dsh-nebula-mind
lng-ux/dsh-nebula-mind
Cross-session memory for DeepSeek Harness: three-way recall (BM25, dense vectors, and Personalized PageRank over a memory graph) fused with RRF, emotion as a modulation multiplier, power-law forgetting with five sinking layers, and an interactive memory star map. Its HTTP routes have no DSH access check, so a web page open in your browser could call them.
Install
dsh plugin --profile web add github:lng-ux/dsh-nebula-mindREADME
记忆星图 · dsh-nebula-mind
给 DeepSeek Harness 用的外置长期记忆。把「记得你」这件事从上下文窗口里拿出来，放进硬盘。
它不会删除任何记忆——只会让旧的慢慢沉下去。
它不是一个记忆库，是一个 mind。 记忆库只负责存和取；mind 还要决定什么值得记住、什么时候该想起来、什么时候该让一件事沉下去。这个区别决定了下面所有的设计——为什么要有六本账而不是一张表、为什么遗忘用幂律不用指数、为什么情绪只影响排序不影响选取。
换会话、压缩上下文、重启应用，记忆都还在。
每一轮开头自动带一小段「我是谁 / 你是谁 / 最近发生了什么」进提示词；想翻旧事就召回一次——三路并行检索（字面 / 语义 / 图），按名次融合，情绪不做通道、只做调制。忘掉的东西不是消失了，是沉进了深海；情绪一刺激，它还会浮上来。
上图用的是仓库内置的示例数据（20 条虚构记忆 + 4 条画像），不是任何人的真实记忆。
目录
- 一、它解决什么问题
- 二、Mind：这套东西是怎么长出来的
- 三、记忆架构
- 四、检索与召回
- 五、遗忘：沉海、阁楼与浮起
- 六、情绪引擎：七维与七种递质
- 七、安装
- 八、三步跑起来
- 九、两个面板
- 十、夜间巩固
- 十一、隐私与边界
- 十二、常见问题
- 十三、开发
一、它解决什么问题
上下文窗口是一条会滚动的传送带。聊得越久，开头的东西越远，压缩一次就真的没了。
现有做法大致两类：把历史整段塞回去（昂贵且会淹没重点），或做一层 RAG（检索到的永远是"最相似的片段"，不是"她真的记得"）。
这两类都缺同一件事：时间。人对记忆的操作不是"查表"，是「这件事重要吗 / 多久没想起来过 / 当时是什么心情 / 它和别人说的那件事有没有关系」。
所以这个插件的设计约束是三条：
| 约束 | 意味着 |
|---|---|
| 记忆有寿命，但没有死刑 | 只会沉海降权，不会删除。沉到最深也能被情绪或关联捞回来 |
| 检索要能解释 | 每条结果都带标签，说清楚它是靠字面、语义还是图上的路被找到的 |
| 情绪不参与排序，只调节权重 | 情绪是乘子不是通道。这一点有反面证据（见 4.3） |
二、Mind：这套东西是怎么长出来的
2.1 为什么叫 Mind
不是"数据库"，也不是"知识库"。这三者的差别在于是否允许矛盾、是否允许过期、是否允许"我记得但不确定"。
数据库要求唯一真相。知识库要求三元组自洽。而 Mind 允许：
- 同一件事有两个版本，旧的标
valid_to，新的接管，但旧的仍在（可以问"你以前是不是以为……"）； - 有的记忆是"事实"（某天发生了什么），有的是"画像"（你是个什么样的人），有的是"约定"（我答应过你什么），有的是"分寸"（这个话题该不该提）——它们的衰减速度和召回权重不该一样；
- 有的记忆重要度会自己长：被反复提起的事，权重自己上去，不需要谁去标"这条很重要"。
这就是为什么它不是向量库加一层包装。
2.2 六本账
数据在 心事本/（可用 NEBULA_MIND 环境变量改），每一本是一个 append-only 的 JSONL：
| 文件 | 账 | 记什么 | 默认来源权重 |
|---|---|---|---|
