liangxiaobing520/dsh-local-vector-memory

Name: liangxiaobing520/dsh-local-vector-memory
Author: liangxiaobing520

Plugin插件 Native原生 ⭐ 3 MIT Memory & Knowledge记忆与知识库

Fully local vector memory plugin for DeepSeek Harness: local embeddings, SQLite storage, automatic recall injection, dedup with conflict detection, soft-delete recycle bin, online backup.

Project Overview项目介绍

Edited by Zhiwei Agent (zhiwei)由知微Agent(zhiwei)编辑

This is a local-first vector memory plugin built natively for DeepSeek Harness (DSH). It stores all vector memory data in a local single-file SQLite database and runs all embedding processes on local infrastructure to keep user memory data fully private. Before every DSH agent inference step, it automatically retrieves the top-K most relevant memories and injects them into the conversation context wrapped in a <local-memory> tag. It supports three methods of adding new memories: manual addition via the memory_add tool, automatic capture when user messages have trigger keywords, and automatic extraction at the end of a full conversation.

It comes with built-in memory conflict detection to prevent duplicate and contradictory entries. When new memory has a similarity score of 0.86 or higher with an existing entry but is not an exact duplicate, the plugin prompts the user to update the existing entry via memory_update instead of adding a new duplicate. It also implements a soft delete system for forgotten memories: deleted entries go to a recycle bin that can be restored via memory_restore, and only the purge=true flag triggers permanent deletion. It also creates automatic online backups of the SQLite database, retaining the 5 most recent snapshots by default.

Installation is straightforward via the DSH CLI: run the command dsh plugin --profile web add dsh-local-vector-memory and restart DSH Web to activate the plugin. To run the plugin, you need Node.js 22.5 or newer, because it relies on the built-in native node:sqlite module added in that version. You also need to run a local OpenAI-compatible embedding service, which the project recommends to be Qwen3-Embedding-0.6B hosted via llama-server. DeepSeek cloud API with deepseek-v4-pro is optional for automatic extraction, v0.3.4+ adds low-value filtering, and the project is open under the MIT license.

这是一款专为DeepSeek Harness（DSH）打造的原生本地向量记忆插件，采用本地Embedding向量化加SQLite单文件存储方案，会在Agent每次推理前自动检索并注入相关Top-K记忆，还可在会话结束后调用DeepSeek云端的deepseek-v4-pro自动从整段对话提取记忆。它支持三种记忆写入途径：手动添加、命中记忆关键词时自动捕获、会话结束自动提取。

该插件具备防矛盾记忆检测能力：当新记忆与已有记忆相似度≥0.86但未达到完全重复时，会提示用户调用memory_update更新旧记忆，而非新增重复条目。它默认对memory_forget操作做软删除，被删除的记忆会进入回收站，可通过memory_restore恢复，仅当指定purge=true参数时才会永久删除。插件还支持在线备份，默认保留最近5份备份，若嵌入服务不可用则自动退化为关键词匹配。

你可以通过DSH命令行工具一键安装：执行dsh plugin --profile web add dsh-local-vector-memory，重启DSH Web即可生效。运行依赖Node.js≥22.5，需要搭配一个兼容OpenAPI格式的本地嵌入服务，推荐使用Qwen3-Embedding-0.6B加llama-server，DeepSeek云端API用于提取记忆，属于可选配置。从v0.3.4版本起新增低价值内容过滤功能，项目采用MIT许可证开源。

View on GitHub在 GitHub 查看

Send to your DSH发给你的 DSH 安装

请帮我安装这个 DSH 插件。安装前先完成【兼容性检查 + 安全性检查】，检查通过再动手。

插件：dsh-local-vector-memory（liangxiaobing520/dsh-local-vector-memory）
仓库：https://github.com/liangxiaobing520/dsh-local-vector-memory
本站详情页：https://www.yhbd.top/plugins/liangxiaobing520-dsh-local-vector-memory/
本站登记：类型 plugin · 归类 原生 DSH 插件 · 许可证 MIT · ⭐ 3 · 最近提交 2026-09-21 · 主语言 JavaScript

