dsh-rsi

让 dsh 的任务经验积累为记忆与技能，供下一次任务使用。

dsh-rsi 是面向 DeepSeek Harness（dsh）的单用户、本地自动学习插件。它从会话中提炼 Chat Memory 和 Skill，在后续任务中召回相关记忆、加载适用技能，并提供集成在插件详情页里的资产管理界面。

当前为开发版本：本地安装、管理页和真实记忆/Skill 正文消费已有验收。最新完整八用户开发复验使用 qwen3.8-27b、两组相同完整历史：基线 21/32、启用组 20/32，用户分组差值区间跨零；已知聊天 token 为基线 5.80 倍，无聊天 usage 缺测，嵌入 token 未提供。6 个自然 Skill 头、11 次正文加载均有实际日志，但没有效果优势证据。固定8题连续学习同样未见优势（5/8 对 3/8，已知聊天 token 多约38%）。装配修复与验证交付已完成，事实/偏好阶段和任务适用性仍有限；本轮是已曝光样本开发复验，不能当独立盲测。旧失败轮及费用见历史终止报告，当前状态见推进路线。

产品定位 · 项目架构 · 工作流程 · 管理页面 · 工作区与存储 · 安装与开始使用 · 验证状态 · 开发与贡献

产品定位

使用 Agent 开发项目时，一些信息需要反复解释：项目约束、个人偏好、历史问题，以及已经执行过的排查和测试流程。dsh-rsi 的目标是把这些经验保留下来，让新会话能够继续使用。

插件围绕两类资产工作：

• Chat Memory：保存对话来源，提炼事实、约定与经验，进一步整理场景记忆和用户画像。
• Skill：从任务轨迹中创建或改进可复用流程，保留正文、资源文件和版本，按需交给 dsh 使用。

适合在同一项目中持续开发、反复执行相似工作，或希望跨项目保留个人偏好的用户。目标是减少重复解释、重复探索和重复错误；是否达到这些目标，需要通过实验验证。

自进化的范围

自进化发生在资产层：记忆被提炼、去重、合并和纠正；技能被创建、更新和复用。每次任务可以更新已有资产，也可以不产生新资产。

插件本地运行，无需单独部署完整资产管理后台。首版不包含 Wiki、CodeGraph、团队与权限管理、Agent/Task 管理、模型权重训练或插件自身源码修改，也不会自动索引整个代码库。

项目架构

插件通过宿主生命周期钩子、官方 Skill provider 与 Typert RPC 接入 dsh，将前台资产消费、后台学习编排和管理页面连接到本地记忆与技能核心。

Memory 使用 FTS5 与向量混合检索，Skill 使用 BM25 检索。后台提炼通过 DshModelRunner 调用宿主 LLM 服务；任务状态与资产保存在插件数据目录，正式会话日志由 dsh 管理。

工作流程

启用插件后，继续在 dsh 中正常做任务。插件捕获任务轮次，后台学习，后续会话按需消费资产。

什么数据形成什么资产

输入	资产	后续如何使用
用户与助手的对话正文	L0 原始对话	回看来源，主动检索历史对话
对话中的事实、约定、偏好与经验	L1 原子记忆	按当前请求检索相关内容
累积的 L1 记忆与已有场景	L2 场景记忆	提供场景导航，按需读取 Markdown 正文
变化的 L2 场景与已有画像	L3 用户画像	提供稳定的背景和偏好
对话、工具调用与结果、轮次结束原因、已有技能	Skill 正文、资源与版本	通过 dsh 官方技能接口按需加载
用户主动选择的已有技能	独立的 RSI 技能副本	在副本上继续演进

当前 L0/L1 使用用户和助手正文；Skill 提炼额外使用工具调用与结果。Memory 与 Skill 是两条学习分支，Skill 不需要等待 L1→L2→L3 全部完成。任务结束不保证产生新资产，也不代表任务已经被正确解决。

如何进入模型上下文

• 每轮第一个模型步骤前，按用户请求检索通用与当前工作区记忆，提供相关 L1 内容、已有画像和场景导航。
• 记忆以带插件来源的正式消息进入会话日志，再发送给模型。需要更多内容时，模型可调用 rsi_memory_search、rsi_conversation_search 和 rsi_profile_read。
• 技能通过官方 Skill provider 暴露为 rsi-<名称>；dsh 的技能工具按需加载正文和对应版本的资源。
• 历史资产的验证结果标为来源会话记录；读取Skill不代表本轮执行了其中的代码或测试。对应提示经正式日志保存，但不作为用户偏好再次学习。
• 默认记忆注入上限为 6000 字符，不把全部资产一次性放入上下文。工具后续读取的内容另算。