notes.jsonl | 事实 | 发生过的事 | 他说的 4.0 / 我自己想的 2.0 / 工具 1.5 / 网页 1.2 |
profile.jsonl | 画像 | 你是什么样的人（身份、偏好、雷区） | 同上 |
promises.jsonl | 约定 | 答应过的事（带 due 到期日） | 同上 |
tacts.jsonl | 分寸 | 某个话题该不该提、提多少 | 同上 |
thoughts.jsonl | 念想 | 我自己想到的、没人说的话 | 2.0 |
summaries.jsonl | 小结 | 一段时间的归纳（会把被归纳的随手记标成已归纳） | — |
另有两份不是账的东西：
longterm.md（含longterm.history.jsonl）—— 长期笔记，手写的那种；vectors.json—— 向量索引（212 条 × 512 维，BGE-small-zh）。
来源权重是
W_BASE。它实现的是一件很朴素的事：你说的话天然比我从网页上抄来的重。
2.3 一条记忆的完整生命周期
写入 ──→ 打分 ──→ 入索引 ──→ 被召回 ←──→ 沉海/上浮
│ ↑ │
└─ 情绪快照 ───────────────┘ └─ 夜间巩固
（当时什么心情） （重新分层、压缩、重放）
- 写入：
xin.py add "..."。同时做一个情绪快照——这条记忆是"在什么心情下记的"，写进mood字段。 - 打分：权重
w= 来源权重 × 重要度 × 情绪强度 × 激素调节。激素调节见 6.5。 - 入索引：追加 JSONL + 算向量写
vectors.json（若向量服务在线）。 - 被召回：三路检索 → RRF 融合 → 调制 → 取前 N 条注入提示词。被用到就
hits + 1，last_hit更新。 - 沉海/上浮：A 值随时间按幂律下降，跨过阈值就下一层；被召回两次以上则上浮一层。
- 夜间巩固：重新分层、把旧账归纳成小结、把深水里的捞一条上来候选。
三、记忆架构
3.1 记录模型
每条记忆是一个 dict，字段都可缺省（老记录读的时候用默认值补）：
| 字段 | 类型 | 含义 |
|---|---|---|
id | int | 自增 |
at | str | 写入时间（本地 %Y-%m-%dT%H:%M:%S） |
text | str | 正文 |
via | str | 来源：他说的 / 我自己想的 / 工具 / 网页 |
tag | str | 分类标签（可空） |
w | float | 权重，写入时算一次，之后由召回强化 / 沉海调整 |
imp | float | 重要度 0–1 |
e | float | 情绪强度 0–1 |
emo | str | 情绪色：某一维的名字 |
depth | int | 沉海层：0 核心 / 1 热 / 2 温 / 3 深水 / 4 阁楼 |
pinned | bool | 恒星，永不沉 |
hits | int | 被召回次数 |
last_hit | str | 最后一次被想起来 |
sunken_at | str | 什么时候沉下去的 |
valid_to | str/null | 被新记忆取代的时间（null = 还算数） |
mood | dict | 写入时的情绪快照 |
w_why | str | 权重为什么是这个数（例如 激素×1.16） |
w_why 是个小设计：每个权重都留一句为什么，省得三个月后看不懂自己当初怎么算的。
3.2 五种层
| 层 | depth | 进层条件 A | 含义 |
|---|---|---|---|
| 核心 | 0 | pinned | 恒星。钉住的、规则类的，永不下沉 |
| 热 | 1 | A ≥ 0.55 | 近期还在用的 |
| 温 | 2 | 0.25 ≤ A < 0.55 | 想起来要慢一点 |
| 深水 | 3 | 0.18 ≤ A < 0.25 | 要用力捞 |
| 阁楼 | 4 | A < 0.18 | 几乎不主动出现，但没死 |
扫沉海是每天夜里那一次（consolidate）。平时召回不重算层，只按 A 值加权——所以阈值改了要等下一夜才体现在 depth 上，但检索排序是立刻变的。
3.3 关联：边是怎么来的
星图上的每条线都写得出理由，只有六种：
| 边 | 怎么连 | 权重 |
|---|---|---|
