dsh-mirror

🪞 dsh-user-mirror

让 AI 记住你怎么想，而不是你说过什么。
DSH 插件 —— 模型主动记下你的原则、红线与工作方式，跨会话复用。
会遗忘、有容量上限、每条都说得出为什么记。

 ·  更新日志 · 开发笔记

_{记忆 tab —— 不是一份记录列表，是一张画像：一句话速写、四类判断分区、
红线单独成块，每条判断的字重就是它被印证的次数。}

装它和不装它的区别

	不装	dsh-user-mirror
换一个会话	你的原则要重讲一遍	自动注入，模型已经知道
模型到底记了什么	不透明，只能猜	记忆 tab 里一条条列出来
它凭什么记这条	无从追溯	每条都带理由，点开就看到
记多了会不会塞爆上下文	会	按 token 预算注入，不按条数
记错了怎么办	只能重开会话	点一下撤掉
过时的偏好	一直留着误导模型	会遗忘 —— 30 天没被印证就进淡忘区

这是什么

一个 DSH 插件：让模型主动记下「你怎么想」，跨 session 复用，再注入回系统提示。

• 🧠 学 —— 模型意识到你表达了可复用的判断依据时，调用 mirror_remember 记下来，并写下为什么记
• 💾 记 —— 用 ctx.storageDomain 本地持久化，有容量上限、会遗忘、新认知覆盖旧的
• 🎯 用 —— 自动注入 system prompt，按 token 预算 注入，不是条数

只记判断依据，不记事实

这是这个插件唯一重要的取舍。事实（路径、账号、服务器、仓库地址）另有真源， 这里再记一份就是第二真源，两边迟早打架。所以它只收 cs 那类真源里没有的东西 —— 你的原则、取舍、红线、工作方式。

这同时也是「人脑不能无限递增」的解法：判断依据天然有限（几十条量级），事实无限。 只收前者，容量就不是靠淘汰硬撑出来的。

分类	记什么
principle	原则/取舍 —— 什么情况下怎么选
redline	红线 —— 绝对不要做什么
workflow	工作方式 —— 流程与协作习惯
taste	审美/表达 —— 措辞、风格、呈现

为什么不从 think 链里猜

v0.4 之前是用正则扫模型的 reasoning 流，找「用户偏好…」这类复述。实测在真实数据上 命中 0 次 —— 它赌模型会用某种特定中文句式复述你，这个假设太脆弱；而且就算命中， 「用户想让我改这个按钮」这种一次性意图也会被当成长期偏好记下来。

「这算长期原则还是一次性请求」是判断，正则是手脚，手脚做不了这个判断。所以改成 模型自己判断、主动调用工具 —— 顺带解决了可解释性：每次记录都发生在对话里，看得见， 每条都带理由，而不是背后悄悄写。

记忆 tab 长什么样

安装后，「对话 / 轨迹」后面会多一个**「记忆」tab**。它不是一份记录清单，是一张画像：

• 一句话速写 —— 顶部直接给出「被印证最多的那条判断」，那就是模型眼里最认定你的一条
• 四类分区 —— 红线单独成块（越界有代价，且不参与遗忘），原则是主体，工作方式与审美压成两栏
• 强度就是字重 —— 被印证越多的判断字越重越实，弱的退成灰字；不显示「强度 3.7」这种对人没意义的数字
• 证据折在判断里 —— 正面只放抽象后的判断，点「看是哪几次」才展开它从哪些具体事件来的
• 正在淡忘 —— 30 天没被印证的判断进折叠区，让「会遗忘」这件事看得见
• 每条可以点 ✕ 撤掉。两段式：第一下只变成「确认撤掉？」，再点才真删 —— 删除端点只认 DELETE/POST，GET 一律 405，免得被浏览器预取或前进后退重放误删
• 一颗 ai-orb 状态球会表态：读取中 / 刷新中 / 刚记下（带角标）/ 失败

记忆模型：有结构、会遗忘

记忆不是无限递增的——人就是会遗忘，新认知覆盖旧认知：

机制	规则
强度	强度 = 命中次数 × 时间衰减（遗忘曲线）
遗忘	半衰期默认 30 天：多久没被再次确认，强度减半
覆盖	同主题的新说法覆盖旧的（不新增近义条目）
封顶	默认 20 条上限，满了淘汰强度最低的
预算	注入按 token 预算（默认 500），不是「塞全部」

