Skip to main content
J

dsh-memory-huixiang

jqandcl/dsh-memory-huixiang

A local-first memory library for DSH: plain-text cards that decay and strengthen, recall that admits when it does not know, and everything kept on your own disk.

Install

dsh plugin --profile web add github:jqandcl/dsh-memory-huixiang

README

回响 HuiXiang(dsh-memory-huixiang)

你的 AI 是不是每次开新对话就忘了你是谁?回响给它一块记得住你的记忆——存在你自己电脑里,不经过任何云端。

0.1 预览版 · MIT · 零依赖 · 一条命令装上

它解决什么

AI 聊天助手有个通病:聊完就忘。

今天告诉它你住哪、爱吃什么、上个月为什么难过,明天开个新对话,它一句都不记得——因为大多数助手只记得「当前这段对话」。

回响是给它装一块在外面的记性:

  • 它会慢慢记住你说过的话、经历过的事、在意的东西;
  • 这些存在你自己电脑上的一个文件夹里,不上传、不联网,你随时能打开看,也能删;
  • 用得越久记得越准——留下的不只是事实,还有「为什么」。

它不是什么

  • 不是云端服务:没有账号、没有服务器;全库零网络请求,也不调用任何模型(没有 API key 照样跑)。
  • 不会偷记聊天:要显式让它记,它才记。
  • 不是向量库:不做 embedding,一条记忆就是磁盘上一个纯文本 .md,出问题时你拿记事本就能翻。
  • 不是多用户服务:一份库给一个 agent 用。

它从哪来

回响不是从零长出来的。它的骨架来自 dsh-hippocampus(我们一直叫它「赛博海马体」)——kianajunjie/dsh-hippocampus,MIT 许可,原本是给「大肥鱼」这类养成型 QQ 伴侣机器人做的记忆层。

留下的:一条记忆一个 .md 文件的外文库、记忆会随时间变淡、被想起来会加重、记不清就承认。这些做法是它的。

重写的:召回(什么时候该翻哪张卡)、注入结构(每轮放多少、分几层)、人格分层(底色与当前状态分开)、整理与写入闸(什么值得记、跟旧说法打架怎么办)。

原作者那套「情绪加权遗忘」的实测数字挺好看(90 天里,有情绪权重的旧记忆召回率 27%,去掉只剩 9%),想追根就去看原仓库。

它好在哪

换个窗口,它还认得你。 DSH 里你可以开很多窗口、叫很多分身干活。普通对话的上下文各自独立,换个窗口就得重新自我介绍一遍。回响的库是一份——所有窗口、所有分身读写同一个文件夹,新窗口里它照样记得你叫什么、不吃什么、上次那件事后来怎样了。

它会忘。 大多数记忆方案只做加法:记得越多越好,最后一股脑塞进上下文,又贵又吵。回响里的记忆会自然变淡(21 天重量掉一半),被想起来就加重。所以留在前面的是你反复提的,淡下去的是无关紧要的——像人一样。

它不乱编。 问一件库里没有的事,它会说「我这边没记录」,而不是编一个听起来对的答案。宁可弃权也不猜,这条有单独的测试守着。

它记得住「为什么」。 不只记「你住在哪里」,还记这条是打哪来的(你亲口说的 / 它自己推的)、什么条件下会变、哪天失效。两条说法打架就并排放着,标一个冲突,不硬圆。

换个聊天软件,它也认得你。 同一份记忆库,飞书、QQ、B站私信、网页聊天、手机 App 都读它。你在飞书随口提过的事,换到 QQ 里再问,它照样答得上来——记忆只存一份,不在每个渠道各记一遍。

数据是你自己的。 记忆就是一堆纯文本 .md 文件。想备份、想搬走、想用 git 管起来都行,也可以扔进 Syncthing 之类的工具同步到别的设备。没有专门的「同步」开关,因为不需要。

省 token。 每轮只往上下文里放「热的」那几张卡(实测约 3 千 token),不是把整库喂给模型。库用到几百张卡,注入量也基本不变。

装起来不折腾。 一条 dsh plugin add,零第三方依赖,不需要 API key、不需要 Docker、不需要向量数据库。装完就能用,断网也能跑。

它跑过分(自己量的,口径也写在这儿)

先说结论:公开榜上那些 90% 以上的数字我们不报——题目、口径、判分方式都不一样,放在一起比没有意义。能确定说的是这件事:在一个公开可复现的题库上,回响「找得到」基本不是问题,瓶颈在「模型拿到多段材料之后自己拼不起来」。