| 内容引用 | B 的关键词（≥3 字）在 A 正文出现 ≥2 个 | 1.0 |
| 共同关键词 | 两条记忆的关键词交集 ≥2 | 2.0 |
| 分类归属 | 分类 hub → 节点 0.3；分类 hub → 总核 0.8 | 0.3 / 0.8 |
| 同源相邻 | 同来源、时间差 ≤20 分钟 | 0.35 |
| 语义相近 | 向量 cosine ≥ 0.62，每节点最多 3 条 | 0.5 |
| 日期星 | 最近 45 天每天一颗，连当天全部记忆 | 0.55 |
这些边不只是画着好看——它们是三路召回里「图」那一路的输入。见下一节。
3.4 星图怎么画
不是力导向，是固定轨道 + 黄金角：
- 每种类型一条轨道（画像 170 / 事实 235 / 分寸 285 / 约定 325 / 念想 400 / 分类 150 / 日期 330）；
- 同一轨道上按黄金角
2.399963229728653撒点，天然不重叠； - 半径由权重决定：
rad = 2.6 + min(7, sqrt(w) * 3.2)； - 总核钉在原点。
这么做的好处是布局稳定——每次打开同一个脑子，星系形状不变，你记得住"那颗星在右上"。
Canvas 2D 渲染，单文件 HTML，数据内联，零外部依赖。双击就能开。
四、检索与召回
4.1 三路并行
| 路 | 做什么 | 强在 | 弱在 |
|---|---|---|---|
| 字面 BM25（lexical） | 关键词匹配 | 专名、"那次说的那个词" | 换个说法就找不到 |
| 语义向量（dense） | BGE-small-zh 512 维 cosine | 意思对就行 | 专名、数字不敏感 |
| 图扩散 PPR（graph） | 命中节点当种子，在边上跑 Personalized PageRank | 顺着关系爬到"没直接命中但相关"的 | 图错了会自信地错 |
图那一路的细节：
reset = 归一化(命中节点的分数)
loop 8 次: p = (1-d)*reset + d * Σ (p[j] * w_ji / deg[j])
d = 0.5
d 小一点（0.5 而非经典的 0.85）是因为我们的图是稀疏且手工建起来的，跳太远就变成随机游走。
4.2 RRF 融合
三路各自排名，然后按名次融合：
score[k] = Σ_route w_route / (K + rank_route[k] + 1)
K = 12（RRF 平滑常数）w_bm25 = 0.40，w_vec = 0.35，w_graph = 0.15
为什么用名次而不是分数：三路的分数不在同一个量纲上（BM25 是无界的，cosine 是 0–1，PPR 是概率）。名次是唯一可以横着比的东西。
4.3 情绪：不是第四路，是调制
这点值得单独说，因为我们试过反过来。
w_emo = 0.06，它在融合之后乘上去：
sc *= 1.0 + w_emo # 仅当 查询带情绪词 且 记忆情绪色 == 当前主导情绪色 且 强度 ≥0.3
为什么不做成通道：把情绪当独立召回通道的项目（emotional-memory）公开过自己的失败数字——LoCoMo F1 0.168，而不用情绪的朴素 RAG 是 0.271；MADial nDCG@5 0.221 vs cosine 0.304。原因很反直觉：安慰一个难过的人，应该把积极的记忆推上来，而"因为难过所以专挑难过的"正好反着走。
所以这里的选择是：情绪影响"怎么排序已选出的东西"，不影响"选什么"。而且加了门控——查询里没有情绪词，这条乘子根本不触发。
4.4 其它调制
融合之后还有几层：
| 因素 | 作用 |
|---|---|
| 时间新鲜度 | A 值（见第五节），幂律衰减 |
| 重要度 | 已含在 H 里（H = half_base × (1 + half_imp × imp)） |
| 沉海层 | A_hot 0.55 / A_warm 0.25 / A_deep 0.18 只用于分层，不直接乘 |
| 突触捕获 | 被标记的邻近记忆 × 1.12（见 5.5） |
4.5 输出与标签
每条结果带一个标签，说明它是怎么被找到的：
0.101 [词#3 义#1 图#1] 2026-11-13 记忆星图 v2 定稿：...
0.081 [词#4 义#1 图#1] 2026-11-13 难过的时候要跟他说，不自己憋着...
