跨会话记忆插件 reedflame40224/vcp-memo

vcp-memo

License: CC BY-NC-SA 4.0
Dependencies: 0
Test suites: 19 green
Node.js ≥ 20

面向 LLM 智能体的跨会话长期记忆——将经过生产验证的 TagMemo V9.1 "wave" 算法从 VCPToolBox 忠实移植到 DeepSeek Harness (DSH)，以零依赖 Cordis 插件形式实现。

🇨🇳 完整中文文档见下方 中文文档。TL;DR：为 DSH 智能体提供跨会话长期记忆——写入即 Markdown 日记，检索走向量 + Tag 共现图"浪潮"传播，每轮对话前被动注入 区块。

为什么不直接用向量 RAG？

向量相似度找到的是谈论同一件事的文本。记忆需要的远不止于此：它需要结构性回忆——同一项目周围还发生了什么、什么接续着什么、哪些经验通过智能体自身的叙事与当前经验相连。

vcp-memo 在智能体的日记语料上维护一张有序的 tag 共现图（tag 由智能体写入，顺序保留——顺序即叙事方向），并在每次查询时从残差金字塔感知的种子 tag 出发传播一个有界浪潮：对数压缩证据 → 枢纽惩罚校正 → 固定的每节点流出预算 → 软非回溯、动量受限的跳转 → γ-FIR 能量场 → 动态查询融合 q' = (1−α)q + α·c，其中 α 由 EPA 语义轴分析驱动（K-Means + 加权 SVD：逻辑深度、熵、跨域共振）。

结果：由结构相连的记忆即使措辞与查询在语义上相距甚远也能浮现——这是普通 KNN 做不到的。

A/B 基准测试（真实、可复现）

来自 tests/e2e-p2.test.mjs，一个在真实本地嵌入模型（bge-m3）上运行的固定 A/B 测试框架。语料中包含一个生造词（"泽塔波"），位于日记 A （tag 为 泽塔波, 澜沧计划）中，以及一篇语义上相距甚远、关于关联项目的日记 B （tag 为 澜沧计划, 部署）。查询："泽塔波的原理与影响"。

| | 纯 KNN | vcp-memo 浪潮路径 |
| 日记 A（直接语义命中） | 排名 1 · 得分 0.643 | 排名 1 · 得分 0.653 |
| 日记 B（结构相连、语义遥远） | 缺失（得分 0.233 区块注入到
模型在形成回答之前的上下文（一个 agent/pre-step 钩子），带有按智能体的节流、超时，以及“绝不中断回合”的故障安全策略。先回忆，后感知。
- 智能体工具 — save_memory / recall_memory / update_memory（锚点替换编辑）/ memory_admin（统计、重建），外加一个系统提示词纪律章节，教导智能体如何使用它们。
- 文件即真相 — 日记是纯人类可编辑的 Markdown （diaries//--.md，VCP DailyNote 契约）。文件监听器在数秒内重新索引外部编辑；整个 index/ 是可重建的派生产物。
- TagMemo V9.1 波核 — 有序共现矩阵（位置势能 × 距离衰减 × 正向/反向流动 × 钟形语义增益）、有界传播核、软非回溯 FIR 传播、标签语义去重、候选去重、结构化补充获取（“只增不减”）。
- 管理 CLI — node bin/vcp-memo.mjs stats|rebuild|tags|doctor 可独立运行，无需 DSH。
- 零 npm 依赖 — 纯 ESM，仅使用 Node 内置模块 + 全局 fetch。
通过任何 OpenAI 兼容的 /v1/embeddings 端点进行嵌入（默认使用本地 Ollama bge-m3；聊天和嵌入提供方被刻意解耦）。

工作原理

save_memory ──► diaries//.md（真相源，git 友好，人类可编辑） │ 文件监听器（包含人类编辑） ▼ chunk → embed (Ollama bge-m3) → index/（JSONL，可重建） │ 带位置的标签 → 向量 → EPA 基 + 共现图 ▼ recall: 查询向量 → EPA 投影（logicDepth / entropy / resonance） → 残差金字塔（种子标签，coverage / novelty / activation） → V9.1 有界波传播（能量场，core/seed/emergent 来源） → 动态融合 q' = (1−α)q + α·c → KNN ∪ 结构化补充 → 去重 → 截断 → Top-K passive injection: agent/pre-step → recall(最后用户 0.7 + 最后助手 0.3) → 块注入请求，在模型回答之前

