🧠

dsh-memory-amem

记忆更新于 2026.08.25

在终端中运行以下命令：

dsh plugin install Zhang-Zhengyuan/dsh-memory-amem

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 终端执行 dsh plugin install Zhang-Zhengyuan/dsh-memory-amem 即可安装本插件（源码：https://github.com/Zhang-Zhengyuan/dsh-memory-amem）。

插件介绍

DeepSeek Harness 内置了多个对话 Agent，却缺少原生长期记忆能力：每次新会话都从零开始，模型无法回忆此前的对话内容。dsh-memory-amem 将 A-MEM（NeurIPS 2025）范式引入 DSH，把每条用户消息捕获为结构化笔记，并通过 LLM 驱动的演化步骤自动关联新旧记忆，让跨会话知识不再丢失。

插件内部运行六阶段管线：确定性准入门过滤噪声与敏感内容，LLM 提取关键词与上下文标签，BM25 与 TF-IDF 混合检索最相关的相邻笔记，最终由 LLM 决定是否强化、更新或跳过演化。每轮对话中，最相关的历史笔记会被动态注入系统提示，模型无需显式调用工具即可感知上下文。同时向模型暴露四个工具供按需调用：memory_search、memory_add、memory_recent 与 memory_stats。

适合需要持久跨会话对话、多轮长程推理，或希望 DSH Agent 拥有持续积累知识库的用户。在 LoCoMo 长对话基准上，即使搭配小型 DeepSeek 模型，其表现也超过了无记忆条件下的闭源大模型基线，以极低成本实现了接近长上下文窗口的召回效果。