yjh051108/dsh-engram-relay

README 摘要

dsh-engram-relay 本仓库是公开镜像 （上游： dsh-external/dsh-engram-relay ，BSD-3-Clause）。 安装请用下方公开地址；上游转为公开后本镜像仍保持同步。 跨会话分层记忆：大一统记忆图谱（Obsidian 式双向链接 + 因果双向追溯 + 自组织聚类）， N-gram 哈希确定性寻址 × 三通道纯算法语义精排（词汇/图/共现，零外部模型） × 因果传播的超稀疏主动唤醒，渐进披露 （入口 = [[标题]] + 摘要，按需展开正文）； 分层归属由 AI 自主决策 —— global 全局持久 / project 项目持久 / session 会话临时，跨会话沉淀与召回。 是什么 dsh-engram-relay 把 DeepSeek Engram 的「N-gram 哈希 O(1) 确定性寻址」思想做成 系统级 外置记忆转接层（无需训练任何小模型）： 1. Engram（条件记忆，[deepseek-ai/Engram）](https://arxiv.org/abs/2601.07372) ：N-gram 哈希 O(1) 确定性寻址 → 巨大静态记忆表。为 Transformer 补上「知识查找原语」（MoE 扩计算容量，Engram 扩静态记忆容量）。 2. 三通道纯算法语义引擎（SemanticScorer，零嵌入模型） ：对哈希粗筛候选做语义精排—— 词汇通道（n-gram Jaccard 重叠 + 词频）、图通道（因果/链接邻居语义传播）、 共现通道（PCA 谱分解语义桥，跨词共现如「缓存↔cache」）；确定性、可解释、 零外部模型、零联网、零 Python 。修掉哈希的 mode-level 跨主题误命中 （同 80 查询实测：纯哈希精确率 54% → 混合 95%，三通道承接了当年 bge 实验的增益）。 3. 因果图 ：节点间 causes/effects 双向边，唤醒时沿因果链双向传播激活——「什么导致了它 / 它导致了什么」，这是普通向量索引做不到的。 混合检索管线 ：哈希粗筛（精确、O(1)、确定性）→ 三通道纯算法精排（修误命中，零模型）→ 因果传播（召回前因后果）→ top-K 超稀疏注入 = 精确 + 语义 + 因果 。 架构 - 大一统记忆图谱 ：节点 = {layer, title, summary, content, links[], causes[], effects[]} ， [[标题]] 双向链接（Obsidian 风格）+ 因果双向追溯； 层是节点属性（不分家） ， 主题结构由链接/因果密度自组织成簇（连通分量），唤醒时给出簇概览； - 预设分层 + AI 自主决策 ：3 层 = global （全局持久·所有会话）/ project （项目持久· 按工作目录隔离）/ …

分类