dsh-layered-memory

dsh-layered-memory

DeepSeek Harness 的分层蒸馏记忆插件：对话在后台自动完成 L0 捕获 → L1 原子记忆 → L2 场景整合 → L3 画像蒸馏，模型每一步前自动把相关记忆注入上下文。

English · 最新发行版 · 反馈问题

快速开始

需要 Node ≥ 22.16 与 DeepSeek Harness 0.1.2-alpha.1 ~ 0.1.2-rc.1（0.10.0 起 支持到 0.1.2-rc.1，npm latest 已指向该版本；旧版插件请看 历史版本）。 两种调用方式任选（npx 前缀可替换下面任何 dsh 命令）：

# 方式一：npx 直接跑官方 CLI（无需预装 dsh）
npx -y @deepseek-ai/dsh plugin --profile web add dsh-layered-memory

# 方式二：已装 dsh CLI（升级：npm i -g @deepseek-ai/dsh 并重启；
# dsh 是 pnpm 转发器，未装 pnpm 时先 npm i -g pnpm）
dsh plugin --profile web add dsh-layered-memory

# 包源备选：GitHub 仓库 / 本地路径（开发调试，link: 指向仓库，pnpm run build + 重启 dsh 即生效）
dsh plugin --profile web add https://github.com/JunNanLYS/dsh-layered-memory
dsh plugin --profile web add /path/to/dsh-layered-memory

让 Agent 安装（推荐）

如果当前 Agent 可以执行终端命令，把下面这段话完整发送给它：

请为 DeepSeek Harness 的 web Profile 安装 dsh-layered-memory 插件。

只执行下面两条命令，不要修改其他 Profile：
dsh plugin --profile web add dsh-layered-memory
dsh --profile web --dump-config

确认输出中出现 dsh-layered-memory 后告诉我安装结果。
不要替我关闭或重启正在运行的 DSH；安装完成后提醒我手动重启 DSH Web Host。

Agent 应当返回安装结果，并明确告诉你配置中是否已经出现 dsh-layered-memory。

本包声明了 dsh.bundle 组合包层（cordis.patch.yml），安装后会自动挂载插件行—— 不需要再手改 $DSH_HOME/profiles/web/cordis.patch.yml。然后重启 DeepSeek Harness， 验证：~/.dsh/memory/ 下出现 conversations/ records/ scenes/ 目录和 memory.db 即插件 apply 成功；设置页出现"记忆"页面（记忆工作台五区）、输入栏出现记忆芯片 （记忆 · 智能）即 client 半边就绪。

卸载：dsh plugin --profile web remove dsh-layered-memory + 重启。数据保留在 ~/.dsh/memory/，不需要时手动删除整个目录即可。

终端形态（TUI / headless）

除 web 外，同一插件可直接装进终端形态宿主：

# dsh-tui（Claude Code 风格 TUI 前门，详见 github.com/ccch1mneyyy/dsh-TUI · 官网 https://dshtui.com）
dsh plugin --profile dsh-tui add @deepseek-harness-tui/dsh-tui   # 首次：建 profile 并装 TUI 宿主
dsh plugin --profile dsh-tui add dsh-layered-memory
dsh --profile dsh-tui

• /memory <auto|chat|work|off> 切换当前会话档位，无参数时弹出档位选择面板；
• 状态行：提示框上方常驻 记忆:智能 等当前档位读数；
• /settings 设置区块：总开关、捕获、蒸馏、召回、蒸馏模型路由与输入预算可直接编辑 （与 web 设置面板同一存储；复杂路由链仍走 web / YAML）；
• headless（dsh --profile headless "一次性任务"）：捕获与蒸馏照常工作，无界面元素。 web 与终端形态共享 ~/.dsh/memory/ 同一份记忆。