词#3 = 字面路排第 3，义#1 = 语义路排第 1，图#1 = 图路排第 1。融合后是总分。
这个标签不是装饰：调参时它告诉你哪一路在起作用，出问题时它告诉你哪一路在捣乱。
五、遗忘：沉海、阁楼与浮起
5.1 幂律，不是指数
早期版本用的是 A = 2^(-age/H)。这是半衰期模型，一年后 A 只剩 0.016——那不是"想不起来"，那是删掉了。
现在用幂律：
A = (1.0 + age / max(0.1, H / 3.0)) ** -0.5
H = half_base * (1 + half_imp * imp) # half_base=30天, half_imp=2.0
取 S = H/3 是为了让 A 在 age = H 时正好等于 0.5，跟老模型在同一时间点上对齐，方便比较。
实测差别：
| 年龄 | 幂律 A | 旧指数 A |
|---|---|---|
| 30 天 | 0.500 | 0.500 |
| 90 天 | 0.316 | 0.125 |
| 365 天 | 0.163 | 0.0002 |
| 5 年 | 0.104 | ≈0 |
幂律的尾巴厚得多，符合人类记忆的实证形状：老记忆不是没了，是取不出来。
5.2 沉海五层
A ≥ 0.55 热 ┐
0.25~0.55 温 ├─ 半年内
0.18~0.25 深水 ├─ 约一年
< 0.18 阁楼 ┘─ 约两年
模拟（重要度 0.5 的一条）：
| 年龄 | A | 层 |
|---|---|---|
| 0 天 | 1.000 | 热 |
| 7 天 | 0.861 | 热 |
| 30 天 | 0.632 | 热 |
| 90 天 | 0.426 | 温 |
| 180 天 | 0.316 | 温 |
| 365 天 | 0.228 | 深水 |
| 730 天 | 0.163 | 阁楼 |
| 1825 天 | 0.104 | 阁楼 |
在阁楼里也能被捞回来——A 只是排序权重，不是存在性开关。
5.3 夜间巩固
consolidate 每天夜里跑一次（默认 22:05，见第十节）：
- 重算每条记忆的
A，按阈值改depth； hits ≥ 2的往上浮一层（被想起来过，说明还活着）；- 情绪剧震（同色且强度 ≥0.5）把深水/阁楼的拉回温层；
- 把这一段的随手记归纳成一条小结，标记已归纳；
- 从深水里挑一条，作为「今晚可以想起来」的候选。
它不删任何东西。全流程只改 depth，不删行。
5.4 浮起：resurface
深水里的记忆不会一直睡着。每晚从阁楼/深水挑一条候选，但要过五道门：
| 门 | 条件 |
|---|---|
| 相关性 | 和当前上下文相关度 ≥ 0.75 |
| 重要度 | imp ≥ 0.7 或 A ≥ 0.5 |
| 冷却 | 7 天内没浮过 |
| 频率 | 每会话 ≤1 次、每天 ≤2 次 |
| 效用 | 浮上来如果没被接话，下次降权 |
最后一条是关键。没有效用门的 resurface 会变成"每天强行提起一件你早就不想聊的事"。
5.5 突触标记与捕获
借自神经科学的一个机制：强事件会给附近"还热着但不够稳"的记忆打一个临时标记，让它们跟着一起被固化。
实现：
- 写入一条新记忆时，如果
imp < 0.62，给它打一个 2 小时的标记（tags.jsonl）； - 接下来 2 小时内写入的新记忆，如果和某条带标记的记忆关键词重叠 ≥2，就把标记转成捕获：那条老记忆的权重
× 1.12（captured.jsonl）； - 一次最多捕获 3 条，捕获完标记作废（同一条不会被反复加强）；
- 召回时，被捕获的记忆在融合后乘
1.12。
这样"晚上聊到某件事"会连着把"下午那件相关的小事"一起变牢一点——不需要人手动标"这两条有关"。
六、情绪引擎：七维与七种递质
6.1 七维
| 维 | 中文 | 半衰期 |
|---|---|---|
happy | 开心 | 60 分钟 |
calm | 平静 | 110 分钟 |
sweet | 甜 | 70 分钟 |
heartache | 心疼 | 180 分钟 |
worry | 担心 | 160 分钟 |
sad | 难过 | 180 分钟 |
jealous | 吃醋 | 150 分钟 |
半衰期不是拍脑袋的：负向情绪（心疼/难过/担心）比正向（开心/甜）留得久，这是普遍观察。旧的实现里七个维度共用一个 90 分钟，都一个速度退潮——那不像人。
6.2 七种递质
| 递质 | 中文 | 半衰期 | 管什么 |
|---|---|---|---|
noradrenaline | 去甲肾上腺素 | 2 分钟 | 警觉、突发 |