后台学习也使用 dsh 的模型服务，发送前保存可重建的输入，记录工具调用、用量与结果。原始任务会话与后台学习会话保持关联。

一个使用示例

假设你在项目中要求“修改解析规则后，运行指定回归测试并保留失败日志”，随后完成了一次修复。

可能积累的资产	示例内容
L1 记忆	当前项目修改解析规则后，需要执行指定回归测试
L2 场景	“解析器维护”：相关约束、排查经验和验证方式
Skill	rsi-parser-regression：定位问题、修改规则、执行测试、检查结果

下一次相关任务可以召回约定，并按需加载技能。以上是产品行为示例，不是实测产物或效果数据；模型也可能判断信息不足、更新已有资产或保持不变。

管理页面

入口：dsh 左侧「插件」→ 已安装的 dsh-rsi → 插件详情页。

页签	可以做什么
概览	选择工作区，查看资产数量、学习记录和额外模型用量，处理待学习任务
记忆	浏览 L0–L3、筛选与搜索、查看来源，纠正或删除 L1 记忆
技能	查看和编辑正文、预览资源、查看版本与变更片段、禁用、回退、复制为通用技能
设置	配置资产语言、学习与预算参数，导出或清理资产

停止使用时，直接关闭 dsh 的插件启用开关。概览没有单独的暂停/恢复按钮；设置中的自动学习配置可用于维护资产。

纠正记忆会更新实际检索结果，旧的派生场景与画像暂不参与注入，待重建后恢复。Skill 禁用影响后续加载；回退把选定旧版本的正文和资源保存成新版本。

以下截图来自管理页交互夹具，使用模拟数据展示布局与操作，不代表真实任务产物或 benchmark 成绩。

记忆管理

技能管理

官方运行时的实际页面挂载、RPC 设置保存和启停记录见 管理页验收。当前 L2/L3 不支持直接管理编辑，技能资源只读预览，尚无资源文件编辑器和导入恢复向导。

工作区与存储

资产默认属于哪个工作区

以 dsh 会话绑定的工作区目录为准。同一真实路径下的不同会话，共用该工作区的资产；工具临时 cd 到子目录不会改变归属。直接绑定子目录的新会话会形成另一个工作区，当前没有自动寻找 Git 根目录的逻辑。

资产	默认归属
项目事实、约束、经验和生成的技能	当前工作区
提炼时被分类为 persona 的个人偏好记忆	通用范围
用户明确复制为通用的技能	通用范围

后续任务可以使用当前工作区与通用范围的资产。其他工作区的专属资产不会一起加载；个人偏好的分类由模型完成，准确性仍待真实任务验证。

已有技能只有经用户选择才会复制到插件管理范围，包括其本地资源。后续演进写入副本，原技能由用户继续维护。

实际保存位置

默认根目录为 $DSH_HOME/plugin-data/dsh-rsi；没有设置 DSH_HOME 时，使用 ~/.dsh/plugin-data/dsh-rsi。插件的 dataDir 配置可覆盖为其他绝对路径。

dsh-rsi/
├── rsi-state.sqlite                 设置、队列、调用记账与检查点
├── scopes/
│   ├── global/                      通用资产
│   └── <工作区真实路径的哈希>/         工作区专属资产
│       ├── memory.sqlite            L0/L1、全文与向量检索索引
│       ├── skills.sqlite            技能正文、元数据与版本
│       ├── skill-assets/            按技能 ID 和版本存储的附件
│       ├── history/                 对话与记忆追加历史
│       └── profile/                 场景、画像和派生检查点
└── learning-runs/                   后台学习与来源会话的关联记录

通用范围采用同样的资产结构。数据位于插件目录，不默认写入项目源码目录或原有技能目录。Skill 正文以数据库为权威源，附件按版本保存；后台会话日志本体由 dsh 管理。

**本地存储与模型推理是两件事。**学习使用配置在 dsh 中的模型，相关对话片段和资产内容会进入该模型的请求；使用远程提供商时，推理发生在提供商侧，并产生额外调用成本。

安装与开始使用

环境要求

• 官方 dsh；当前兼容检查目标为 0.2.0-rc.2、Cordis 4.0.4。
• 本地源码构建使用 Node.js 24。
• 自动学习需要 dsh 中可用的模型配置；默认跟随来源会话的模型。