从源码开发

git clone https://github.com/JunNanLYS/dsh-layered-memory
cd dsh-layered-memory
pnpm install && pnpm run build
dsh plugin --profile web add .        # link: 安装，改代码后 pnpm run build + 重启 dsh 即生效
pnpm run smoke                        # 冒烟测试（先重编：见下方命令）
npx tsc src/smoke.ts --outDir dist-smoke --module nodenext --moduleResolution nodenext --target es2022 --strict --skipLibCheck --esModuleInterop

依赖管理用 pnpm（与 dsh 官方安装通道一致，版本由 packageManager 字段钉死）。

运行时数据流

插件挂在 dsh 原生事件上（session/event 捕获、agent/pre-step 注入），蒸馏调用复用宿主 ctx.llm。召回以消息侧注入呈现：相关记忆作为一条合成消息排在用户新消息之前，会话流里显示为**"上下文注入 · memory"**行（点开看命中内容）——用户能直接看到"记忆生效了"；注入内容有长度预算与时间预算，超限截断/超时跳过，绝不拖慢对话。同会话去重：已注入过的记忆不再重复注入（模型上下文里已经有了，追问同类问题时省 token）；上下文被 /compact 压缩或清空时自动重置，记忆可重新注入；被更新的记忆（内容变化换新 id）不受旧压制。时效加权：召回排序按 相关度 × max(0.5, 0.5^(距上次更新天数/30)) 软加权——相关度相近的候选之间新鲜记忆优先（名额自然轮转），相关度足够高的老记忆照常召回（地板保证最多损失一半排序分，长期事实不沉底）；recall.decayHalfLifeDays 可调，0=关闭。

成本看板：每次蒸馏 LLM 调用（抽取/去重/L2/L3）的 token 成本按 provider/model 写入 SQLite 明细表（保留期可配置，默认 365 天，写入时滚动清理；记账失败只告警、绝不阻塞蒸馏）， 设置页 → 记忆 → 洞察 → 成本 子页可视化：按模型分色的趋势折线（日/周/月粒度 + 近 N 天窗口 + L1/L2/L3 层级过滤）、层级 × 时间窗口表格（调用数 / 输出与思考 token / 均值 / 中位数）、 按模型累计——蒸馏开销一目了然。输入按字符计（dsh 流式 usage 不含输入 token）， 输出与思考按 token 计。

记忆工具(3):

• memory_search
• conversation_search
• memory_read_scene

真机实录：召回注入与工具调用在对话里的样子——"上下文注入 · memory"行先带出相关记忆，模型再按需调 memory_read_scene 读取场景块，凭记忆直接作答：

在只开放代码执行入口的受限会话中，模型经由 run_code 间接调用记忆工具（轨迹视图中的 SUBTOOL 嵌套）：

分层记忆（L0–L3）

会话级记忆档位

会话侧是分散式记忆面——信息按类型住进宿主原生座位，插件不再有自有条带：

• 记忆芯片（输入栏左簇、Read Only 芯片右侧）：记忆 · {智能|日常|工作} 无边框 芯片（官方 composer chip 语法），文案是解析真值——记忆 · 只写（注入关）、 记忆 · 暂停（灰点）、记忆 · 降级（琥珀点）；zh/en 双语随宿主语言切换。
• 级联菜单（点击芯片向上展开）：两行 记忆范围 {值} › / 数据流 {值} ›；数据流 选项在 hover 二级子面板（跟随全局/读写/只写/暂停），点击不固定、桥接热区保证 慢速移动不断链；键盘通路齐备（方向键巡游 + focus 揭示）。
• 内联滑条（点「记忆范围」原地展开）：三停点 日常/工作/智能，拖拽跨档时芯片文字 实时联动；键盘方向键/Home/End + aria-valuetext。
• 暂停恢复快照：数据流切「暂停」进 off 档时记录暂停前范围与注入覆盖，恢复即原样 还原；每会话选择持久化到 session-modes.json（与全局开关叠加，全局是总闸）； L2/L3 完全分类，分类内容不渗透。
• 记忆占用只住官方上下文环面板：点开官方环即可见「记忆」分项小节（召回片段 / 记忆稳定区）；输入区没有任何占用 UI，只在官方统计行追加 待蒸馏 N 遥测段。
• 只写不读（#38）：数据流选「只写」即只写会话——捕获与蒸馏照常（对话照常沉淀 为 L0→L1→L2/L3），但不向本会话注入任何记忆（召回注入、画像/导航稳定区、工具指南 一并停止；memory_search 等读工具返回只写提示）。覆盖按会话持久化，切回 「跟随全局」即清除、跟随自动化区的召回开关；适合调试/评测/敏感会话「只吸收不干扰」。 与暂停正交：暂停是完全隐身（连捕获都关），只写保留「进」关「出」。
• 终端形态（TUI）：同一档位体系在 dsh-tui 宿主下以 /memory 命令、状态行与 /settings 区块呈现（安装见快速开始）。