要求与快速开始

- Node.js ≥ 20；本地 Ollama 并带有 bge-m3（ollama pull bge-m3），或任何 OpenAI 兼容的嵌入端点（embedding.baseUrl / apiKey）。
- 作为 DSH bundle 安装：将此包链接到你的 profile 并添加到 dsh.profile.bundles；随附的 cordis.patch.yml 会自行注册插件行。（中文安装/配置细节见下方文档。）
- 验证：在 DSH 会话中，让智能体 save_memory 一些内容，打开一个新会话，然后 recall_memory 取回它。

仓库布局

vcp-memo.mjs 插件入口（4 个工具，pre-step 注入，提示词章节） core/ 移植自 VCPToolBox（CC BY-NC-SA，见 NOTICE.md）： TextChunker · EPAModule · ResidualPyramid · ResultDeduplicator engine/ 原始胶水层：embed · store · taglayer · inject · taggraph · propagate · wave bin/vcp-memo.mjs 管理 CLI scripts/ Windows 侧备份脚本（通过 \\wsl$ 使用 robocopy） tests/ 19 个无框架测试套件（node tests/.test.mjs） SPEC.md 各里程碑的设计规格（P0 / P1 / inject / P2 / P3）

测试

19 个套件，零框架，直接 node tests/.test.mjs —— 包括 *端口等价性套件：加载原始 VCPToolBox 模块并断言其与移植后数学计算的数值一致性，以及针对真实 embedding 模型的端到端套件（纯 KNN 对比 wave A/B、被动注入行为、签名不匹配拒绝、监听器重新索引）。
bash
for t in tests/.test.mjs; do node "$t" || break; done

许可证与署名

CC BY-NC-SA 4.0 —— 非商业使用，相同方式共享。
core/ 中的算法核心移植自 lioensky/VCPToolBox；完整署名及移植文件清单见 NOTICE.md。engine/、bin/ 及插件入口为原创作品。

中文文档

DSH（DeepSeek Harness，Cordis 插件体系）的跨会话长期记忆插件。

工具

- save_memory：把值得长期记住的经历/结论/决定/偏好写入跨会话长期记忆。即时可写，后台进入向量索引。
- recall_memory：按语义检索历史日记片段（bge-m3 embedding + TagMemo V9.1 浪潮增强召回，返回 VCP 式诊断字段）。
- update_memory：锚点式修正已有记忆（target ≥15 字符原文片段，replace 替换；命中多篇或不命中会报错）。
- memory_admin：stats 查看统计；rebuild 全量重建索引（更换 embedding 模型后必须执行）。

底层遵循 VCP DailyNote 日记格式：一笔记一文件（diaries//-[-标题].md）， Markdown 文件永远是真相源，index/ 只是可随时全量重建的派生产物。日记目录被实时监听，人工直接编辑的记忆文件也会自动进入索引。中文友好的启发式 token 切分移植自 VCPToolBox（见 NOTICE.md）。

零 npm 依赖（仅 Node.js 内置模块与全局 fetch），plain ESM，无需打包器。

环境要求

- Node.js ≥ 20
- 本地 Ollama 服务，已拉取 bge-m3 模型（默认 http://127.0.0.1:11434/v1，1024 维）。
也兼容任意 OpenAI 风格 /v1/embeddings 服务（配置 embedding.apiKey 即可）。

安装（三层）

1. 让 DSH 能解析本包：把本插件目录 link 进 profile 的依赖解析。
典型做法是 npm link（或在 profile 的 node_modules 下建目录链接），使 vcp-memo 作为可解析的 npm 包存在。
2. 把包加进 profile 的 bundles：在目标 profile 的 package.json 中声明：

json
{
"dsh": {
"profile": {
"bundles": ["@deepseek-ai/dsh-base", "vcp-memo"]
}
}
}

DSH 的 profile composer 会按序解析每个 bundle 包，并读取其 dsh.bundle.patch 指向的补丁文件。
3. 本插件的 cordis.patch.yml 被自动应用：package.json 中
"dsh": { "bundle": { "patch": "./cordis.patch.yml" } } 声明了补丁位置；补丁内容为
insert 一行 id: vcp-memo 的插件行（含默认配置）。启动 profile 后插件即注册四个工具。

如需覆盖默认配置（如更换 embedding 模型/数据目录），在 profile 的 cordis.patch.yml（用户层）里追加对 vcp-memo 行的 config 覆盖，或直接改本插件的 patch 后重启。

