JunNanLYS/dsh-layered-memory

README excerpt

dsh-layered-memory DeepSeek Harness 的 分层蒸馏记忆插件 （持久组合插件）：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——用户与模型都不需要做任何操作。移植自 MemoryCore（TencentDB Agent Memory）的 管线设计：Prompt 原样保留，仅把"LLM 操作文件"的 L2/L3 流程适配为"LLM 输出、工程侧执行"。 核心能力 分层记忆（L0–L3） 层 内容 存储 L0 每轮 user/assistant 消息（清洗去噪、剥离代码块与注入标签） conversations/YYYY-MM-DD.jsonl + SQLite L1 情境切分 + 记忆提取（chat: persona/episodic/instruction；work: work fact/work task/work method/work artifact）+ 冲突检测去重合并，每条带族标签 records/YYYY-MM-DD.jsonl + SQLite（FTS5 + 可选向量，family 列） L2 把新记忆整合为 Markdown 场景文档（META 块、热度管理、合并上限），按族各自整合 scenes/chat/ .md 、 scenes/work/ .md L3 从变化场景蒸馏画像（chat: 用户画像 ≤2000 字；work: Team Operating Doctrine ≤1200 字），每族一份 persona-chat.md 、 persona-work.md 管线原则：所有蒸馏调用复用 DSH 自身的 ctx.llm ；任何阶段失败只记日志、绝不阻塞 Agent 循环；召回注入用标签包裹、捕获侧自动剥离，防止反馈循环。 会话级记忆档位 每个会话可独立选择记忆档位， 写入与召回同档 ： 档位 蒸馏（写入） 召回（注入） 自动 （默认） 合并词表 prompt 单次抽取，个人三类 + 工作四类全开，按 type 前缀落族标签 两族全召回；画像/场景导航两族拼接 chat 窄 prompt 只提个人三类，只入 chat 族 只查 chat 记忆 + chat 画像/场景导航 work 窄 prompt 只提工作四类，只入 work 族 只查 work 记忆 + work 画像/场景导航 关闭 不写 L0、不蒸馏 不召回；三个记忆工具返回"已隐身"提示 - 控件 ：输入栏内、模式选择器右侧的 pill（ 记忆·自动 ），点击在上方浮出 macOS 风格 滑动选择器——拖拽松手吸附最近档位； - 默认档 = 配置 family （ auto chat work ，默认 auto ）；每会话的选择按 sessionId 持久…

Category