界面预览

设置 → 记忆 是记忆工作台（五区任务导航，sticky 标签 + 箭头键巡游）：

• 总览：健康摘要 + 最近活动 + 关键数字 + 引导式空状态；
• 记忆库：L1 记忆 / L2 场景 / L3 画像按更新时间混排的只读资产活动流 （搜索 + 类型/范围/时间筛选 + 原位展开 + 复制）；
• 自动化：基础开关 + 高级披露（蒸馏路由链与预算）+ 嵌入模型披露；
• 洞察：成本 / 活动（近 7 天资产活动 + 蒸馏调用失败）/ 召回（累计与停用分布）；
• 维护：运行健康 + 诊断日志 + 危险区全量重建（二次确认 + 进度 + 可取消）。

实测对比（DSH-MemBench：自动化基准）

图文回答"长什么样"，这一节用自动化基准的实测数字回答"开了到底有什么用"（bench/，一条命令可复现）。方法：同场景库、逐字相同输入，A 组（记忆开）跑 3 次取合并值，B 组（记忆关）跑 1 次（无记忆的长任务每场景要吞数倍 token，成本护栏）；对话赛道只跑 A 组（B 组会话独立无记忆必然失败，对照无信息量，已下线）。对话赛道环境：DeepSeek 官方 deepseek-v4-flash、插件 0.8.5（判卷与被测同源，答案原文全部留痕可人工复核）、Windows；题型设计借鉴 LongMemEval / LoCoMo / AMB，扩展题型与生命周期赛道参照 MemoryAgentBench / GoodAI LTM / BEAM。

对话赛道为 0.8.5 新基线（修复版插件 + 修正后的判卷口径）；工作流赛道数字仍为 0.8.3 存档（0.8.5 起场景库扩至 8 个，新增前瞻记忆场景，重跑待做）。

对话赛道（20 场景 × 10 题型 × 3 次 = 420 题）：答得准吗

0.8.5 基线（A 组数据；对话赛道 B 组已下线，只跑 A 组）。

召回双通道（A 组）：被动注入召回率 78.1%（该题要点出现在召回注入中，281/360），其余多数由模型主动调用记忆工具查回——106 题主动查询、75 题靠工具兜底答对；端到端 95.2% 是两通道 + 模型利用的合成结果。记忆库跨场景全程累积下，探针召回注入混入其他场景记忆 295 次（已如实计数），总准确率反而前段 92.8% → 后段 97.7%——抗干扰能力经受住了膨胀记忆库的考验（离线灌水再灌 600 条合成噪声，检索层 recall@5 也只降 2.8pp）。

分层看短板：检索层离线指标（recall@5 受控复现）总 73.3%，其中事件排序 0%、场景回忆 50%——端到端仍 93%+ 靠的是注入邻近记忆后模型的鲁棒性；效率三角（记忆的开销）：注入非但不加延迟（注入轮响应比无注入轮平均快 210ms）、注入占每轮输入约 10.3%，蒸馏全链路摊到每条捕获消息 ≈2727 输入 / 240 输出 token（1172 次调用 0 失败）。

