dsh-tdai-memory

GitHub: Scorp1o117/dsh-tdai-memory · npm: dsh-tdai-memory · English

属于 DeepSeek Harness Enhancement Suite —— Vision · Soul/Persona · 长期记忆 · 插件市场。

把 TencentDB Agent Memory（腾讯云开源的四层记忆系统，原为 OpenClaw 插件）移植进 DeepSeek Harness。

能力

L0 对话捕获：每轮对话（turn 结束、请求边界）自动写入原始对话（JSONL + SQLite + FTS + 向量）
L1 结构化记忆：后台管线用 LLM 从对话中提取事实/偏好/事件（persona / episodic / instruction），写入 records/ + SQLite + FTS + 向量
L2 场景 / L3 画像：场景块与用户画像生成（管线自动调度）
自动召回注入：每次组装提示词时，按当前用户消息检索相关记忆 + 画像，作为动态上下文注入（模型"凭空想起"）
工具：tdai_memory_search（L1 结构化检索）、tdai_conversation_search（L0 原文检索）

数据目录复用现有 ~/.memory-tencentdb/memory-tdai，旧记忆无缝继承。

node-llama-cpp 仅供完全本地的 embedding 后端使用，现在声明为可选 peer，默认安装不会再触发原生构建脚本。使用 OpenAI 兼容远程 embedding 时不需要它；选择本地后端的用户需在目标 DSH profile 中单独安装并批准 node-llama-cpp 的构建。

从 0.2.13 起最低支持 DSH 0.1.0-rc.7，已针对 0.1.0-rc.7、 0.1.0-rc.8 和 0.1.1-rc.1 测试。仍使用 DSH 0.1.0-rc.6 的用户请锁定 dsh-tdai-memory@0.2.11；这是最后一个包含旧 settings 白名单兼容补丁的版本。

架构（移植方式）

层	内容
核心	`tdai-memory-openclaw-plugin` 的 host-neutral 核心（`src/core`、`src/utils`），tsc 编译为 ESM（`dist-dsh/`），零改动
宿主适配	`StandaloneHostAdapter`（官方 standalone 模式，OpenAI 兼容直调）
dsh 壳	`index.js`：配置映射、`session/event`+`session/flush` 捕获、`agent.ctx` 上的 `system-prompt/assemble` waterfall 召回注入、工具注册、生命周期
备用	`recall-inject.js`：preset 行形态的召回注入（挂在 agent preset 内时用）

关键接线（都是踩坑换来的）：

捕获：session/flush 监听器（await 语义，headless 退出前必完成）；turn/start 时间戳做 L0 cursor 下限；turn id 去重
headless 一次性任务：flush 内再等 core.handleSessionEnd()（L1 提取跑完才退出；否则 5s 关闭超时会杀掉提取）
召回注入：必须注册在 agent.ctx 上（组装在 agent 作用域进行，root 监听器收不到）；session/created 后延迟一 tick 从 agents 服务拿 agent

配置（profile patch + settings）

配置以 settings 命名空间驱动：profile patch 作为 base 层，$DSH_HOME/settings.yaml 的 tdai-memory: 节覆盖（LLM/embedding 密钥已迁到 settings.yaml）。Web UI 设置 → 记忆可编辑全部字段（v0.2.0，含写-only 密钥）；TdaiCore 启动时构建，改动重启后生效。

▼
yaml
复制代码
# $DSH_HOME/settings.yaml
tdai-memory:
  llm:
    apiKey: 'sk-...'
  embedding:
    apiKey: 'local-no-key'

▼
yaml
复制代码
# profile patch（base 层）
- id: tdai-memory
  name: 'dsh-tdai-memory'
  config:
    extraction:
      enabled: true
      enableDedup: false      # dedup 的 LLM 输出解析不稳，先关
    llm:                      # L1/L2/L3 提取模型（OpenAI 兼容）
      baseUrl: 'https://opencode.ai/zen/go/v1'
      model: 'mimo-v2.5'      # deepseek-v4-flash 对提取 JSON 输出不合格
      sendSessionHeader: true # 给 LLM 请求带 x-opencode-session（OpenCode Go 等网关要求）
      sessionId: ''           # 固定会话 ID；留空 = 数据目录下自动持久化 ID（重启不变）
    embedding:                # 向量（OpenAI 兼容 /v1/embeddings）
      baseUrl: 'http://127.0.0.1:8088/v1'
      model: 'Qwen3-Embedding-0.6B'
      dimensions: 1024
      sendDimensions: false