评测规模结果
LongMemEval(oracle 版)全量 500 题81.6%(408/500)
同样 500 题,把每段材料全文直接塞给模型、完全不检索全量 500 题83.8%(419/500)=上限
LoCoMo6 段对话 / 86 题59.3%(51/86)
中文自建题库71 题71/71(这个不算数:题出自我们自己的库)

第二行是重点:把全部原文都给它,也只能到 83.8%。 回响 81.6%,只差 2.2 个点——剩下那点不是召回丢的,是答题模型对多段证据的推理能力。换更强的模型会跟着涨,改插件补不回来。

按「一道题要跨几段对话」拆开,短板就露出来了:

要跨几段答对率
1 段87.5%
2 段84.4%
3 段70.7%
4 段36.8%

所以「上礼拜说的那事,和三个月前那件对一下」这种问法,是它现在最弱的地方。反过来最强的是单段回忆(LongMemEval 单会话用户题 67/70 = 95.7%)和宁可说不知道(LoCoMo 抗诱导题 17/17;LongMemEval 里说「不知道」的 61 次当中,被判对的 26 次,参考答案本身就是「信息不足」)。

怎么跑的(想复现看这里):把题库里每段对话存成一张卡 → 用问题走召回 → 召回到的卡全文交给 deepseek-chat 作答 → 同一个模型当裁判判对错。LongMemEval 那套已经整理成能直接跑的脚本,在 eval/bench(含题库下载地址、三阶段命令、口径说明);LoCoMo 与中文题库的那两个还没整理成通用版。

三条必须一起说的口径:① 用的是 LongMemEval 的 oracle 版,每题只带 2~6 段候选材料,比完整版容易得多,这个分数不能拿去和榜上的完整版比;② 答题和判分是同一个模型,也没有取多次多数;③ 题库是英文的,中文只跑过我们自己的题(上表第四行)。

它是怎么做到的(想深究的看这节)

  • 一条记忆 = 磁盘上一个纯文本 .md,带 frontmatter(来源、标签、重量、边界、有效期)。
  • 每轮只往上下文里放「热的」:钉住的卡 + 热卡全文 + 「大概记得」便签 + 目录标题。冷的留在库里,给线索才翻。
  • 记得住「为什么」:知识(明白了什么)/ 经历(碰上了什么)/ 归纳分开存;两条说法打架就并排放着,标冲突。
  • 人格分两层:底色(不常动)+ 当前状态(会变,旧版本自动进历史)。

词表文件与上游署名见 NOTICE。

十分钟装上

前提:Node >= 22、DSH >= 0.2.1-rc.2,并且知道要装进哪个 profile(dsh profile list,常见的是 web)。

方式一(推荐,npm)

dsh plugin --profile web add dsh-memory-huixiang

方式二(源码)

git clone https://github.com/JqandCl/dsh-memory-huixiang.git ~/.dsh/plugin-src/dsh-memory-huixiang
dsh plugin --profile web add link:~/.dsh/plugin-src/dsh-memory-huixiang

两条路二选一(都做会让 --dump-config 里出现两条同名 id,行为未定义)。装完重启 dsh。

首次启动会建一个空库:$DSH_HOME/huixiang(没有 DSH_HOME 就是 ~/.dsh/huixiang)。 如果你以前用过 cyber-hippocampus,旧库在 $DSH_HOME/cyber-hippocampus/:只要新目录还不存在、旧目录里有卡,它会继续用旧目录,不会因为改名「记忆消失」。想搬到新目录,自己 mv 过去即可。

第一次验收

  1. 让 agent 调 hc_status:应看到 { ok: true, dataDir: "…/huixiang", cards: 0 }。cards 是 0 才对——仓库和 npm 包都不带任何作者数据。
  2. 让它记一条:hc_remember(body: "用户在测试回响,喜欢喝乌龙茶")。
  3. 再问:hc_recall(cue: "我喜欢喝什么茶"),应能翻回刚才那条。

它怎么工作

环节做什么落在哪
写hc_remember 落一条卡,补边界、来源、标签;7 天内同一件事只补字段不新建notes/<id>.md
存艾宾浩斯式衰减:21 天掉一半,被想起变重,封顶 4;pinned 不衰减卡里的 weight / last_hit
取hc_recall 按线索召回:触发词、分词权重、实体闸;没记过就 not_found,不硬凑只读
注入每轮:钉住卡 + 热卡全文 + 便签 20 条 + 目录 130 条标题 + 因果链末 12 行上下文
整理hc_dream 把同主题几件事归成一条 insight,保留来源;冲突并排不圆ins-* 卡
回查原话只增不改地落 stream.jsonl;摘要记不清时 hc_evidence 按行号捞原句stream.jsonl