工作流赛道（0.8.3 存档 · 7 场景版 · A 组 3 次 / B 组 1 次，真实工具沙箱）：做得对、做得省吗

探针段完成度 85.5% vs 43.5%（+42pp）：教学/变更段两组都有现场上下文，探针段（新会话延续任务）才是纯记忆窗口——A 组三个新考法场景（流程知识更新 / 双胞胎消歧 / 风格规范延续）全部 12/12 满分且三轮一致；B 组在风格规范场景探针 0/4（命名/结构/千分位/页脚约定只存记忆，沙箱探不出来），在流程更新场景则能靠读脚本逆向（判别力受沙箱可供性限制，已如实标注）。

长任务成本：B 组每场景输入 token 是 A 组的 6.8 倍（1.81M vs 266k）——无记忆时 agent 靠重新探索前进，high 思考档下甚至会自建工程去探测本可用一条脚本约定完成的流程；输出 token 3 倍（46.2k vs 15.4k）、步骤 +70%。这正是记忆的核心价值：省掉的不是任务难度，是无谓的往返与重复探索。

方法论与复现

node bench/harness/run.mjs --arm A --repeats 3 --provider deepseek-official --model deepseek-v4-flash   # 对话赛道（只跑 A 组）
node bench/harness/run.mjs --track workflow --arm AB --repeats 3 ...                                  # 工作流赛道（A/B 双组并行）
node bench/harness/run.mjs --track lifecycle --arm A ...                                              # 生命周期赛道（门控/off/rebuild/遗忘）
node bench/harness/report.mjs --latest [dialog|workflow]                                               # 汇总报告
node bench/harness/retrieval-metrics.mjs <runDir> --flood 200,600                                     # 检索层指标 + 灌水曲线

• 判分：contains-all 程序判 + 判卷模型按要点判（答案原文与判分理由全部留痕 result.json 可人工复核）；带 stale 的题（更新/连锁/遗忘）"旧值当作现状陈述"才判负、拒答题允许引用真实背景解释"不知道被问点"；工作流完成度为产物文件 + 关键内容程序化校验（四型判据：正检查/禁词/产物缺席/存在性）；
• 指标面：准确率总表（6 核心 + 4 扩展题型）之外，自动产出检索层离线指标（recall@5 / 注入精度 / 作废泄漏）、效率三角（注入开销差分 / 注入占比 / 蒸馏记账摊到每消息）、规模位置分析（库容膨胀下的准确率/污染）与生命周期赛道专属节（分族门控矩阵 / off 双断言 / rebuild 保真 / 遗忘）；
• 实时进度：跑基准时自动拉起本地进度面板并打开浏览器（--no-panel 关闭）——A/B 双臂场景/阶段/消息粒度进度、心跳与活动新鲜度（直判"卡住 vs 进程挂了"）、累计成本随跑随涨；
• 指标全部来自供应商上报 usage（输入含缓存命中拆分）与会话事件折叠；稳态缓存率剔除每会话首请求（0.8.5 基线：89.1%——记忆注入不伤缓存）；
• 回归用途：改插件前后各跑一遍，compare.mjs 出对比表（环境头校验含 gitSha + B 组对照组漂移告警 + 检索层指标对比）；
• 局限（诚实声明）：单机；A 组 ×3 合并、B 组 ×1（成本护栏，噪声更大）；判卷与被测模型：对话 0.8.5 基线同源、工作流存档跑为异构（glm-5.3 判 v4-flash）；作者自建场景库（倾向记忆优势场景，欢迎自行复现）；沙箱文件的可供性会部分泄露流程（B 组可读脚本逆向，判别力受限处已如实标注）；工具审计双档（严格违规判负/宽松提示），实测双方 0 违规。

