dsh-flymemory

dsh plugin --profile web add dsh-flymemory

dsh-flymemory

[English](README.md) | 中文



给 DeepSeek Harness 加长期记忆。

这是一个 DSH 插件（bundle）：把 FlyMemory

当作本地 MCP 服务跑起来，接进 harness。装完之后模型手里多出 16 个记忆工具，另外还有

两个钩子在背后干活——你干活的过程它自己记，下次用得上就自己翻出来。省掉每次开会话都

重新交代一遍背景的功夫。

所有东西都在你自己机器上：服务监听 127.0.0.1:8791，记忆就是 DSH home 底下的一个

文件，没有任何数据发到外面。

DSH 会话 ──┬── mcp__flymemory__*   模型可调的 16 个工具
           └── 钩子                  回合前召回，回合后记录
                     │
                     ▼
           FlyMemory 服务  127.0.0.1:8791
                     │
                     ▼
           $DSH_HOME/flymemory-data/flymemory_v3.pkl

和「向量检索式记忆」的区别

大多数 agent 记忆插件就是一张笔记表 + 余弦相似度。这是一个完整的库，差别在日常使用里就能看出来：

· 笔记表 + 余弦检索 · dsh-flymemory

同一个事实变了 · 新旧一起被召回 · supersede 让旧条目退场，除非显式查历史

同一件事说了两遍 · 越堆越多 · 按长度分级的去重会合并或加强

「X 现在是什么」 · 你得自己写对查询 · state_key/state_value 保存当前值 + 历史链

时间新旧 · 看起来一样新鲜 · 幂律衰减按保留度加权

条目从哪来 · 丢失 · source（模型判断 vs 机械捕获）+ app:<name>

多个客户端 · 各存一份 · ZCode / Qoder / DSH 可共享同一份库，app= 标签标明作者

每轮开销 · 要么全文要么没有 · 有界指针索引（≤1.2KB），正文由模型自己拉

有没有被用 · 不知道 · usegate.jsonl：每个注入的指针都记为 expanded / recalled / superseded

上游实测数字（这里不重跑，协议见 FlyMemory 仓库）：

• 聚合类问题：单发 top-5 严格正确率 6%，「广收集 + 逐条读原文抽事实」16%（P-ANSWER）；
• 多跳问题：让检索器先做相关性过滤，证据从 100% 掉到 75%（P-COMBO）；
• 指针注入把「证据进池率」从 63.9% 提到 74.4%，但池 token 涨到 12.15 倍（P-USEGATE，判定 PARTIAL）——这正是本插件只指路、绝不自行展开的原因。

本页不声称：装了记忆模型就变聪明，或者召回在每个指标上都赢。上游记录的诚实结论是：结构化记忆可复现，自适应读取策略至今还没有通过独立复现。

它像一本笔记本，以及「谁在思考」

用笔记本讲比讲架构清楚得多。

你说的每句话各占一行，主题不会糊在一起。说了几乎一样的话，老那行只是被划得更重，

不会复制出第二条。你说「其实我搬到杭州了」这种更正，老那行被划掉但没撕掉——问历史

的时候还能翻到划掉的行。零散短句会定期压成摘要条目；几个月没人碰的会慢慢褪色（幂律，

真实半衰期是 3τ，默认 90 天）。找一行有两种走法：按意思找，以及按嵌入看不见的精确关键词

找——料号、文件路径、ID。

分工是这套东西的设计赌注：服务端永不运行 LLM。 机械的部分全归它——切分、去重、融合、

衰减计算、血缘清理、持久化；所有判断归调用方模型——什么重要、什么过期、什么该忘。所以

判错会留下判错的记录：supersede 留下带 valid_from/valid_to 的墓碑，而不是一个洞。

一条记忆的一生：

1. 写入 —— 钩子自动捕获，或模型显式存（source 把两者区分开）；

2. 加强 —— 近似重复更新原条目而不是新增一份；去重按长度分级，且倾向不合并；

3. 取代 —— supersede(旧, 新) 让过期状态退场；include_superseded 查历史时仍能看到；

4. 归并 —— consolidate(ids, 结论) 生成更高层的条目，并保留 evidence_ids 回链，

抽象不销毁原材料；

5. 褪色或遗忘 —— 幂律衰减清理无人问津的；forget 直接删掉确实错的。

这些规则的消融版本（包括那些实测比什么都不做还差的）都留在引擎仓库：

源码 ·

研究总账。

*引擎的两条定律。左：替换式抽象比「什么都不存」还低 10 分，所以归并只能叠加。

右：同样 48 轮、两种收集策略——锚定式判断近乎机械（预注册配对实验，不一致 13:0）。*

拿到什么

16 个工具，调用时都带 mcp__flymemory__ 前缀：

工具 · 干什么用的

flymemory_remember · 存一条决定或发现。近似重复会自动合并。compartment 按主题分区；state_key/state_value 记「某个东西当前是什么」，旧值自动退场。