同主题判定走两条通道：英文实体（r2 / picx / main 这类词在技术语境里几乎等于 主题标签，共同命中两个即判同主题）+ 中文二元组重叠。已知边界：同义但完全换词的 纯中文（「回复一律用中文」vs「一律中文回复，术语保留英文」）会漏检，多存一条。 真要修得上 embedding，不值得为此加重量级依赖 —— 而且模型记录时看得见已有记忆， 防重主要靠它，findSimilar 只是兜底。

已知限制：改写幅度大的中文同义句会被记成两条

同主题判定走两条通道 —— 英文实体（r2 / picx 这类技术名词，共享两个即判同主题） 和中文 bigram 重叠（阈值 0.3）。纯中文表述只差一两个字时能正确合并 （实测相似度 0.67–0.77），但换一种说法就会漏判：

A	B	bigram 相似度	结果
提交之前一定要跑一遍测试	提交之前一定要先跑一遍测试	0.77	✅ 合并
删东西之前必须先问我	要删掉东西之前先来问一下我	0.18	❌ 记成两条

原因是 bigram 只看字面重叠，不理解同义。条目有上限，重复条目会挤掉真正有用的记忆。

现在的对策：mirror_remember 时尽量沿用已有表述；发现重复用 mirror_forget 删掉一条。 根治要靠同义归并（词向量或让模型自己判重），尚未做。这条限制被测试锁住 （test/memory-core.test.mjs 的「已知缺陷」用例），将来改进时那条会失败，提醒同步更新。

安装

dsh plugin --profile web add @dsh-plugins/dsh-user-mirror

⚠️ 只能装在提供 storageDomain 和 webServer 的 profile 上（也就是 web）。 headless profile 两个服务都没有，插件会停在 pending (waiting for services: storageDomain, webServer) 并让整个 boot 失败 —— 前者是记忆持久化的根基， 后者是「记忆」tab 取数据的通道。

关于 ai-orb 的 vendoring

唯一运行时依赖是 ai-orb（SVG 状态球，零依赖）。 声明为 dependencies 但不会被打进客户端 bundle——client 端通过 import('/dsh-mirror/vendor/ai-orb/index.js') 同源加载，路径由 host 侧把 node_modules/ai-orb/src/ 整目录以 /dsh-mirror/vendor/ai-orb 这个静态路由下发。

为什么不直接 bundle：状态球会被多个页面同时实例化，单独 ESM 模块走 HTTP/2 多路复用， 首屏不阻塞；而且 ai-orb 升级只需 pnpm update ai-orb，没有任何手抄副本需要同步。

怎么工作

1. 模型看到系统提示里已有的记忆（按强度排序、受 token 预算约束）
2. 你表达出某条可复用的判断依据时，模型调用 mirror_remember(text, kind, reason)
3. 归一化 + 实体/中文二元组双通道匹配，判断是覆盖同主题旧记忆还是新增
4. 新增后若超出容量上限，淘汰强度最低的一条
5. 下次组装 system prompt 时，这条就在里面了

工具调用是可见的，所以「它什么时候记了什么」你在对话里直接看得到。记忆 tab 里 每条还带着 reason（为什么记）和强度、确认次数、最后确认时间。

配置

在 cordis.patch.yml 里覆盖：

- insert:
    - id: dsh-mirror
      name: dsh-user-mirror
      config:
        maxPreferences: 20   # 记忆容量上限（条数）
        halfLifeDays: 30     # 半衰期（天），越久越弱
        maxTokens: 500       # 注入的 token 预算
        sectionOrder: 160    # system prompt 里的位置（越小越靠前）

工具

• mirror_remember(text, kind, reason) —— 记下一条判断依据
• mirror_forget(text, reason) —— 撤掉一条记错的（按同主题匹配，不用给精确原文）

没有查询工具，这是故意的：记忆本来就注入在 system prompt 里，再给一个查询工具 就是第二条读路径，白占常驻 token。v0.6 把原来的 mirror_preferences 换成了 mirror_forget —— 只能写不能撤的话，一条记错的东西要么等半个月衰减掉、要么等同主题 新说法覆盖它（而中文同义换词还会漏检），这期间它一直污染每一轮的系统提示。

隐私

• 偏好只存本地（~/.dsh/storages/）
• 不联网、不上传
• 想清空？删除 dsh_mirror domain 即可

License

MIT © webkubor