完整报告与逐题数据：bench/baseline/。

存储布局

向量能力默认关闭（纯 FTS）。DSH 的 ctx.llm 无 embeddings 端点，语义检索由 三态嵌入源提供（关闭 / 远程 / 本地），设置页可运行时切换——见下节。

语义检索（嵌入源）

设置页（记忆 → 自动化 → 嵌入模型）选择嵌入源，即时生效、无需改配置重启：

三种嵌入源：关闭（默认，纯 BM25 关键词检索）、远程（自备任意 OpenAI 兼容 /embeddings 服务，embedding.* 四件套配齐才可选）、本地（内置模型目录选一款， ONNX 量化 CPU 推理——无需 API Key，数据不出本机）。本地模型目录是插件内置 白名单（每款锁定 revision + 每文件 sha256，不可下载任意仓库）。

• 下载：模型卡一键下载（默认镜像 hf-mirror.com，断点续传 + sha256 完整性 校验；直连不可达时可走代理——默认自动探测 HTTPS_PROXY/ALL_PROXY 等环境 变量，见 embedding.proxy）。单文件失败自动重试且换缓存键（?dshmem-retry=N， 绕开镜像 CDN 偶发的坏缓存对象），校验失配从零重下、网络错误保留断点续传； 落盘数据目录 models/<id>/，不用了随时在设置页删除；
• 按需运行时：首次切换本地档才安装推理运行时（transformers.js，约 100~200MB， 装进数据目录 runtime/——不进插件依赖树，不碰插件安装目录）；模型加载与推理在 独立 worker 线程执行，不冻结宿主事件循环（嵌入计算期间对话与页面交互照常）；
• 活切换：一键换源——自动后台全量重嵌（进度可见、可取消，期间检索自动降级 关键词，不影响对话；维度变化时向量表按新维度重建）；切换失败保持旧源，重启仍按原源运行；
• 生效规则 = 部署上限 AND 运行时选择：embedding.allowLocalModels=false 可整体 禁用本地档、未配 embedding.* 四件套则远程档不可选（企业部署可收口），状态持久 化在 embedding-source.json。

配置

覆盖配置写在 profile 自己的 cordis.patch.yml，用顶层裸 patch 条目（直接 id:， 不要包在 insert: 里——insert 与 bundle 层同 id 追加会导致 duplicate loader entry id 启动失败）：

- id: dsh-memory
  name: dsh-layered-memory
  config:                    # 键按行整体替换（不深合并），按需写全要保留的键
    family: auto             # 新会话默认档：auto | chat | work
    llm:                     # 蒸馏模型静态路由（双字段齐 = 部署 pin，优先于设置页路由链；
      provider: ''           # 留空则跟随设置页路由链主路由或当前默认模型）
      model: ''