按下面顺序执行，每步先把结论告诉我，再进入下一步：

【1 兼容性检查】
① 我这边：DSH 版本、Node 版本、操作系统、当前 profile（web / desktop）。
② 读它的 README、package.json、插件 manifest，列出它要求的 DSH 版本 / Node 版本 / 操作系统 / 外部依赖 / 需要另外先装的运行时。
③ 逐条比对，结论只写「满足 / 不满足 / 未知」三种；不满足的给出可行替代方案。
④ 检查是否和我已装的插件冲突：命令名重复、skill / tool 重名、端口占用、重复注册的 MCP server。

【2 安全性检查】
① 仓库可信度：和上面「本站登记」是否一致；star / fork 数、创建时间、最近提交，是否归档或长期停更。
② 安装脚本：逐行看 package.json 的 preinstall / install / postinstall，以及 install.sh、setup.ps1 之类脚本。出现 curl|bash、下载后直接执行、混淆代码、访问与插件功能无关的域名，立刻停下来告诉我，不要继续装。
③ 依赖：列出新增依赖，标出无人维护、或与知名包拼写近似的可疑包（typosquatting）。
④ 权限与副作用：它会读写哪些目录、访问哪些域名、需要哪些 DSH 权限（filesystem / network / shell / clipboard 等），以及怎么卸载和回滚。
⑤ 如果它要求 sudo / 管理员权限，或权限明显超出功能所需，先停下来问我。

【3 安装】
上面两步没有「不满足」和「高危项」时才执行；用官方推荐方式安装，不要自行提权。

【4 汇报】
用表格输出：检查项 / 结论 / 依据 / 是否需要我决策。拿不准的一律写「未知」并说明要我怎么确认——不要猜，也不要替我决定。

Send this message to DSH in your current session: it verifies compatibility and security first (answering met / not met / unknown item by item) and only installs once everything checks out — it will stop and ask you if it finds a high-risk item. The box scrolls; the copy is the full prompt. CLI install commands may not be accurate across systems, so DSH is the safer route.把上面这条消息直接发给当前会话里的 DSH：它会先核对兼容性与安全性（逐条给「满足 / 不满足 / 未知」），确认没问题再安装，有高危项会停下来问你。框内可滚动，复制到的是完整提示词；安装命令不一定准确，发给 DSH 更稳。

Pre-install check安装前体检Compatibility · Security兼容性 · 安全性 1 warning1 项注意

Only 3 stars - very few users, little community feedback星标只有 3，几乎没人在用，遇到问题缺少社区反馈

DSH walks through these 9 checksDSH 会逐条核对这 9 项

Compatibility兼容性

DSH, Node, OS and profile requirementsDSH 版本 / Node 版本 / 操作系统 / profile 是否满足要求
External dependencies and runtimes (Electron / Python / Docker, ...)外部依赖与运行时（Electron / Python / Docker 等）是否齐备
Conflicts with installed plugins: command names, skill / tool names, ports, duplicate MCP registration与已装插件是否冲突：命令名、skill / tool 重名、端口占用、重复 MCP 注册

Security安全性

Repo matches the facts registered here; archived or abandoned?仓库是否与页面登记一致，是否归档或长期停更
Safety of preinstall / install / postinstall and install.sh / setup.ps1preinstall / install / postinstall 与 install.sh、setup.ps1 是否安全
curl|bash, download-then-execute, obfuscation, unrelated domains → stop immediatelycurl|bash、下载即执行、混淆代码、无关域名 → 立刻停止
Typosquatting or unmaintained packages among the new dependencies新增依赖里有没有 typosquatting 或无人维护的包
Requested permissions vs. what the feature actually needs申请了哪些权限、是否超出功能所需（filesystem / network / shell / clipboard）
Any sudo / admin requirement, plus uninstall and rollback是否要求 sudo / 管理员权限，以及卸载与回滚方式

Anything uncertain must be marked unknown with a note on how to confirm it. This site's signal screen is a static snapshot, not a security audit.拿不准的必须标「未知」并说明要我怎么确认。本站的信号筛查是静态快照，不能替代安全审计。

Or use CLI install (for developers)或使用命令行安装（适合开发者）

CLI Install命令行安装

dsh plugin --profile web add dsh-local-vector-memory

把 liangxiaobing520/dsh-local-vector-memory 加入你的 DSH 配置（web profile）即可启用。

READMEREADME

8.1 KB · 缓存于 2026-09-21 19:38:37 · 8.1 KB

dsh-local-vector-memory

本地向量记忆插件 for DeepSeek Harness(DSH)。本地 embedding 向量化 + SQLite 单文件存储,对话自动召回注入;会话结束由 DeepSeek 云端 deepseek-v4-pro 自动提取。

A local-first vector memory plugin for DeepSeek Harness: local embeddings, SQLite storage, automatic recall injection, and DeepSeek cloud v4-pro extraction at session flush.

