→持久知识库与包括 `knowledge_search` 在内的 14 个模型工具
永久删除必须经宿主确认。
04适合谁？何时不该用？
适合
- 需要本地或 provider 驱动文档 RAG 的 DSH 用户
不适合
- Intel Mac 无法运行基于 onnxruntime 的本地 embedding 与 OCR，应改用 OpenAI 兼容服务或 Ollama。
- API Key 以明文保存在本机，需保护 profile 数据目录。
05兼容性、维护与安全提示
- Intel Mac 无法运行基于 onnxruntime 的本地 embedding 与 OCR，应改用 OpenAI 兼容服务或 Ollama。
- API Key 以明文保存在本机，需保护 profile 数据目录。
AGPL-3.0 源码；维护者 README 声明来自抓取的 main 分支
06常见问题
不下载本地 embedding 模型也能使用吗？
可以。README 说明它可零向量运行；未下载模型时仍可使用关键词检索。
让模型使用前如何验证召回？
先使用“召回测试”，再让模型通过 `knowledge_search` 使用知识库。
选择为空或失效的知识库会怎样？
维护者说明它会匹配零个知识库，不会静默扩大到全部知识库。
07相关的 DSH 工作流
weknora
作者 tencent
开源的 LLM 知识库平台：把原始文档转化为可检索的 RAG 知识库、自主推理智能体和自动维护的 Wiki 系统，支持多租户部署。
honcho
作者 plastic-labs
用于构建有状态 AI 智能体的记忆库，支持跨会话连续学习与上下文工程。
mirage
作者 strukto-ai
全球首个面向 AI 智能体的统一虚拟文件系统。
reme
作者 agentscope-ai
ReMe：面向 AI Agent 的记忆管理套件——帮 Agent「记住我、优化我」，支持 RAG 与长期记忆。
08数据与来源
dsh-knowledge 把文档导入、解析、分块、检索、证据组织和模型续读整合进 DSH。它既可以零向量配置运行，也可以完全使用本地模型，不要求额外部署独立的知识库服务。
页面基于项目公开文档、仓库元数据和 DSH Plugins 的结构化解析生成；最后核验于 2026-09-08。发现错误？提交更正。
最佳 DeepSeek Harness 插件
从全目录挑出的 12 个值得优先安装的插件，覆盖各个分类。