dsh-memory-bridge

DeepSeek 云端模型拥有百万 token 上下文窗口，将全部历史塞进提示词尚且可行。但切换到本地模型时，窗口通常只有 4K 到 32K token，性能随长度显著衰减，靠窗口硬扛记忆不再现实。跨会话的偏好、项目背景、既定决策在每次新对话中归零，重复说明与前后矛盾成为日常痛点。dsh-memory-bridge 正是为此而生：它把对话中值得留存的经历提取、结构化为 Markdown 记忆树，在后续对话中只按需注入相关的几条，让极小窗口的模型也能拥有可用的长期记忆。

检索端完全零 LLM，采用 BM25 词频打分加多路 RRF 融合排序，同一数据状态下结果可复现、可审计，无需向量库或外部服务。写入端提供 LLM 提取与零 LLM 规则双通道：说"记住教训"立即固化为永久经验，偏好信号聚合满三条自动提案，其余由 LLM 从对话中提取并归链。注入按对话意图分档——关键轮次最多三条、一般轮次一条、寒暄零注入——确保记忆是按需翻阅而非无脑塞入上下文。

治理侧，30 天闲置记忆枝自动完结、低利用率卡片降权淡出、注入命中审计闭环让记忆库不无限膨胀；全部数据以明文 Markdown 存储，可读可修可迁移，SQLite 索引只是可重建的加速层。设置页内置事件图谱、知识图谱、时间线、待审队列、画像蒸馏与审计日志共七个可视化面板。本插件适合本地模型用户作为核心记忆层、云端用户作为结构化检索的锦上添花、以及对数据透明与可审计有要求的隐私敏感用户。