itr-del/dsh-cue-bank

README 摘要

dsh-cue-bank — 跨会话「事件触点记忆」插件 让 Agent 的记忆能力向人类靠拢：人脑可以在不同任务间随时切换，靠的是对事件建立 多维触点 （关键词、视角、触发物…），触点被当前情境激活后，从长期记忆快速拉取事件细节。本插件把这一机制在 dsh（DeepSeek Harness）上落地。 设计原理 两层架构 关键设计决策 1. 动态组装注入（不污染持久历史） 使用 systemPrompt.context() 注册动态上下文：每次 prompt 组装时求值 provider，生成 带来源的 runtime-context 快照 ，随请求发送但不写入持久 session 历史。话题不切换时不注入，保持上下文干净。这正是与 agent-instructions （持久注入）的关键区别。 2. 触发时机可配置 配置 默认 说明 topic.switchDetection true 开启话题切换检测 topic.switchThreshold 0.25 关键词重合度低于此值视为切换（0 1） topic.scanEveryTurn false 每轮都扫描（灵敏但开销大）； false 时只在切换时扫描 3. 匹配算法：双模式可配置 模式 成本/次唤醒 效果 适用 keyword （TF 加权穷举） 0（纯本地） 词面重合准确，语义弱 无外部 key vector （向量余弦） ≈ ¥0.000025（见下） 语义匹配强 有 embedding key auto （默认） — 有 key 用向量，否则降级关键词 推荐 ⚠️ DeepSeek 官方 API 不提供 embedding 端点 （见 issue 806），向量模式走 OpenAI 兼容接口（默认 SiliconFlow BAAI/bge-m3 ）。库向量在 写入时 预计算并缓存，唤醒时只编码 1 条 query，不重复计费。 成本估算 （bge-m3 / SiliconFlow，2026-08 行情）： - 单次唤醒：编码 query 50 tokens ≈ ¥0.000025 （每 1 万次话题切换约 ¥0.25） - 写入时：每轮 1 次嵌入（可忽略） - 关键词模式：零外部成本 4. 通用插件（所有 agent 生效） 监听全局 agent/created ，对每个 agent 挂载唤醒/写入钩子，不限于飞书。 userId 从 session id 提取（ feishu:ou xxx → ou xxx ；其他 session 用完整 id），按用户分片存储。 5. 全局存储 触点库存于 $DSH HOME/storages/cue-bank/users/ .json （默认），跨 profile、跨会话共享；可用 storageRoot 覆盖。单用户触点上限 200 条（LRU 淘汰）…

分类