字段	默认	说明
family	auto	新会话默认记忆档位：auto（双族自动）| chat（个人）| work（工作）；会话内可用输入栏控件临时切换
dataDir	$DSH_HOME/memory	数据目录
capture.enabled	true	L0 捕获
capture.stripCodeBlocks	true	助手消息剥离代码块
capture.maxMessageChars	4000	单条消息最大字符数
extract.enabled	true	L1 抽取
extract.minMessages	6	稳态触发阈值：单会话攒够 N 条新消息跑一次 L1 抽取。起步阶段生效阈值从 1 翻倍爬坡到此值（首轮即出记忆，随后自动攒批省调用）
extract.idleSeconds	300	闲置兜底：会话静默 N 秒后把未蒸馏切片落袋（接住"没攒够阈值用户就离开"）；0 关闭
extract.backgroundMessages	10	抽取时附带的背景消息条数（按会话从 L0 现查，会话间互不污染）
extract.candidatePool	5	去重候选池大小
l2.enabled	true	L2 场景整合
l2.minNewMemories	5	距上次 L2 整合的新记忆阈值
l2.maxScenes	12	场景块数量上限
l2.sceneContextLimit	3	L2 prompt 附带的相似场景全文上限
l3.enabled	true	L3 画像蒸馏
l3.interval	20	L3 蒸馏间隔（新记忆条数）
recall.enabled	true	自动召回
recall.maxResults	5	每条新用户消息前注入的 L1 条数上限
recall.maxCharsPerMemory	500	单条注入记忆的字符上限（超限截断并提示用记忆工具查全文）；0 不限
recall.maxTotalRecallChars	2000	整轮注入总字符上限（超限按相关性丢尾部）；0 不限
recall.timeoutMs	5000	召回总预算（ms）：超时跳过本轮注入、不阻塞对话；0 不限时
recall.includePersona	true	系统提示注入画像上下文（<user-persona>，稳定区）
recall.includeSceneNav	true	系统提示注入场景导航（<scene-navigation>，稳定区）
recall.strategy	hybrid	检索策略：keyword / embedding / hybrid
recall.scoreThreshold	0.3	召回分数阈值（低于不注入；仅 keyword/embedding 策略生效，hybrid 融合前不过滤；工具路径不过滤）
recall.decayHalfLifeDays	30	召回时效衰减半衰期（天，0=关）：排序按 相关度 × max(0.5, 0.5^(距更新天数/半衰期)) 软加权——相关度相近的候选间新鲜记忆优先（名额轮转），老记忆最多损失一半排序分（地板兜底，长期事实不沉底）
embedding.enabled	false	向量检索开关；关闭即纯 FTS 运行
embedding.baseUrl	空	OpenAI 兼容 /embeddings 地址（如 https://api.siliconflow.cn/v1）
embedding.apiKey	空	API Key
embedding.model	空	embedding 模型名
embedding.dimensions	0	向量维度（启用时必填，须与模型输出一致）
embedding.maxInputChars	5000	单条文本最大字符数（超长截断）
embedding.timeoutMs	10000	单次 embedding 调用超时（ms）
embedding.allowLocalModels	true	允许本地嵌入档（部署上限：关闭后设置页不能下载模型、不能切本地档）
embedding.mirror	https://hf-mirror.com	本地模型下载镜像根地址（可改回官方 https://huggingface.co）