配置项

| 键 | 默认值 | 说明 |
| dataRoot | /home/lyy/vcp-memo-data | 数据目录（必须独立于插件目录） |
| agentName | dsh | 日记所属 agent 目录名 |
| watch | true | 是否监听 diaries/ 目录（人工编辑自动入索引） |
| embedding.baseUrl | http://127.0.0.1:11434/v1 | Ollama/OpenAI 兼容 embedding 端点 |
| embedding.model | bge-m3 | embedding 模型名 |
| embedding.dimension | 1024 | 向量维度（必须与模型一致） |
| embedding.apiKey | 无 | 需要鉴权时的 Bearer key |
| embedding.batchSize | 16 | 单批条数 |
| embedding.concurrency | 2 | 批次并发数 |
| embedding.timeoutMs | 60000 | 单次请求超时 |
| embedding.retries | 2 | 指数退避重试次数（1s、3s） |
| memory.kDefault | 6 | recall_memory 默认返回条数 |
| memory.truncate | 0.4 | recall_memory 默认相似度下限 |
| chunker.maxTokens | 6800 | 切分块 token 上限 |
| chunker.overlapTokens | 680 | 块间重叠 token 数 |
| injection.enabled | true | 被动注入开关（agent/pre-step） |
| injection.k | 4 | 注入最多块数 |
| injection.truncate | 0.55 | 注入相似度下限（须高于 bge-m3 噪声带 0.3–0.5） |
| injection.maxChars | 2000 | 注入区块字符预算 |
| injection.timeoutMs | 1500 | 注入召回限时（超时跳过，绝不阻塞对话轮） |
| tagmemo.enabled | true | TagMemo V9.1 浪潮增强召回开关 |
| tagmemo.baseTagBoost | 0.15 | 查询融合基准权重（VCP 生产默认） |
| tagmemo.maxSupplement | 2 | 结构补充块补位上限（viaStructure 标记） |

更换 embedding.model/dimension 后索引签名（model@dimension）会与旧索引不一致，插件将拒绝服务并提示执行 memory_admin rebuild。切勿手动混用旧索引。

数据目录

/
├── diaries//-[-标题].md # 日记真相源（一笔记一文件） └── index/ ├── chunks.jsonl # 每行一个 chunk（含向量；派生产物） ├── tags.jsonl # Tag 层：标签、向量、出现位置 ├── epa.json # EPA 基底缓存 └── meta.json # 签名/维度/计数等一致性信息

备份建议

- 必须备份：diaries/（真相源，人工与插件共同写入）。
- index/ 是派生产物，丢了无须备份——删除整个 index/ 目录后下次启动会自动全量重建（需要 embedding 服务在线）。备份时可跳过以省空间；恢复时把 diaries/ 放回原目录即可。
- 若 diaries/ 与 index/ 因异常（如中途强杀）不完全一致，执行 memory_admin 的 rebuild 即可全量对齐。

运维

数据目录布局

(默认 /home/lyy/vcp-memo-data,由 config.dataRoot 决定,必须独立于插件目录): text / ├── diaries//-[-标题].md # 真相源:一笔记一文件 └── index/ # 派生产物:可随时全量重建,不单独备份 ├── chunks.jsonl # 每行一个 chunk(正文 + 向量) ├── meta.json # 签名/维度/计数等一致性信息 ├── tags.jsonl # Tag 层:标签、向量、出现位置(P1/P2 可用) └── epa.json # EPA/金字塔派生资产(P1)

- diaries/ 是真相源:人工与插件共同写入,必须备份;
- index/ 是派生产物:被删或损坏后,启动时自动(或手动 rebuild)按当前 embedder 全量重建, 不需要备份,恢复时删掉 index/ 即可。

CLI 四条命令

独立于 DSH 运行的管理工具 bin/vcp-memo.mjs(零依赖 plain ESM,复用 engine/ 模块): bash
node bin/vcp-memo.mjs stats # 统计
node bin/vcp-memo.mjs rebuild # 全量重建索引
node bin/vcp-memo.mjs tags # Tag 列表(按出现次数降序)
node bin/vcp-memo.mjs doctor # 一致性体检

- 默认配置与 cordis.patch.yml 一致(dataRoot /home/lyy/vcp-memo-data、embedding bge-m3@1024); 输入 --dataRoot PATH 可指向别的库(如恢复演练用临时目录);
- stats:打印 sig / dimension / diaries / indexedChunks / pendingFiles / lastRebuild 以及 tagCount / vectorizedTags / epaTrained 全字段;
- rebuild:全量重建并打印 files / chunks 数;打印警告——若 DSH 正在运行, 其内存索引不会自动刷新,建议重启 DSH 或改用 memory_admin 工具;
- tags:读 index/tags.jsonl,按出现次数降序列出「tag 名 + 文件数 + 有无向量」;
- doctor：体检并逐项打印 ✅/⚠️——meta sig 与当前 embedder sig 一致性、孤儿 chunk （索引指向不存在的文件）、未入索引的日记文件、无向量 Tag、epa.json 的 tagHash 与当前 tag 集一致性；
- 退出码：正常 0；doctor 发现问题 1；命令非法 2（打印用法）；
- 输出全部中文、纯文本，不打印日记正文（隐私纪律见 NOTICE）。