1. 获取并构建源码

git clone https://github.com/lsmax-72/dsh-rsi.git
cd dsh-rsi
npm ci

npm ci 会通过 prepare 自动生成 lib/。如果使用 --ignore-scripts，需要另行执行 npm run build。

2. 在桌面版安装

在源码目录执行 pwd，复制得到的绝对路径。打开 dsh 插件 → 添加插件，输入该目录，安装并启用，然后打开插件详情。

当前已验证本地目录链接安装。源码更新后，在目录内执行 npm run build，完整退出并重新打开 dsh，让宿主重新加载客户端产物。

包仍为 private: true，尚未发布 npm 包。dsh 支持 GitHub 地址安装，但本项目通过远程 Git URL 的完整安装流程尚未验收。

可选：独立网页测试 profile

以下命令在已构建的源码目录中执行；dsh CLI 需要已加入 PATH。

dsh --profile rsi-dev --from-default-profile web --help
dsh plugin --profile rsi-dev add "$(pwd)"
dsh --profile rsi-dev --no-open

第一步从官方 web 模板初始化测试 profile，最后一步打印网页入口。profile 分开不代表资产目录自动分开；要隔离日常数据，应使用独立 DSH_HOME 或显式设置插件 dataDir。测试 profile 本身也不是任务执行沙箱。

3. 开始积累经验

1. 在 dsh 中选择项目工作区，正常执行任务。
2. 打开插件「概览」，查看学习记录、用量和失败原因。
3. 在「记忆」「技能」中检查生成或更新的内容，按需纠正、编辑或禁用。
4. 在同一工作区的新会话中继续任务，插件会召回记忆，并向官方技能接口提供可用的 RSI 技能。

初次安装没有资产是正常的。缺少模型配置、学习开关关闭或预算耗尽时，不会开始新的学习请求；管理页会显示相应任务状态。任务“已完成”表示 L0、L1 与 Skill 阶段完成，L2/L3 可能仍在后台处理。

默认设置与成本

配置	默认值
自动学习	开启
新资产语言	简体中文；支持英文、日文、韩文和繁体中文
每日后台模型请求上限	100 次
单次输出上限	4096 token
单次工具迭代上限	16 次
单次超时	180 秒
学习触发	稳定阶段每 2 轮或空闲 30 秒，保留首次 warmup
自动记忆注入上限	6000 字符

每日额度按 UTC 日期重置，包含工具循环和失败的每次模型请求，不是费用金额上限。页面展示调用与提供商报告的 token 用量；未报告的用量保留为未知。预算耗尽会暂停新学习请求，已保存的资产仍可消费。

切换语言影响后续生成；已有资产可以手动转换，保留历史。代码、命令、路径和 API 标识保持原样。手动转换也消耗后台模型调用预算。

验证状态

后台失败后的答题路径已通过原生隔离夹具，独立画像失败也已补齐原生日志/额度核对的 v2 收尾规则：新评测协议可预先选择使用已保存资产继续答题，同时单独报告失败学习及费用；旧失败轮仍不补算。见规则与边界。这不是效果提升证据。

验证内容	当前证据与边界
学习与消费链路	固定响应与真实默认流程均验证自动捕获、提炼、资产写入及记忆/Skill 正文消费；真实会话已自然选择新 Skill，尚无质量或迁移收益结论
资产管理与恢复	固定响应检查覆盖工作区隔离、预算、禁用、回退、附件和独立进程恢复
官方管理页面	独立 web profile 通过实际挂载、页签切换、RPC 设置保存与插件启停；个人桌面修复后的结果仍待用户确认
安装包	本机 macOS ARM64 检查通过；远程 Linux/macOS/Windows 的源码构建与生产包安装检查全部通过，见 CI 回执
容器执行	Linux 容器内真实工具与固定响应资产闭环通过；固定模型网关边界与 qwen 工具调用通过
PersonaMem完整开发复验	8用户/32题：21/32 对20/32，已知聊天token为5.80倍；8位学习均完成，64个正常回答、613次日志重建通过；不是独立盲测，见完整报告
负结果离线复盘	32对回答逐题核验；新增发现通用偏好迁移后对工作区冲突检查不可见，尚未修复；见复盘与范围诊断
固定编程连续学习	8题：5/8对3/8，后四题均2/4；39个保存快照检查，8题无自然Skill正文加载，见结果与诊断
历史20题开发记录	原冻结8/20对10/20、费用与未知用量保留；题单已用于开发，后续回归不能再作为独立盲测，见历史报告

本次试跑的失败原因、调用成本和接入缺口见 真实试跑报告。同一题补跑与剩余门槛见 补跑报告。默认自动学习、自然 Skill 消费与新增成本见 默认流程预演。这些接入结果不能证明或否定插件相对效果。

