dsh-memory-jev

大模型记忆系统最怕两件事：模型自己“编”出从未发生过的回忆，以及无关旧记忆在每轮对话里刷屏。dsh-memory-jev 为 DeepSeek Harness 提供一套以 TypeSafe Jev 决策模型为边界的记忆层：写入、召回与自动注入都经过门控，但 Jev 只返回 choice、score、noul 等类型化结论，从不生成自然语言，因此是否值得保留、替换哪条旧记忆、候选是否相关、本轮是否注入——都由模型判断，正文与措辞始终留在插件侧。

插件用三道门串联整条链路。写入门在本地二元预筛后询问 worth_keeping 与 supersedes；召回门对候选逐条做相关性概率并排序；注入门在代理步前做廉价文本筛选与池内减法后再判断，最多在回合尾部追加一块自标识的用户快照。写入在门控不可用时仍落盘（fail-open），召回可降级为本地排序，注入则在不确定时宁可沉默（fail-closed）。同时遵守每回合至多注入一次、每条记忆在同一会话内至多注入一次等不变量，并在上下文离开后重置可再注入状态。

成本与边界也写得很清楚：判断请求走 OpenRouter 的 Jev 端点，可按日预算与调用上限记账；无密钥时写入与召回走确定性降级路径，注入关闭。敏感模式匹配会跳过外发判断，审计日志只记概率、费用与哈希元数据，不记正文。适合希望在 DSH 里长期积累上下文、又要把“记什么、什么时候提、提多少”交给可配置门控而非让 LLM 自由发挥的团队与个人。