工具

工具作用必填常用可选
hc_remember写一条长期记忆bodytitle kind tags source source_type condition valid_until quote pinned links aka supersedes conflict
hc_recall按线索翻库 / 按 id 取全文cue 或 idslimit
hc_status库有多少卡、热的哪几条、笔记几条、因果链多长——
hc_evidence按关键词回查原话流水,返回行号、时间、原句cuelimit
hc_persona读/改人格底色与当前状态—base state note
hc_selfnote写/读只给自己看的短笔记(上限 40 条)—write last
hc_dream把最近同主题的几件事归成一条 insight—dryRun lookbackDays

配置

插件默认通过 cordis.patch.yml 注入三个配置(chainTailLines: 12、hotLimit: 3、heat.floorFromWeight: 2.5)。其余都可以省略,省略时的真默认值如下:

键默认说明
chainTailLines12每轮注入因果链最后几行
hotLimit3注入几条热卡全文
briefLimit20「大概记得」便签条数
catalogLimit130「记忆目录」标题条数上限
compressionLog空折叠日志路径;留空走 $DSH_HOME/notes/compression.log
healthScript空每日体检脚本;留空走 $DSH_HOME/tools/hc-health.sh(不存在就跳过)
autoDream.enabledtrue原话攒够行数就自动整理一次
autoDream.everyLines20攒多少行触发
autoDream.cooldownMs3600000两次整理的最小间隔

记忆重量(heat)的全部默认值——注意第二条:cordis.patch.yml 会把 floorFromWeight 覆盖成 2.5,所以装好之后实际生效的是 2.5:

键默认含义
halfLifeDays2121 天掉一半
initialWeight1新卡的重量
rehearseBoost0.6被想起一次加多少
maxWeight4封顶
hotAt0.55到这个数算热(会被注入)
warmAt0.18到这个数算温(只在召回时出现)
coldAfterDays120这么久没想起就冷存(仍然可搜)
pinWeight4pinned 卡的常温重量:不衰减、不看闲置
dedupeWindowMs604800000(7 天)写侧去重窗口
floorFromWeight3.2(被覆盖成 2.5)原始重量到这条线算「底线级」
floorWeight0.5底线级卡片的衰减地板

验证

以下命令只在源码树里跑——npm 包不带 test/、demo/、eval/(包只含 index.js、lib/、cordis.patch.yml、README.md、NOTICE、LICENSE)。

node --test                    # 275 个测试全过
node demo/simulate.mjs         # 10 项演示,用临时库,不碰真库
node eval/run.mjs --golden <你的题库.jsonl> --dir <你的库目录>

eval/golden.jsonl 里是示例题库(假数据),直接跑对不上任何真库。要评测自己的库,照它的格式建一份:每行 { id, kind, query, expect },kind 取 paraphrase / update / abstain,abstain 题不写 expect。

三条设计取舍

  1. 纯文本而不是数据库:能 tar 走、能 grep、坏了一张卡能手改。代价是没有事务、没有并发保证(只有文件锁)。
  2. 不做 embedding:召回靠词面 + 标签 + 实体闸,确定、可解释、零依赖、零费用。代价是纯近义改写会漏。
  3. 冷的绝不注入:省 token 优先于「全知」。代价是它可能一时想不起来,除非你给线索。

已知短板

  • 召回是词面驱动的:换个说法(「家在何方」对「住哪」)可能翻不到。
  • 单机单进程假设:多进程靠 O_EXCL 文件锁,不是分布式锁。
  • stream.jsonl 会存每一轮原话(单条截断 4000 字)。这是特性也是风险,见「隐私」。
  • 275 个测试覆盖的是核心路径,不是全覆盖。

隐私

  • 全部本地:$DSH_HOME/huixiang。全库零网络请求、不上传,也不调用模型。
  • 建库时目录 0700、文件 0600(同机其他账户读不到)。
  • stream.jsonl 是原话流水:只增不改。不想留就在关掉 agent 后删掉这个文件,库照常工作(只是没法回查原话)。
  • 整个目录可以拷走换机器;persona.json、notes/、chain.txt 都在里面。

命名与版本

  • 显示名:回响(HuiXiang);npm 包名:dsh-memory-huixiang。
  • 插件 id 仍是 cyber-hippocampus:用户配置里写的是 id,改它会让已有配置全部失效,所以只改显示名与包名。
  • 0.1 预览版,配置与工具参数还可能变。

License

MIT,见 LICENSE。lib/gate-words.txt 由 jieba 词频表生成,来源与许可证见 NOTICE。

Related plugins