flymemory_recall · 搜。向量相似度和关键词匹配融合排序，旧条目随时间衰减，返回结果带 id、年龄和来源。加 include_superseded 能翻历史。

flymemory_auto · 一次调用同时做召回和存储，钩子用的就是它。

flymemory_recall_index / flymemory_get_memory · 先看索引再读正文：先给一行摘要，觉得有用再取全文。

flymemory_supersede · 标明「这条过时了，被那条取代」。

flymemory_state_lookup / flymemory_state_history · 某个实体键当前的值，或者它的全部历史。

flymemory_consolidate · 把几条归纳成一条结论，原始条目留着当证据。

flymemory_find_conflicts / flymemory_insights · 看起来互相矛盾的配对；有价值但快衰减掉的条目。

flymemory_forget / flymemory_cleanup · 删单条，或者按衰减阈值批量清理。

flymemory_session_pack · 近期轨迹 + 最新结论的短包。

flymemory_stats · 条数、年龄、访问次数。

另外两个钩子自己跑，不用模型操心：

• 每条提示：把提示存下来，再把匹配得上的记忆附到这一轮里。纯本地检索，不调用模型。
• 会话开始：塞一个近期活动的恢复包，新会话不至于两眼一抹黑。

服务不在线时两个钩子都静默跳过，也绝不会卡住回合。

需要什么

• 带 @deepseek-ai/dsh-mcp-client 的 DeepSeek Harness。在 0.2.0-rc.2 与 44.7.0

上开发验证。

• Node 20 以上（插件本体和 CLI）。
• Python 3.10 以上，装引擎的依赖：

  pip install torch sentence-transformers "mcp>=1.30,<2" numpy

解释器不用你指定：插件会依次看 FLYMEMORY_PYTHON、常见安装位置、PATH，而且

先确认这个解释器真能 import sentence_transformers 才选它。机器上装了好几个

Python 的时候，这一步能省掉半小时的「为什么起不来」。

第一次运行会把多语言嵌入模型（约 470MB）下载进 HuggingFace 缓存，之后离线可用。

安装

# 从 npm 安装（2026-10-26 已发布）
dsh plugin --profile desktop add dsh-flymemory

# 从 GitHub 安装（profile 名换成你自己的）
dsh plugin --profile desktop add github:aujurd22/dsh-flymemory

# 从本地目录安装（绝对路径）
dsh plugin --profile desktop add /absolute/path/to/dsh-flymemory

或者在会话里用 plugin_manager 工具指向同一个 spec：

plugin_manager(action: "install_bundle", target: "dsh-flymemory")
plugin_manager(action: "install_bundle", target: "github:aujurd22/dsh-flymemory")
plugin_manager(action: "install_bundle", target: "/absolute/path/to/dsh-flymemory")

或者打开 Web 侧边栏的 Plugins 页面，选这个文件夹。harness 重新加载后会有两行

插件起来（flymemory、flymemory-mcp），工具就出现了。

信任信息。 许可证 MIT；适用于任何 base-backed profile（desktop/web）；

按 DSH 0.2.0-rc.2 编写、在 44.7.0 上验证。权限范围：只在 $DSH_HOME 下写一个数据

目录、拉起一个 Python 子进程、并且只走 127.0.0.1 本机通信——不需要任何凭据，也没有

对外网络请求。外部依赖：Python 3.10+ 及 torch / sentence-transformers（见上）；引擎已随包，

不需要另外 clone FlyMemory。

自检：

node bin/flymemory.mjs status     # 解析出来的配置 + 当前实际状态
node bin/flymemory.mjs doctor     # 解释器、依赖、端点

然后让模型记一条东西再搜一次。工具没出来，doctor 基本能告诉你卡在哪。

卸载就是反过来：

plugin_manager(action: "remove_bundle", target: "dsh-flymemory")

记忆文件不会被删，想清掉自己动手。

运行方式

bundle 插入两行：

行 · 模块 · 干的事

flymemory · 本包 · 探端口；没人应答就拉起引擎；记录解析结果；注册召回/捕获钩子

flymemory-mcp · @deepseek-ai/dsh-mcp-client · 把服务端的工具变成 mcp__flymemory__<tool>

钩子以前挂在 DSH 的 Claude-Code hook bridge 上。44.7 开始的版本不再带那个包，所以同样的

逻辑改成跑在插件自己的 agent/pre-step 上，bundle 也不再依赖 hook bridge。

harness 启动时第一行先探 127.0.0.1:8791：已经有 FlyMemory 服务在应答就直接复用，

两个 harness 窗口共享同一个引擎和同一份记忆；端口空着就后台把自带引擎拉起来，等它

就绪了再让下一行去连；端口被别的程序占

…(truncated)