思维年轮 Hagen121212/dsh-journal

思维年轮 · DeepSeek Journal

把 DeepSeek Harness 的本地会话，变成一份能回看的「思维年轮」：按主题串线、每周周报、双周成长复盘，每一条判断都能点回你当时说的那句原话。

English summary — DSH Journal turns your local DeepSeek Harness chat history into a reviewable journal: session cards, weekly digests, and a bi-weekly five-dimension growth review, where every claim must cite a verbatim quote from the original conversation. It runs entirely on your machine (Python 3.11+ standard library, plus Node for zstd decompression), calls only the DeepSeek API, and redacts secrets and local paths before anything leaves the process. Self-knowledge entries ("L4") are drafted by the model but accepted or rejected by you in the local web UI. MIT licensed, unofficial.

概览

30 秒导览

导览用的是合成演示库（tools/build_demo.py），不含任何真实聊天记录；生成方式见 tools/make_demo_gif.py。

它解决什么问题

大多数「聊天总结」工具给你一段摘要，看完就没了。真正难的是：

- 三个月前你为什么会做那个决定？当时的问法和现在有什么不同？
- 哪些判断反复出现、哪些只是当时的情绪？
- 你说要做的实验，后来做了吗？

思维年轮把每个会话拆成会话卡（目标、关键转折、信号、自我描述、修正、承诺），再把卡片按周、按双周向上聚合，形成一条有时间纵深的证据链。它不评价你「优秀/差」，只记录可回链的行为。

三块界面

| 界面 | 用途 |
| 本地网页 http://127.0.0.1:8765/ | 主界面：概览、时间线、主题、成长、洞察、报告、搜索、证据回链 |
| DSH /journal 技能 | 薄入口：一句话 + 五维状态 + 待确认洞察 + 网页链接 |
| DSH 右上角「年」面板 | 轻量：会话数与洞察数、本周一句话、五维状态、打开完整网页 |

双周成长复盘

成长

五个维度：技术判断力、决策质量、研究方法、逻辑语言能力、思维认知方式。分数只是索引：证据不足就显示「观察中」，不硬打分；有反例就必须写 counter_evidence。满 3 个点（6 周）才谈「趋势」。

洞察（L4）：AI 起草，你确认

洞察

模型只能提出候选自我认知。你在网页上接受、改写或驳回；确认后进入 L4 档案，并会在下一次成长报告里被逐条复核（仍成立 / 减弱 / 出现反例 / 证据不足）。被驳回的判断不会原样重提。来源修正（例如「这句话其实是我朋友说的」）只用于纠正归属，不会被当成你的特质。

DSH 面板

面板

它是怎么工作的

~/.dsh/sessions//session.v4.jsonl.zstd
│ tools/decompress_session.mjs（多帧 zstd，Node） ▼ JSONL 事件流 ──► 解析 / 过滤注入上下文 / 脱敏 ──► SQLite + FTS5 │ │ │ 会话卡（LLM，引用逐条校验） │ │ └──────────────► 周报 / 基线 / 双周成长 ◄───────┘ │ L4 候选洞察 ──► 你在网页确认 ──► L4 档案

关键约束：

1. 证据优先：引用必须在原消息里逐字找到，找不到就自动剔除，不会出现在报告里。
2. 区分谁在说话：用户行才是关于你的证据；模型的话只用于理解上下文。
3. 注入内容不算你说的话：DSH 会把 runtime-context、技能目录、时间等写入 user message，解析时按 source.kind 过滤。
4. 基线不打分：第一次全量回看只建立起点，避免伪造成长曲线。

快速开始

依赖

- Python 3.11+（tomllib、sqlite3、zoneinfo；无第三方包）
- Node ≥ 22.15（解压多帧 zstd 用；DSH 自带的 Node 通常已满足）
- 一份 DeepSeek API key（只在你主动运行分析命令时才会用到）

运行

git clone https://github.com/Hagen121212/dsh-journal.git
cd dsh-journal
cp config.example.toml config.toml # 可选，默认值已够用
python -m journal.cli status # 看能否找到 ~/.dsh/sessions

不安装也能跑：直接在仓库根目录执行 python -m journal.cli ...。static/ 在仓库根目录，所以请从仓库根目录启动，不要只装包。

第一次全量回填

export DEEPSEEK_API_KEY=sk-... # Windows: set DEEPSEEK_API_KEY=...
python -m journal.cli backfill --force
这一步会：同步历史会话 → 生成会话卡 → 生成基线画像 → 为已完成的历史周各生成一份周报。会产生 API 费用。想先看效果，可以只跑前两步的少量样本：

python -m journal.cli sync --limit 3
python -m journal.cli cards --limit 3

打开网页

python -m journal.cli serve --port 8765

然后访问 <http://127.0.0.1:8765/>。Windows 也可以双击 start_web.cmd（后台启动并打开浏览器）。

日常命令

python -m journal.cli status # 数据概览
python -m journal.cli sync # 只同步新会话
python -m journal.cli cards # 为待处理会话生成卡片
python -m journal.cli weekly # 跑一次周任务（周日 20:00）
python -m journal.cli growth # 到期时生成双周成长报告
python -m journal.cli baseline # 基线画像
python -m journal.cli l4 # 导出 L4 档案