当前验证比较保留正常历史的 dsh 基线与完整插件，保持各轮预先固定的题单、模型、环境和预算，分别报告任务质量、额外学习及消费成本。PersonaMem按用户分组统计，编程序列保留自身先前轨迹；官方评分不回流学习。资产数量、短正文与完整交付率都不能代替效果结论。最新协议和状态见推进路线；早期方案及原固定方案作为历史记录保留。

开发与贡献

代码组织与复用边界

vendor/core/    固定版本的记忆、技能、存储与调度源码
vendor/panel/   复用的资产列表、分栏、Markdown、文件树与样式
adapters/      模型入口、观测及界面依赖的宿主适配
src/           dsh 事件与模型桥、作用范围、队列、预算、RPC 和管理页
scripts/       构建、来源校验、安装包和集成检查
docs/          需求、实现边界、评测协议与运行证据

核心固定为修订 e09899c2136fb6bc27ecc68505e32bdb637cdfa8 的源码文件，数量以核心清单为准；界面固定复用 10 个文件，其中文件树和对应样式从原详情页提取。构建前核对逐文件 SHA-256。必要适配留在 adapters/ 与 src/，没有平行重写提炼、召回或版本系统。

当前 Chat Memory 使用原生 SQLite FTS5、向量检索与 RRF；Skill 保留原生 BM25。默认本地向量模型为 embeddinggemma-300m-qat Q8_0（768 维），首次需下载约 329 MB；离线使用时通过插件配置 embedding: {provider: "local", modelPath: "/绝对路径/embeddinggemma-300m-qat-Q8_0.gguf"} 指定已下载文件。编码失败显式报错，首次模型加载及历史索引重建可能延长插件启动时间。2026-10-04 装配审计还确认了 Skill 生产提示词替换、画像触发缺失、资产分页遗漏、上下文截断和错误重试接线问题，见 能力装配审计与隔离复现，最新修复状态见 修复进度。七类装配及后续画像错误传播、完整条目/时间来源适配已有接入回执；完整新复验的原生学习与消费均结束，但事实忠实度、阶段合并和适用性仍有限，不能把接线验收当作质量保证。此前终止结果保持；新增原生依赖的 Linux/macOS/Windows 安装检查全部通过。接入验收不等于效果改善；首轮实验结果对应此前适配版。构建成功也不代表通过了整个复用库的类型检查。来源、固定文件及许可见 核心清单、界面清单、核心许可和界面许可。

自动提炼 Skill 的正文预算

自动提炼的 Skill 正文最多1500个 Unicode 码点，初稿目标1000以留出修改余量；长脚本和详细资料使用原生资源文件并相对引用。超长写入返回原生错误供模型修正，不截断内容；人工编辑沿用原生限制。写入、资源、版本及安装版链路夹具通过；真实开发例生成并消费1435码点正文，但新轮持续更新在1508码点反复拒绝后超时。未证明整体质量或成本改善，见适配与验证边界。

Skill 来源窗口

插件配置可传 skillTranscriptWindow: {headChars: 40000, tailChars: 64000}，直接使用原生截取参数；未配置仍为8k/32k。这与Chat Memory召回预算分别设置，重新加载插件后生效。来源更长会增加输入token，需确认所选模型容量；当前配置覆盖值可在snapshot及诊断中查看。非法参数在学习前拒绝，不静默回退。配置接线已通过夹具验证，较大窗口的单次真实提炼仍有内容错误，不能称为质量或效果提升，见来源窗口与实测边界。

开发检查

npm run build
npm run test:integration
npm run test:runtime
npm run test:package

集成脚本使用临时目录与固定模型响应，不调用真实模型；macOS 默认使用应用内 CLI，其他安装通过脚本的 --dsh 参数指定。安装包检查需要下载依赖。管理页模拟数据预览可通过 node scripts/preview-client.mjs 启动，默认地址为 http://127.0.0.1:45177/。

贡献时先阅读 项目约定：优先调用已有组件，只做必要的适配；说明复用与新增边界，并为修改保存与其范围相符的证据。每个可独立验收的小任务完成后单独提交，提交前检查差异和有效 Git 身份；不把多个任务攒成一次大提交，也不为增加数量拆分无意义提交。

进一步阅读

• 产品需求与范围
• 实现进度、默认目录和已知限制
• dsh 接入审查
• 安装包与发布审查
• 管理页面复用说明
• 实际管理页挂载验收
• 固定响应下的闭环回执
• 整体验收与实验方案
• 完整八用户开发复验：质量、全链路token与两类资产
• 固定编程连续学习结果与诊断