embedding.proxy	''	模型下载代理三态：''（默认）= 自动探测代理环境变量（HTTPS_PROXY/ALL_PROXY 等，尊重 NO_PROXY）；none = 禁用强制直连；其他值 = 代理 URL（如 http://127.0.0.1:7890）。镜像直连在国内网络间歇不可达（直连超时与污染字节交替出现过），开代理的机器建议保持默认自动探测
llm.provider/model	空	蒸馏模型静态路由（部署 pin）：provider 与 model 双字段齐时锁定蒸馏路由，优先于设置页的运行时路由链与默认模型（部署可强制蒸馏走指定路由）；留空则跟随"设置页路由链主路由 → 默认模型"。运行时可在设置页 → 记忆 → 自动化 → 高级路由与预算的蒸馏路由链编辑器里配置主路由与回退链（从已配置的供应商（含 dsh 设置 → 模型里添加的自定义供应商）中选择，主路由行可留空跟随默认模型），非空即整体接管本静态配置，即时生效无需重启
llm.fallbacks	[]	蒸馏回退链：主路由失败（报错/被掐断/网络异常/空输出）后按条目顺序逐个降级尝试的备用路由列表，条目 = {provider, model, reasoningEffort?}（档位非空覆盖全局 llm.reasoningEffort，仍按模型能力钳制）；与主路由完全相同的条目自动跳过；每条路由各享全额 timeoutMs；全部失败交既有按会话退避重试。空数组（缺省）= 单路由行为不变（详见下方蒸馏回退链与慢 TTFT 模型）；设置页运行时路由链（distillChain）非空时整体接管主路由与回退链（单行链 = 显式无回退），空 = 跟随本配置
llm.layerRoutes	{}	蒸馏按层路由：层键 l1/l2/l3 各配一条完整链（条目同 llm.fallbacks，头行必须 provider+model 双显式），非空即完整替换该层解析（该层主路由与回退都归层链管，全局链对该层不参与），空/缺省 = 该层跟随全局；l1 同管抽取+去重两个调用点。运行时可在设置页「蒸馏参数」分段面板里按层编辑（优先于本静态配置）；部署 pin 不废静态层链（同为部署配置，同回退链先例）。与回退链正交可组合——每层各自一条链（ADR-0005）
llm.maxTokens	65536	未分层调用的兜底输出总闸。各蒸馏层有独立预算（抽取 16k / 去重 8k / L2 32k / L3 16k；思考档 high/xhigh/max 时自动 ×4，防 reasoning 吃光预算），分层预算可在设置页 → 记忆 → 自动化 → 高级路由与预算运行时调整（留空/0 = 跟随内置默认）
llm.reasoningEffort	空	蒸馏思考档位：空串 = 自动（按模型能力解析：模型默认档 → high）；显式值（off/none/minimal/low/medium/high/xhigh/max）仅在该模型声明支持时发送——跨供应商 effort 词汇表不同（deepseek 认 off，OpenAI 系是 none，未声明档位的模型不传），不支持的档位自动降级为不传并告警一次；思考档 high/xhigh/max 时输出预算自动 ×4。运行时可在设置页路由链编辑器里逐路由覆盖档位（行内下拉，词表按各模型声明的能力实时显示，缺省跟随本值）
llm.temperature	0.3	蒸馏温度
llm.maxInputChars	700000	单次蒸馏输入字符预算（超限的 L1 输入自动分块抽取）；运行时可在设置页 → 蒸馏参数 → 输入预算调整（留空/0 = 跟随本值）
llm.timeoutMs	120000	单次蒸馏调用超时（ms）
tokenCost.retentionDays	365	蒸馏成本明细（token_cost 表）保留天数，写入时滚动清理更早行；0 = 永久保留。成本看板「近 N 天」窗口上限同此值
tools	true	是否注册模型可调用的记忆工具
benchControl	false	注册 bench 控制服务（进程内 rebuild 触发/会话档位设置/蒸馏用量快照，供基准 lifecycle 赛道）。默认关——生产部署零表面积，勿随意开启