定时任务

Windows：把 run_weekly.cmd 挂到任务计划程序，每周日 20:00。

schtasks /Create /TN "DSH Journal Weekly" /SC WEEKLY /D SUN /ST 20:00 /TR "C:\path\to\dsh-journal\run_weekly.cmd" /F

任务默认是“仅交互式运行”，需要你处于登录状态；错过时间且当时已登录时会在可用时补跑。

macOS / Linux：一行 cron。

0 20 0 cd /path/to/dsh-journal && ./journal.sh weekly >> "$JOURNAL_HOME/logs/weekly.log" 2>&1

成长报告不是每周都出：判定用 13 天而不是 14 天，避免“每两个周日”漂移到第三个周日。

装进 DSH

/journal 技能

把 skills/journal/ 复制到 DSH 的技能目录：

cp -r skills/journal ~/.dsh/skills/journal

之后在 DSH 里输入 /journal。

右上角面板插件

dsh plugin --profile desktop add ./plugin/dsh-journal-panel

装完要完整重启 DSH（桌面端的注入表在启动时收集，热加载只补 API 不补按钮）。插件只读本机 127.0.0.1:8765，不写数据库。细节与回滚见 plugin/dsh-journal-panel/README.md。

插件也有独立仓库：Hagen121212/dsh-journal-panel（与这里的目录内容一致，适合单独安装和提 issue）。

配置

config.toml（从 config.example.toml 复制，已被 .gitignore 忽略）：

- model.model：默认 deepseek-flash
- budget.max_total_tokens_per_run：单次运行 token 上限（默认 300 万）
- schedule.weekly_time：默认 20:00
- privacy.redact_paths：入库前替换本机用户路径

也可以只用环境变量：

| 变量 | 作用 |
| JOURNAL_HOME | 数据/报告/日志根目录，默认 ~/DeepSeekJournal |
| DSH_HOME | DSH 数据目录，默认 ~/.dsh |
| DSH_NODE | 指定 node 可执行文件（找不到 Node 时） |
| JOURNAL_TZ | 计算周与日期用的时区，默认 Asia/Shanghai |
| DEEPSEEK_API_KEY | API key；也可放 ~/.dsh/.credentials.yaml 或 $JOURNAL_HOME/api_key.txt |

隐私与数据边界

- Web 只绑定 127.0.0.1，没有登录，不要暴露到局域网或公网。
- 出网的只有发往 DeepSeek API 的请求。发送前会脱敏：sk- 类密钥、Bearer token、私钥块、邮箱、手机号、40 位以上 hex、长 base64、本机用户目录。
- 数据库、报告、日志、备份都在 $JOURNAL_HOME 下，不属于仓库，.gitignore 已排除。
- 报告里的引用是 /sessions/... 相对链接，只有在本地网页里才能打开。

更多说明见 PRIVACY.md。

设计取舍

- 基线不打分：第一份画像只建立起点。
- 双周取点：周报每周，成长每两周；满 3 个点才标“趋势”。
- 分数是索引，不是结论：null 表示证据不足，不等于 0 分。
- L4 由用户确认：AI 只起草候选。
- 修正 ≠ 特质：来源修正只用于纠正归属。
- 本地优先：默认只绑回环，凭据不写库、不写报告。

目录结构

dsh-journal/
journal/ # 引擎：解析、DB、脱敏、卡片、报告、Web、CLI static/ # 网页样式 tools/ # zstd 解压、演示库生成、面板预览页 skills/journal/ # DSH 技能 plugin/ # DSH 浮动面板插件 docs/ # 架构、五维 rubric、截图 examples/ # 全合成的演示数据集 tests/ # unittest config.example.toml pyproject.toml

开发与测试

bash
python -m unittest discover -s tests -v

演示库（不需要 API key，也不读真实聊天）： bash
python tools/build_demo.py --home demo-home --clean
JOURNAL_HOME=demo-home python -m journal.cli serve --port 8766

docs/screenshots/ 里的截图就是这样生成的：合成数据 + 真实前端 + 无头 Edge。

已知限制

- 只解析 DSH 的 session.v4.jsonl.zstd 会话格式；DSH 改格式时需要跟进。
- 报告质量取决于模型；引用校验能拦住「编造原话」，但拦不住「引用真实、解读过度」。所以 L4 必须由你确认。
- 首次全量回填的 token 消耗与历史长度成正比，建议先 sync --limit 3 + cards --limit 3 试跑。
- 没有多用户、同步、移动端；它是一个本地单人工具。
- 面板插件依赖 DSH 内部注入点，属于非官方集成。

许可证与声明

MIT，见 LICENSE。本项目与 DeepSeek 官方无关；DSH 是 DeepSeek 的产品，本项目只是读取其本地数据的外部工具。