备份与恢复

备选方案（A/B 任一即可，推荐 A）：

A. Windows 侧 .bat（推荐，双机/跨发行版场景）：直接运行 scripts/backup-vcp-memo.bat，经 \\wsl$\Arch\... UNC 路径把 diaries/ 镜像到备份目录（robocopy /MIR）。
只镜像 diaries/ 真相源；index/ 不备份（恢复后删掉自动重建）。
可用环境变量 VCP_MEMO_BACKUP_DST 覆盖目标目录。注册计划任务（每小时）： bat schtasks /Create /TN "vcp-memo-backup" ^ /TR "cmd /c \"C:\path\to\vcp-memo\scripts\backup-vcp-memo.bat\"" ^ /SC HOURLY /F

移除计划任务：schtasks /Delete /TN "vcp-memo-backup" /F。

B. git 版本库（WSL 侧）：把 diaries/ 纳入 git： bash
cd /home/lyy/vcp-memo-data
git init && git add diaries && git commit -m "backup: $(date)"

⚠️ 隐私提醒：日记含私人内容，若推远端，远端仓库必须私有（私有 GitHub/GitLab/自建 git 均可）；index/ 是派生数据，不要入库。

恢复演练（推荐定期做一次）：

1. 把备份的 diaries/ 拷到临时目录：cp -r /diaries /tmp/vcp-memo-restore/diaries；
2. 用 CLI 指向临时库体检：node bin/vcp-memo.mjs doctor --dataRoot /tmp/vcp-memo-restore （首次必报“未入索引”，属预期）；
3. 重建：node bin/vcp-memo.mjs rebuild --dataRoot /tmp/vcp-memo-restore；
4. 对比日记数：node bin/vcp-memo.mjs stats --dataRoot /tmp/vcp-memo-restore 与原库
node bin/vcp-memo.mjs stats 的 diaries 数字一致，即演练通过。

正式恢复：停 DSH → 把 diaries/ 放回原 dataRoot → 删除 index/ 整目录 → 重启 DSH （启动时自动全量重建；embedding 服务必须在线）。

换 embedding 模型

标准流程（例如 bge-m3 → bge-large-zh-v1.5）：

1. 改配置：在 profile 的 cordis.patch.yml 用户层追加对 vcp-memo 的 embedding.model / embedding.dimension 覆盖，重启 DSH；
2. 全量重建索引（二选一）：
- DSH 内：memory_admin 工具选 rebuild；
- 命令行：node bin/vcp-memo.mjs rebuild（DSH 正在运行时不刷新内存，需重启 DSH 生效）；
3. 验证：memory_admin stats（或 CLI stats）中 sig 变为新 model@dimension，且 diaries / indexedChunks 数量不变。

签名（旧 bge-m3@1024 → 新）不一致时插件会拒绝服务并提示 rebuild；切勿手动混用旧索引（见「配置项」）。

常见问题（FAQ）

- 召回有噪声 / 结果太泛：调高相似度下限 memory.truncate（默认 0.4，如调到 0.5）；被动注入噪声则调 injection.truncate（默认 0.55，可上调）或调小 injection.k。无需重建索引。
- DSH 运行中用 CLI rebuild 后，插件行为没变：CLI 只改磁盘索引，DSH 内存索引不自动刷新；重启 DSH，或改用 memory_admin 工具的 rebuild。
- 恢复后直接启动，index/ 空/缺失：符合预期，启动时自动全量重建（embedding 服务需在线）；数据量大时首次启动稍慢属正常。
- diaries/ 与 index/ 不一致（如中途强杀）：执行 memory_admin rebuild（或 CLI rebuild + 重启 DSH）全量对齐。
- doctor 报孤儿 chunk：通常是异常中断后的残留，rebuild 后应清零；持续存在再排查是否有文件被手工删除。

许可证

CC BY-NC-SA 4.0 — 非商业使用、演绎同许可。
core/ 四个文件的算法移植自 lioensky/VCPToolBox（署名与移植清单见 NOTICE.md）。