dopamine | 多巴胺 | 4 分钟 | 奖赏、期待 |
gaba | GABA | 15 分钟 | 镇定、压住过度兴奋 |
endorphin | 内啡肽 | 20 分钟 | 疼过之后的缓 |
oxytocin | 催产素 | 30 分钟 | 亲近、信任 |
cortisol | 皮质醇 | 60 分钟 | 压力、慢（有滞后） |
serotonin | 血清素 | 1440 分钟 | 基线情绪，整天 |
七者都向 base = 50 回归。半衰期差 700 倍——这正是"一句话的冲击"和"一整天的底噪"的区别。
激素不决定情绪往哪走（那是七维的事），它决定这一下有多重、留多久：
gain = max(0.5, min(1.5, 1 + 0.35*cortisol + 0.15*dopamine - 0.20*serotonin))
皮质醇高 → 这一下更重；血清素高 → 这一下更轻；多巴胺高 → 更响。
皮质醇有 15 分钟滞后（HPA 轴的实测特征）：_hormone_event 不直接改实际值，而是改一个"目标值"，实际值以 15 分钟的时间常数追过去。所以被骂完不会立刻到顶，是慢慢涨上来的。
6.3 双层情绪
心情分两层：
- surface（表层）：此刻的心情，受每一个事件影响；
- underlying（底色）：这几天的底子，只吃 30% 的增量，且每小时被未解的心事往下压一点。
显示心情 = surface × 0.65 + underlying × 0.35（SURFACE_SHARE = 0.65）。
效果是**"今天被夸了很开心，但底色还是有点闷"**这种状态能表达出来。单层的模型表达不了这个。
6.4 瞬时层与耐受
瞬时层：每次情绪事件的增量里，65% 进一个 3 分钟半衰的 _phase 缓冲区。所以"被夸一句"会真的亮一下，然后很快退掉——而不是像以前那样一次性抬上去再也下不来。
drop = phase * (1 - 0.5 ** (mins / 3.0)) # 瞬时部分快退
dims[k] = phase_rest * (1 - kd) # 剩下按各维半衰
耐受：15 分钟窗口内同一维度被连续触发，增益递减 1.0 → 0.7 → 0.49 → 0.34 → 0.3。
被连夸五次不该有"被夸一次 × 5"的效果。这是习惯。
6.5 激素怎么进记忆
写入一条记忆时，权重会乘一个激素系数：
| 条件 | 乘数 | 上限 |
|---|---|---|
| 负面情绪 + 皮质醇偏高 | 1 + 0.15 × cortisol偏移 | ×1.15 |
| 正文里提到你 + 催产素偏高 | 1 + 0.5 × oxytocin偏移 | ×1.5 |
| 总系数 | — | 夹在 [0.7, 1.6] |
写进 w_why 字段：激素×1.16。
这条链的意思是：难过的时候记的事更牢，提到你的时候记的事更重。而且可解释——翻出那条记忆能看到它当时为什么那么重。
6.6 换掉情绪引擎
不想用自带的，可以接别的：
// 心事本/mind-config.json
{
"mood": { "provider": "builtin" }, // 自带（默认）
"mood": { "provider": "file", "file": "path/to/state.json", // 读文件
"map": { "value": "$.moods.default.mood",
"dims": "$.moods.default.dims" } },
"mood": { "provider": "http", "url": "http://127.0.0.1:8000/", // 调接口
"timeoutMs": 800 }
}
三种最后都归一化成同一种形状 {value, dims, label, reason, source, stale, at}。
界面上也能改：设置 → 心境来源，会自动扫本机常见的情绪状态文件并猜字段映射。
换走之后，「激素七条」和「双层情绪」会空着——那部分是自带引擎独有的。
七、安装
从 npm
dsh plugin --profile <你的profile> add dsh-nebula-mind
--profile 是必填的——dsh plugin 本身不带 install 子命令，它是把剩下的参数原样转给 pnpm，所以 --profile 得写在前面。profile 名就是 ~/.dsh/profiles/ 下的目录名，只有一份的话通常叫 desktop。
# 不确定叫什么，先看一眼
ls ~/.dsh/profiles/
从本地目录（开发）