蒸馏回退链与慢 TTFT 模型

部分推理供应商的免费/慢速档位首 token 延迟（TTFT）可达 20 秒以上，而部分上游网关会在连接静默约 20 秒时掐断——蒸馏调用以固定 ~20s 失败（llm aborted），插件侧 120s 超时根本轮不到生效（#31 的实测场景）。三层缓解按需取用：

• 换路由（最直接）：设置页 → 记忆 → 自动化 → 高级路由与预算的路由链编辑器即时改主路由（或把快路由排到链首），或静态 pin llm.provider/llm.model。

• 回退链（自动降级）：主路由失败时按序自动换备用路由，无需人工干预：

  llm:
    provider: opencode-go          # 主路由（也可不 pin，跟随设置页路由链主路由/默认模型）
    model: ox-alpha-free
    fallbacks:                     # 条目顺序 = 降级优先级；不配置 = 单路由行为不变
      - provider: opencode-go
        model: deepseek-v4-flash
        reasoningEffort: low       # 可选：该路由的档位覆盖（缺省跟随全局）
      - provider: deepseek-official
        model: deepseek-v4-flash
  

• 按层路由（各走各的通道）：不同蒸馏层对模型诉求不同（L1 高频要便宜快稳、 L3 低频可容忍慢首包但要强能力），可给差异层单独配链——每层一条完整回退链， 未配置的层照走全局链：

  llm:
    layerRoutes:                  # 按层独立路由（#34）；头行必须显式 provider+model
      l1:                         # l1 同管抽取 + 去重两个调用点：配条便宜快稳的链
        - provider: opencode-go
          model: deepseek-v4-flash
          reasoningEffort: low
        - provider: deepseek-official   # 层内回退：L1 故障只降级到这里，不落全局链
          model: deepseek-v4-flash
      l3:                         # L3 画像蒸馏：低频大输入，配强能力链
        - provider: deepseek-official
          model: deepseek-v4-flash
          reasoningEffort: high
  

  也可在设置页 → 记忆 → 自动化 → 高级路由与预算的分段面板（全局默认 / L1 / L2 / L3） 里按层运行时编辑，层内优先级：运行时层链 > 本 YAML 静态层链 > 全局默认链， 逐级兜底。

  失败 = 报错 / 被掐断 / 网络异常 / 空输出（流正常结束但 0 字符——对蒸馏而言必然在解析阶段报废，改判为该路由失败而非返回空串）；调用方主动取消不降级；每条路由各享全额 llm.timeoutMs（共享预算会让慢 TTFT 的回退路由拿到的窗口小于它真实需要的首包时间，回退链形同虚设）；token 成本逐次尝试记账（失败尝试也计一行，含流中断前已到的 token），成功调用归因到实际服务的路由。路由链也可在设置页 → 记忆 → 自动化 → 高级路由与预算的「蒸馏路由链」编辑器里运行时调整（无需改配置重启）；本 YAML 适合部署者固化静态链。

• 调高超时：llm.timeoutMs 只在路由确实慢但网关不掐时有用；网关 20s 掐断的场景调插件超时无效，请用前两层。

日志与故障排查

dsh 宿主把插件日志打到控制台；插件另把 info 级以上镜像到数据目录的 memory.log。 一轮对话的典型日志路径：L0 捕获 → L0 落盘 → 蒸馏管线开始 → LLM 调用（输入/输出 字符数、耗时） → L1 阶段完成 → 管线结束；下一轮开头是 召回注入 N 条 L1。LLM 空输出 带完整诊断（finish reason / token 计数 / reasoning 摘录）；JSON 解析失败记录模型原始输出 前 400 字符；所有失败告警带堆栈首帧。JSONL 事实源按轮次追加、依赖操作系统写回（不做逐条 fsync），断电等极端崩溃最多丢最后一小段尾部，检索库可用「重建记忆」从事实源全量重导。

与 MemoryCore 的差异

• 内嵌完整管线（不依赖外部 Gateway），蒸馏复用 DSH 自己的 LLM；
• L2/L3 由"LLM 操作文件工具"改为"LLM 输出操作 JSON / 完整文档，工程侧执行"；
• 召回注入点在 agent/pre-step（消息侧合成消息，官方 pre-step 替换语义）+ agent 作用域 systemPrompt.context（画像/导航稳定区，DSH 原生事件/服务）；
• 存储/检索即官方 sqlite 后端的单机裁剪版（裁掉多租户隔离列、TCVDB 云后端、审计表； 分词与官方一致用 jieba——@node-rs/jieba 预编译二进制 + CJK 二元组并集， 词元供 BM25 精确整词命中、二元组保子词召回；加载失败自动回退纯二元组， FTS 索引按分词器版本戳自动重建）。

路线图

以下为规划中的功能，欢迎在 Issues 反馈需求与优先级：

• Git 分支感知：记忆与当前 git 分支关联，召回可按分支过滤/加权（与现有记忆档位正交）
• Claude Code / Codex 记忆导入：一键迁移既有记忆资产（CLAUDE.md、Claude Code 记忆文件、Codex AGENTS.md 等），导入后进入分层蒸馏管线

致谢

记忆核心能力（分层蒸馏管线、Prompt 设计、双写存储架构）参考自 TencentCloud/TencentDB-Agent-Memory 项目中的 MemoryCore，感谢原项目开放的设计与实现。

License

MIT