M-24rjgc/dsh-memory
Mneme: DSH-native memory system built on Memory-as-Compilation. DeepSeek Harness plugin suite (dsh-plugin).
安装Install
dsh plugin --profile web add github:M-24rjgc/dsh-memory把 M-24rjgc/dsh-memory 加入你的 DSH 配置（web profile）即可启用。
READMEREADME
Mneme · dsh-memory
Mneme（Μνήμη，记忆女神）是一个完完全全建立在 DeepSeek Harness（DSH）之上的记忆系统。
范式一句话：
记忆不是数据库，而是一个编译器：唯一持久化的是 DSH 事件日志（经验源码），记忆是由可组合编译 pass 从
(经验日志, 时空坐标, 任务)编译出来的、带溯源与证据条件的可执行上下文。
规划中的每一层都已实现，没有“未来工作”占位：事件源、投影、版本/证据分析、LLM 抽取与整合（opt-in）、向量/图候选索引、上下文重建、反馈回路、分层分配、链接演化、结构化技能生成。LLM 相关 pass 需要 provider/model 配置；未配置时保持 keyless 确定性路径。
- 记忆账本本身是一个 DSH Session（事件溯源、可持久化、可检索、可 fork、可压缩）；
- 记忆操作是账本里的
user/message表面事件，机器载荷放在 merge-extensible 的kind: 'memory'source 中； - 遗忘、整合与 versionKey/函数谓词冲突遮蔽都用 DSH 原生
surfaceOp: replace；旧修订永存，memory_trace可追溯； - 召回 = replay/vector/graph 候选发现 → 版本/证据检查 → 命中内容/片段/原文 reinstatement → 以 DSH 预置的
form: 'recall'呈现； - 语义/程序/前瞻/情景/元记忆是同一 IR 上不同编译 pass；
- 程序记忆经
emit-skill编译为结构化 SKILL.md，注册进ctx.skills。
详细设计见 docs/design.md。
编译 pass
| 包 | 角色 |
|---|---|
@dsh-memory/ir |
Service Definition：MIR、ctx.memory、纯 fold、ledger 会话、索引器注册、分层分配 |
@dsh-memory/index-replay |
FTS/字面检索 + 原文窗口 reinstatement |
@dsh-memory/index-vector |
向量候选索引（确定性向量，可选远程 embedding） |
@dsh-memory/index-graph |
事实图谱候选索引（PPR 式扩散） |
@dsh-memory/lower |
确定性 lowering：session/event → MIR |
@dsh-memory/extract |
RecMem 复发门控的 LLM claim 抽取 |
@dsh-memory/solve |
版本消解 + 证据条件 + 函数谓词冲突 |
@dsh-memory/optimize |
TTL 遗忘 + 最低激活整合 + 预算硬限 |
@dsh-memory/consolidate |
CLS 式重放总结（LLM，确定性回退） |
@dsh-memory/layers |
MemGPT 式 working/state/archive 分层 |
@dsh-memory/links |
A-MEM 式共享 subject 链接演化 |
@dsh-memory/fdo |
CoEvo 式 recall/confirm 强化回路 |
@dsh-memory/projections |
ctx.sessionProjections 增量投影与 checkpoint 缓存 |
@dsh-memory/emit-context |
session-start 分层快照 + pre-step 召回 |
@dsh-memory/emit-tool |
memory_remember/recall/list/forget/trace/confirm |
@dsh-memory/emit-skill |
policy 节点 → 结构化 SKILL.md → ctx.skills |
快速启用
dsh web --patch "$PWD/examples/dsh-memory.cordis.yml"
LLM pass 通过环境变量启用：
MNEME_EXTRACT_PROVIDER=... MNEME_EXTRACT_MODEL=... \
MNEME_CONSOLIDATE_PROVIDER=... MNEME_CONSOLIDATE_MODEL=... \
MNEME_EMBED_ENDPOINT=... MNEME_EMBED_API_KEY=... MNEME_EMBED_MODEL=... \
dsh web --patch "$PWD/examples/dsh-memory.cordis.yml"
开发集成：本仓库要求与 DeepSeek Harness checkout 并排放置（dsh-repo 为同级目录）。pnpm-workspace.yaml 会把 DSH 的 vendor/* 与 packages/*/* 纳入同一 workspace，因此 workspace:^ 依赖、tsconfig project references 和测试 alias 都解析到 DSH 源码。
# 在 dsh-memory 同级准备 DSH 源码：
# git clone --depth 1 https://github.com/deepseek-ai/deepseek-harness.git dsh-repo
cd dsh-memory
pnpm install
pnpm run typecheck
pnpm test
发布到 npm 时由 pnpm 将 workspace:^ 协议转换为实际版本号。
许可
MIT
相关推荐Related
-
ruvnet/ruflo
🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build c…
-
volcengine/OpenViking
Self-evolving Context Database for AI Agents. Unify Agent Memory, Knowledge RAG and Skills.
-
EverMind-AI/EverOS
One portable memory layer for every AI agent: local-first, Markdown-native, user-owned, and self-evolving across apps, t…
-
MemTensor/MemOS
Self-evolving memory OS for LLM & AI Agents: ultra-persistent memory, hybrid-retrieval, and cross-task skill reuse, with…
-
mem9-ai/mem9
Unlimited memory for OpenClaw
-
mindscale-noah/MindMemOS
—
-
vostride/agent-qa
Open-source self-improving QA agent for software teams. A test harness with memory. Write tests in natural language for …
-
MemTensor/memmy-agent
🍙 A personal AI agent & local memory hub for all AI agents, gives every AI one shared, fully controlled memory and per…