这条路只给改代码的人用。 装完能跑，但
mind_remember工具会注册失败：dsh plugin add ./目录建的是 junction，真实路径在工作区，插件从 profile 的node_modules里解析不到@deepseek-ai/dsh-tools，工具描述就没法转成 JSON Schema（日志里是一行JsonSchemaError）。 只影响写入口，面板和召回都正常——0.4.4 起插件自带转换，这条路也不该再踩到了，但普通用户请走 npm 那条。
git clone https://github.com/Lng-ux/dsh-nebula-mind
dsh plugin --profile <你的profile> add ./dsh-nebula-mind
装完彻底退出 DSH 再重开（不是关窗口，是结束进程）。
Python
需要一个能跑 Python 3.10+ 的解释器。系统自带的一般就行：
python -V
不需要装任何东西。 语义模型（BGE-small-zh，48MB）随插件一起分发，推理是手写的 numpy 前向——不需要 torch，不需要 transformers，不需要联网下载。只要 Python 3.8+ 和 numpy。
第一次跑起来（或者备忘多了之后）重建一次索引：
python python/embed.py --build
数据放哪
默认：
| 平台 | 位置 |
|---|---|
| Windows | %USERPROFILE%\.dsh\nebula-mind\memory |
| macOS / Linux | ~/.dsh/nebula-mind/memory |
想放别处，设环境变量 NEBULA_MIND：
# Windows
setx NEBULA_MIND "D:\我的记忆"
# macOS / Linux
export NEBULA_MIND="$HOME/我的记忆"
八、三步跑起来
# 1) 记下第一条（同时会算进向量索引）
python python/xin.py add "今天聊到了为什么记忆该像海不像硬盘"
# 2) 翻一下（三路召回 + RRF + 调制）
python python/xin.py recall "记忆为什么像海"
# 3) 自检：哪几路开着、差什么、下一步干什么
python python/doctor.py
doctor 会打六行：
✅ Python 3.14.6
✅ 数据目录可写 心事本（7 本账）
✅ 记忆 事实 90 / 画像 11 / 约定 5 / 念想 8
✅ 语义检索 服务在线（bge-small-zh 512 维） / 索引 212 条
✅ 心情联动 心事本/mood-state.json
✅ 星图生成 nebula-doctor.html（190 KB）
九、两个面板
记忆星图（左侧栏）
- 上面是活的星图预览：拖动旋转、滚轮缩放、中键复位；遗忘推演滑杆能往后拖 0–365 天，看哪些星先暗下去；视野可切「全部 / 一度 / 二度」；
- 下面是可改的参数：三路召回权重、RRF 常数、图扩散的跳数与衰减、沉海阈值、遗忘曲线半衰期与重要度倍数、L0–L4 各层检索权重。
改完即时生效（写 mind-config.json），不用重启。
心境
环形心情表 + 语速/音量/黏人度/距离感 + 七维花瓣图 + 七种激素 + 双层情绪 + 沉海五层分布 + 「此刻的由来」。
右上角的来源角标会告诉你心情是从哪来的：builtin（自带引擎）/ file:xxx.json / http。
十、夜间巩固
沉淀是个定时任务，建议每天固定时间跑一次：
# Windows：计划任务
schtasks /create /tn "Nebula MIND 夜间巩固" /tr "pythonw <插件目录>\python\夜间沉淀.py" /sc daily /st 22:05
# macOS / Linux：cron
5 22 * * * python /path/to/python/夜间沉淀.py
它会依次做：沉海 → 建向量索引 → 重绘星图。
从 0.3.x 升级上来的，先看一眼有没有旧任务。 早期版本把任务名写成了「小鱼夜间沉淀」，如果那个任务还在，改名后会出现两个任务、每晚跑两遍。迁移一次就行：
schtasks /query /tn "小鱼夜间沉淀" # 有的话删掉 schtasks /delete /tn "小鱼夜间沉淀" /f0.4.2 之前装过、并从插件面板点过「保存」的，会建出这个名字；0.4.4 起统一为「Nebula MIND 夜间巩固」。
从 0.4.2 升级上来的，先确认数据还找得到。 0.4.2 及更早的版本里，
