无限上下文记忆 chocobo77/dsh-infinite-context

dsh-infinite-context

DeepSeek Harness 的上下文管家插件。它让 AI 助手在超长对话中不「失忆」、不「爆窗」：旧对话自动整理成摘要并存档，重要的事情每轮主动提醒，需要细节时随时找回原文。

跳到英文说明

它解决什么问题

和 AI 助手长期协作时，你会遇到两个问题：

1. 窗口装不下 —— 对话太长，超出模型一次能读取的上限，请求直接报错。
2. 压缩即失忆 —— 普通的压缩会把旧对话直接丢掉：做过什么决定、试过什么方案、有什么约束，全都没了。

本插件的思路是压缩不等于删除：旧对话被折叠成一份结构化摘要，原文完整存档、随时可取回；同时把「当前任务进行到哪了」主动放在模型眼前，不靠它自己想起来去查。

核心功能

1. 智能折叠：像整理会议纪要

对话接近上限时，较早的内容自动折叠成一份结构化摘要——总目标、关键决定、改过的文件、遇到的问题、待办事项，一目了然。

折叠的时机和深度不是死规则：

- 看阶段：模型正在连续调用工具时推迟，一段话说完的间隙才动手；
- 看内容：大量工具输出适合折深一些，重要指令则尽量保留原文；
- 会自我修正：每次折叠记录「实际结果与计划的偏差」，下次自动补偿；
- 有安全底线：模型正在思考或回答时绝不动手，两次折叠之间有最小间隔，避免反复折腾。

2. 一切可恢复

折叠前，原文完整存档，摘要开头给出一个取回编号（如 fl_ab12cd34ef56）。模型或你随时可以用 memory_expand 工具读回原文，支持分页和关键词定位；读不完会明确告知总长度和下一次怎么取。

超长的工具输出（一次大文件读取、一份长日志）同样先存档，再用一个带编号的短摘要占位——需要细节时一键展开。

3. 记忆金字塔

每次折叠的摘要存入本地数据库（重启不丢）。积攒多了，插件会自动把主题相近的几条合并成更高层的「长期记忆」；新对话或新问题时，最相关的历史记忆自动检索并注入给模型。

4. 任务状态提醒（工作记忆）

每次折叠后，插件从摘要中提取「总目标 / 待办 / 下一步 / 关键约束」，之后每一轮都主动放在模型眼前。

这解决一个真实痛点：记忆检索靠「相似度」，而五十轮之前的待办和当前问题往往并不相似——靠模型自己想起来去查，生产环境中一次也没发生过。主动提醒才是可靠的。

5. 提前准备，而不是让你等

快到折叠点时，插件会在后台提前把摘要写好；真正需要折叠时直接取用，现场零等待。如果后台准备会和你的对话抢同一个模型服务器的位置（本地小窗口部署时可能发生），它会自动让路——对话永远优先。

6. 会自己学习的参数

- 每个模型路线「摘要实际需要多久」，由插件持续测量并自动调整等待时间——本地部署的大模型慢但健康，等待会自动放宽；云端卡死的流不会浪费第二次机会。
- 每次折叠「实际落点与计划的偏差」持续记录，下一次自动补偿。
- 服务商报「装不下」时，记下服务器的真实容量，之后按真实容量规划，而不是按声明值硬撑。
- 你在配置里手工指定的值优先级最高，学习只在未指定时生效。

7. 其他能力

- 工具结果即时提炼：大段输出先提取关键行（错误、计数、文件路径），原文存档备用。
- 本地部署优化：自动识别 127.0.0.1 / 局域网上的模型，按探测到的真实窗口规划、注入精简指令、放宽等待。
- 中英文双语场景：摘要格式与关键信息提取都覆盖中文的错误、警告与超时行。

模型可用的工具

| 工具 | 作用 |
| memory_search | 搜索全部历史记忆 |
| memory_expand | 展开被折叠/存档的原文（支持分页、关键词） |
| memory_status | 查看记忆系统状态与用量统计 |
| memory_index | 浏览记忆索引 |
| memory_maintain | 记忆库体检：重复、冲突、低价值条目 |

配置

所有配置在 cordis.yml，每一项都有注释。最常用的：

| 配置 | 作用 | 默认 |
| compaction_governance | 统一折叠调度（建议保持开启） | true |
| summarization_timeout_ms | 单次摘要的等待上限（毫秒）；0 = 不限制 | 自动：本地 240s / 云端 90s，随输入伸缩，并随实测学习 |
| task_state_enabled | 每轮注入任务状态提醒 | true |
| speculative_fold | 后台提前准备折叠摘要 | true |
| tool_archive | 超长工具结果存档 | true |
| rag_top_k 等检索项 | 每轮注入多少条相关记忆 | 见 cordis.yml |

完整清单与每项的详细说明见 cordis.yml 内注释。

安装

需要 Node.js ≥ 22.19.0 和 DSH 0.2.x。

npm pack
dsh plugin --profile <profile> add ./dsh-infinite-context-<version>.tgz

安装后重启 DSH 生效。数据（记忆、存档、统计）存放在 DSH 数据目录的 storages 下，升级插件不会丢失。

兼容性说明

- 折叠通过 DSH 自带的 compaction-basic 完成，工具调用与结果的配对永远完整。
- 本地模型（127.0.0.1 / 内网地址）自动识别：按探测到的真实窗口规划、放宽摘要等待、注入精简指令。
- 默认的语义向量化是内置实现，零第三方依赖；需要更强的语义检索可自行安装 @huggingface/transformers。
- 本地模型只支持特定推理档位时，摘要调用沿用会话当前的档位设置。