特性

写入三条路:手动 memory_add;用户消息命中记忆线索(记住/以后/偏好/约定/不要…)时毫秒级自动捕获;DeepSeek 云端 deepseek-v4-pro 在会话结束时从整段对话提取记忆(autoExtract,默认开)
防矛盾记忆:写入时检测与已有记忆的冲突/过时(相似度 ≥0.86 但未达完全重复),提示改用 memory_update 更新旧记忆而不是新增重复条目
回收站:memory_forget 默认软删除,memory_restore 可恢复;purge=true 才永久删除
在线备份:memory_backup 用 SQLite VACUUM INTO 生成一致性快照(安全于手工复制 WAL 库),默认保留 5 份
自动召回:每次 agent 推理前检索 top-K 相关记忆注入上下文(<local-memory> 标签),会话内 LRU 去重
批量向量化:提取/重建索引一次 HTTP 批量请求,失败自动逐条回退
关键词兜底:embedding 服务不可用时退化为中英文关键词匹配,写入照常
本地存储:向量库是单个 SQLite 文件(node:sqlite,Node ≥22.5);embedding 全本地,提取走 DeepSeek 云端

需求

DSH(DeepSeek Harness),web profile
Node.js ≥ 22.5(内置 node:sqlite)
OpenAI 兼容的本地 embedding 服务(见下文,推荐 Qwen3-Embedding-0.6B + llama-server)
DeepSeek 官方云端 API(deepseek-v4-pro)用于提取(可选;默认走线索自动捕获)
⚠️ 不要把 API key 写进任何会被提交的文件。key 只放在本机,支持三种写法:
```
extractionApiKey: "${DEEPSEEK_API_KEY}"        # 1. 环境变量
extractionApiKey: "dsh:DEEPSEEK_API_KEY"       # 2. DSH 凭据库(~/.dsh/.credentials.yaml)
extractionApiKey: "local-no-auth"              # 3. 明文占位(仅限免认证的本地服务)
```
仓库内的 cordis.patch.yml 只是 bundle 挂载声明,不含任何凭据;profiles/<profile>/cordis.patch.yml 用于覆盖配置,请勿在其中写明文 key(会留在磁盘上,也可能被 UI 回显)。

安装

dsh plugin --profile web add dsh-local-vector-memory

插件声明 dsh.bundle.patch,安装后 dsh.profile.bundles 自动追加,无需手改 package.json。重启 DSH Web 生效。

工具(12 个)

工具	作用
`memory_add`	写入一条长期记忆(用户说"记住…"时;自动去重 + 冲突检测)
`memory_search`	向量检索(embedding 挂了自动关键词兜底;支持 tag 过滤)
`memory_list`	浏览记忆,支持 tag/source 过滤;`includeDeleted=true` 看回收站
`memory_update`	按 id 更新文本/标签(自动重向量化),纠正过时/冲突记忆
`memory_forget`	按 id 删除,默认软删除(可恢复);`purge=true` 永久删除
`memory_restore`	恢复被软删除的记忆(回收站)
`memory_backup`	SQLite 在线备份到 `~/.dsh/backups/memory`,自动保留最近 5 份
`memory_stats`	库状态 + 软删除数 + 服务地址
`memory_reindex`	给未向量化条目补向量(批量)
`memory_extract`	调用提取模型从一段文本提炼记忆入库(仅短文本,建议 ≤2000 字)
`memory_merge`	合并重复/同主题记忆:保留一条,其余软删除并标记"已被取代"
`memory_health`	健康报告:条数/软删/未向量化/置顶分布 + 重复对检测与合并建议

Showing the opening section of the README — the full document lives in the repository以上为 README 开头摘要，完整文档在仓库内 · View the full README on GitHub →在 GitHub 查看完整 README →

渲染基于仓库 liangxiaobing520/dsh-local-vector-memory 的 README.md。在 GitHub 查看原文 →