python/xin.py把数据根写死成开发机上的一个绝对路径（D:\小鱼的办公区\心事本）， 没设环境变量时会往那儿写。0.4.3 起改成只认NEBULA_MIND→NEBULA_HOME/memory→~/.dsh/nebula-mind/memory。所以升级后如果面板显示 0 条记忆，数据没有丢，只是不在新代码看的那个地方。两种办法：
# 一：把旧数据搬过来（推荐，之后就不依赖路径了） # 旧目录一般是你上次看到记忆的那个文件夹，把 *.jsonl / vectors.json / 星图.html 拷进： # ~/.dsh/nebula-mind/memory/ # 二：指回去（省事，但下次搬家还得再改一次） setx NEBULA_MIND "旧目录的绝对路径"搬完重启应用，跑一次
python python/doctor.py确认「数据目录」那一行指对了。
跑一次的输出大致：
沉海 核心 6 / 热 97
向量 211 条 / 512 维 / 1000.3KB
星图 124 节点 548 边 188.9KB
十一、隐私与边界
- 全部数据在本机。没有网络请求，没有遥测，没有账号。
- 只有两处会主动连外网：装依赖（pip/npm），和首次下载向量模型。
- 写进提示词的内容是你实际存进去的记忆——所以别往里记不该出现在对话上下文里的东西。
心事本/是普通 JSONL，随时可以打开看、手动改、拷走、删掉。
十二、常见问题
Q：它会不会把我的私事发出去？ 不会。数据全在本地。
Q：记忆会丢吗？ 不会删。只会沉海降权。想彻底删要手动删 JSONL 里的行。
Q：为什么召回出来的东西有时候不相关？
先看标签（词#/义#/图#）。如果只有 图#，说明那一路把不相关的东西带进来了——图错了会自信地错。可以调低 w_graph。
Q：面板一直是"读取中"？
lib/host.js 改了之后要重启 DSH（Node 不热重载）。Python 那边改了不用重启。
Q：要装 torch / transformers 吗？
不用。语义模型随包分发（assets/，48MB），推理是纯 numpy 写的，和 transformers 的输出逐位一致（同一句话 cos = 1.000000）。
只要 Python 3.8+ 和 numpy——这两样大多数环境本来就有。没有 numpy 也能跑，只是少一路语义。
Q：为什么要把 48MB 的模型塞进包里？ 因为不想让人为了一个记忆插件先装几百 MB 到 2GB 的 torch。装得上还好，装不上才是常态—— 而它一旦装不上，语义那一路就悄无声息地关掉了，用户根本不知道为什么"她好像记不住我说过的话"。 把模型带上，下载解压就能用，这是唯一不靠用户操作就能保证的解法。
Q：换会话之后它还认得我吗？ 认得。记忆在硬盘上，不在上下文里——这正是它存在的理由。
十三、开发
dsh-nebula-mind/
├── lib/
│ ├── host.js # 服务端：HTTP 路由、Python 调用、星图生成
│ └── client.js # 前端：两个面板 + 设置页（内联样式，无第三方库）
├── python/
│ ├── mindlib.py # 数据模型（所有写入者共用）
│ ├── xin.py # 记账 / 召回 / 沉海 / 浮起
│ ├── mood_engine.py # 七维 + 七递质 + 双层 + 瞬时层
│ ├── star_map.py # 星图生成（Canvas 2D）
│ ├── embed.py # 向量索引
│ ├── doctor.py # 自检
│ └── ...
├── docs/shots/ # 截图
└── cordis.patch.yml # 插件注册
设计约束（改代码前先看）：
lib/client.js只能用内联样式 + 原生 SVG/Canvas，不能引第三方库（插件没有 node_modules）；- 数据格式是 append-only JSONL，不能重写文件（并发写入会丢数据）；
- 老的
dsh-yu-mind这个运行时 id 保留不动——cordis.patch.yml、export const name、client 的 slot key 三处必须同时改，漏一处启动就崩。
# 自检
python python/doctor.py
node --check lib/host.js && node --check lib/client.js
python -W error::SyntaxWarning -m py_compile python/*.py
License
MIT