已知取舍

提取模型：mimo-v2.5 提取正确但单次 20-30s（后台执行，不阻塞对话）；deepseek-v4-flash 快但 JSON 输出不合规（提取 0 条）
dedup：LLM 冲突检测输出解析不稳（曾导致 stored=0），默认关闭；开启需换更稳的模型
L1 记忆向量：随存储写入（8088 embedding 快）；L0 向量走后台任务，headless 退出时由 destroy() drain
升级：上游拉新代码后，在 tdai 项目目录重跑 npx tsc -p dsh-tsconfig.json（产物在 dist-dsh/）

能力

L0 对话捕获：每轮对话（turn 结束、请求边界）自动写入原始对话（JSONL + SQLite + FTS + 向量）

L1 结构化记忆：后台管线用 LLM 从对话中提取事实/偏好/事件（persona / episodic / instruction），写入 records/ + SQLite + FTS + 向量

L2 场景 / L3 画像：场景块与用户画像生成（管线自动调度）

自动召回注入：每次组装提示词时，按当前用户消息检索相关记忆 + 画像，作为动态上下文注入（模型"凭空想起"）

工具：tdai_memory_search（L1 结构化检索）、tdai_conversation_search（L0 原文检索）

数据目录复用现有 ~/.memory-tencentdb/memory-tdai，旧记忆无缝继承。

架构（移植方式）

层

内容

核心

tdai-memory-openclaw-plugin 的 host-neutral 核心（src/core、src/utils），tsc 编译为 ESM（dist-dsh/），零改动

宿主适配

StandaloneHostAdapter（官方 standalone 模式，OpenAI 兼容直调）

dsh 壳

index.js：配置映射、session/event+session/flush 捕获、agent.ctx 上的 system-prompt/assemble waterfall 召回注入、工具注册、生命周期

备用

recall-inject.js：preset 行形态的召回注入（挂在 agent preset 内时用）

关键接线（都是踩坑换来的）：

捕获：session/flush 监听器（await 语义，headless 退出前必完成）；turn/start 时间戳做 L0 cursor 下限；turn id 去重

headless 一次性任务：flush 内再等 core.handleSessionEnd()（L1 提取跑完才退出；否则 5s 关闭超时会杀掉提取）

召回注入：必须注册在 agent.ctx 上（组装在 agent 作用域进行，root 监听器收不到）；session/created 后延迟一 tick 从 agents 服务拿 agent

配置（profile patch + settings）

▼
yaml
复制代码

# $DSH_HOME/settings.yaml tdai-memory: llm: apiKey: 'sk-...' embedding: apiKey: 'local-no-key'

▼
yaml
复制代码

# profile patch（base 层） - id: tdai-memory name: 'dsh-tdai-memory' config: extraction: enabled: true enableDedup: false # dedup 的 LLM 输出解析不稳，先关 llm: # L1/L2/L3 提取模型（OpenAI 兼容） baseUrl: 'https://opencode.ai/zen/go/v1' model: 'mimo-v2.5' # deepseek-v4-flash 对提取 JSON 输出不合格 sendSessionHeader: true # 给 LLM 请求带 x-opencode-session（OpenCode Go 等网关要求） sessionId: '' # 固定会话 ID；留空 = 数据目录下自动持久化 ID（重启不变） embedding: # 向量（OpenAI 兼容 /v1/embeddings） baseUrl: 'http://127.0.0.1:8088/v1' model: 'Qwen3-Embedding-0.6B' dimensions: 1024 sendDimensions: false

已知取舍

提取模型：mimo-v2.5 提取正确但单次 20-30s（后台执行，不阻塞对话）；deepseek-v4-flash 快但 JSON 输出不合规（提取 0 条）

dedup：LLM 冲突检测输出解析不稳（曾导致 stored=0），默认关闭；开启需换更稳的模型

L1 记忆向量：随存储写入（8088 embedding 快）；L0 向量走后台任务，headless 退出时由 destroy() drain

升级：上游拉新代码后，在 tdai 项目目录重跑 npx tsc -p dsh-tsconfig.json（产物在 dist-dsh/）