Jason-Liao/dsh-memory-tdai

README 摘要

dsh-memory-tdai English 中文 DeepSeek Harness 的四层长期记忆插件 —— 把 TencentDB-Agent-Memory 从 OpenClaw 完整移植到 DSH。 让 DeepSeek 模型 记住你 ：对话被自动整理成"原始记录 → 原子记忆 → 场景块 → 人设档案"四层结构，跨会话检索、自动回忆、自动归档。模型不需要把历史对话反复塞进上下文，也能知道你的偏好、习惯和项目背景。 📖 这个插件是怎么来的（来历与血统） 上游项目 本插件是 TencentCloud/TencentDB-Agent-Memory （腾讯云官方开源项目，MIT 协议）的 DSH 移植版。 上游项目为 OpenClaw （另一个 agent 运行时）开发了一套四层记忆系统，官方基准数据：接入后短时记忆任务成功率最高提升 +51.5%、token 消耗最高下降 -61.4%、人设记忆准确率从 48% 提升到 76%。它的核心引擎 TdaiCore 被刻意设计成 host-neutral （与宿主无关）：存储、抽取、场景、人设的全部逻辑都只依赖一个极小的 HostAdapter 接口（4 个方法），OpenClaw 只是它的一个宿主外壳。 移植方式（为什么可以"换一层壳"就能搬家） 具体做了三件事： 1. 保留核心，替换外壳 ：原封不动搬入 TdaiCore （四层管线、SQLite 向量存储、BM25/FTS5 检索、提示词工程），写了一个新的 DshHostAdapter （约 100 行）实现那个 4 方法接口。 2. LLM 零配置复用 ：上游的记忆抽取/场景归纳/人设生成需要调用大模型。DSH 移植版直接走 DSH 自己的 ctx.llm 服务 ——用你在设置里选的同一个 DeepSeek 路由、同一份凭据，不需要额外配 API Key。这是移植版与上游最实用的差异之一。 3. 事件映射 ：OpenClaw 的 before prompt build （提示词构建前注入记忆）映射为 DSH 的 agent/pre-step 瀑布 + 动态 systemPrompt 段——回忆内容只进 system prompt， 不污染会话历史 ； agent end （回合结束）映射为 agent/turn-stopping ，回合一关就落盘。 与原版相比做了哪些裁减 项 上游 OpenClaw 版 本 DSH 版 LLM 调用 @ai-sdk/openai + 独立 API Key 复用 DSH ctx.llm ，零配置 向量检索依赖 tcvdb-text（286MB wasm 词典）+ sqlite-vec sqlite-vec + FTS5 必用；tcvdb-text 可选懒加载 （缺失自动降级 BM25→FTS5） 本地 embeddin…

分类