123caiji/dsh-memory-toolkit

README 摘要

dsh-memory-toolkit DeepSeek Harness 记忆与 Token 优化插件工具包：跨会话知识图谱记忆 + 五层省 Token 编排。 Memory and token-optimization plugin toolkit for DeepSeek Harness. Two independent plugins that compose or stand alone: Plugin Package Purpose graph-memory @123caiji/dsh-graph-memory Cross-session knowledge graph memory: typed nodes, causal relations, PageRank, communities, dual-path recall (vector + FTS5) lean-context @123caiji/dsh-lean-context Token-saving orchestration: five orthogonally-layered capabilities (discipline, convergence, routing, audit, rebuild) 实测数据 以下数据来自实际运行（2026-08-18，Node v24.15.0，Windows 11）： 代码规模 指标 graph-memory lean-context 合计 TypeScript 源码行数 5,813 448 6,261 测试文件数 11 — 11 测试用例数 107 — 107 测试结果 - 106/107 测试通过 （99.1% 通过率） - 唯一失败： migration.test.ts 的临时目录清理（Windows EPERM 权限问题，非代码缺陷） graph-memory Benchmark 插入 15 个渗透测试知识节点后的实际运行数据： lean-context Token 节约实测 纪律层注入成本（一次性）： 对 DSH 仓库的 context audit 实测（指令链 token 成本）： ZeroToken 模式下的输出节约（实测对比）： 场景 冗长输出 精简输出 节约 降幅 A: "帮我看看这个函数做什么" 213 tokens 27 tokens 186 tokens 88% B: 代码修复任务 214 tokens 65 tokens 149 tokens 70% 综合估算（100 轮会话）： 结论 ：纪律层仅占指令链 2.4% 的 token 成本，但通过 ZeroToken 模式可在每个会话中节约 70%-88% 的输出 token，100 轮会话 ROI 达 17 倍。 目录 - 快速安装 - 插件一：graph-memory（…

分类