dsh-memory-graph
在终端中运行以下命令:
dsh plugin install ilaomianyang/dsh-memory-graph
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中执行 dsh plugin install ilaomianyang/dsh-memory-graph 安装本插件(源码仓库:https://github.com/ilaomianyang/dsh-memory-graph),装完后重启 Harness 并在「设置 → 记忆图谱」中配置。
插件介绍
对话窗口一压缩,旧决定、旧偏好就像从没说过——那是工作记忆策略,不是档案室。dsh-memory-graph 在 Harness 上下文之外替你留一层长期联想记忆:原始对话以情节形式只追加、不重写,再由抽取器蒸馏成带类型、时间与来源的卡片,并通过实体把「同一段记忆里出现过的东西」连起来;信念变了不会删旧稿,而是 supersede 链,读起来能跟上事物怎么走到今天。
模型要用长期记忆时,主动调 memory_search、memory_get 等工具即可——插件不会把整库塞进每一轮,避免无谓成本。你可以在设置里管采集与脱敏、蒸馏节奏与检索深度,用 graph.html 或侧栏「记忆图谱」浏览整库,在会话「记忆」页签里只看当前对话沉淀了什么。库在本地纯文本目录,可 grep、可 git,只属于你。
适合长期用 Harness 做项目决策、偏好与事实积累的人:想和压缩上下文并存、又希望三个月前的结论还能被找回来,并且愿意让模型在需要时再检索,而不是默认每句都带一长段摘要。
截图预览
使用场景
- 窗口压缩后仍要找回几周前的技术决策与理由
- 跨会话积累偏好、事实与待办,并用 supersede 链看清观点如何演变
- 新装插件后用回填把历史会话转成情节,再按需蒸馏成可检索卡片
适合人员
- 长期用 Harness 做项目、希望记忆可移植可读的用户
- 需要与上下文压缩并存、而非被摘要替代的长期 recall
- 愿意在模型主动检索时才引入记忆、控制上下文成本的人