许可

MIT

What problem does it solve

Long-running sessions with an AI assistant hit two walls:

1. The window fills up — the conversation outgrows what the model can read at once and requests start failing.
2. Compaction means amnesia — naive compaction throws old context away: decisions made, approaches tried, constraints stated — all gone. 这个插件的原则：压缩不是删除。旧轮次折叠成结构化摘要，原文归档，随时按需取回；当前任务状态每轮主动摆到模型面前，不靠它自己记。

核心特性

1. 智能折叠，像会议纪要

对话接近上限时，旧轮次折叠成结构化摘要——目标、决策、改动的文件、遇到的问题、待办事项。

什么时候折叠、折多深，不是固定规则：

- 看阶段：工具循环执行时先缓一缓，到轮次边界再折；
- 看内容：工具调用密集的大块内容折得深，重要指令原样保留；
- 会自我校正：每次折叠都记录结果偏离计划多远，下次补回来；
- 有硬性安全护栏：模型生成过程中绝不打断，最小间隔防止折叠抖动。

2. 一切皆可恢复

折叠前先归档原文，摘要里带上引用（如 fl_ab12cd34ef56）。模型——或者你——可以用 memory_expand 工具读回精确原文，支持分页和关键词搜索；读取被截断时会说明完整长度和下一次调用的确切参数。

超大的工具输出（读了个大文件、拉了一段长日志）同样归档，替换成一段带引用的短存根。

3. 记忆金字塔

每份折叠摘要都持久化到本地（重启不丢）。摘要越积越多，主题相近的会合并成更高层的长期记忆；新问题进来时，自动检索最相关的几条注入。

4. 任务状态提醒（工作记忆）

每次折叠后，插件从摘要里提取「目标 / 待办 / 下一步 / 关键约束」，每一轮都摆到模型面前。

这补上了一个真实的缺口：记忆检索靠相似度，五十轮前的待办和当前问题往往并不相似——生产环境里模型一次都没主动搜过。推给它，比指望它想起来强。

5. 提前备好，不让你等

上下文快接近折叠触发点时，摘要在后台预先算好；真正折叠时直接拿来用，零等待。如果后台调用会和你的对话抢同一个本地服务（小规模本地部署可能出现），它就退让——对话永远优先。

6. 会学习的参数

- 每条模型路由上摘要要花多久，持续测量，等待时间自动调整——本地部署的大模型慢但活着，等待就放宽；云端流断了不会给第二次耐心机会。
- 每次折叠实际偏离计划多远，持续跟踪并补偿。
- 服务商因体积拒绝请求时，记下服务端的真实容量，以后折叠按现实规划，不按标称数字。
- 你显式设置的值永远优先；学习只在你没有设置的地方生效。

7. 还包含

- 工具结果即时提炼：抽取信号行（错误、计数、路径），全文归档。
- 本地部署优化：自动发现 127.0.0.1 / 局域网模型，按探测到的真实窗口规划，启用简洁模式指令。
- 中英双语摘要与信号抽取，包括中文的错误行和警告行。

模型可用的工具

| 工具 | 用途 |
| memory_search | 搜索全部已存记忆 |
| memory_expand | 展开折叠/归档的原文（分页、关键词） |
| memory_status | 记忆系统状态与使用统计 |
| memory_index | 浏览记忆索引 |
| memory_maintain | 健康检查：重复、冲突、过期条目 |

配置

所有配置都在 cordis.yml 里，每个键都有注释。常用的几个：

| 键 | 用途 | 默认值 |
| compaction_governance | 统一折叠调度（保持开启） | true |
| summarization_timeout_ms | 单次摘要的截止时间（ms）；0 = 不限 | 自动：本地 240s / 云端 90s，按输入量缩放，并由学习结果细化 |
| task_state_enabled | 每轮任务状态提醒 | true |
| speculative_fold | 后台预计算折叠摘要 | true |
| tool_archive | 归档过大的工具结果 | true |
| rag_top_k 等 | 每轮注入多少条记忆 | 见 cordis.yml |

完整列表和每个键的说明都在 cordis.yml 的注释里。

安装

需要 Node.js ≥ 22.19.0 和 DSH 0.2.x。

npm pack
dsh plugin --profile <profile> add ./dsh-infinite-context-<version>.tgz

安装后重启 DSH。数据（记忆、归档、统计）存放在 DSH 数据目录的 storages 文件夹下，升级后不会丢失。

兼容性

- 折叠走 DSH 内置的 compaction-basic；工具调用与结果的配对始终保留。
- 本地模型（127.0.0.1 / 私有局域网）自动检测：按探测到的真实窗口规划，放宽摘要截止时间，启用简洁模式指令。
- 默认 embedder 内置，零第三方依赖；想要更强的语义检索，自行安装 @huggingface/transformers。
- 本地模型只接受特定推理级别时，摘要调用跟随会话当前设置。

许可证

MIT