coding-agents
vectorize-io/hindsightHindsight:会学习的 Agent 长期记忆系统,自动召回/保存、知识页、深度反思与按仓库隔离的记忆银行。
LLM 驱动的记忆记/忘插件:每轮对话后由模型决定记住什么/忘记什么(MemoryDirector),请求前注入相关记忆,自动去重,跨会话持久化。
MemoryDirector 插件 —— 给 DeepSeek Harness 加"长期记忆"能力。
官方 Harness 的 compaction 只做摘要压缩,没有任何"跨会话记住重要事实"的概念。 这个插件补上 AgentFrame 的 MemoryDirector:
~/.dsh/memory.json)| 能力 | 官方 Harness | dsh-memory-director |
|---|---|---|
| 上下文压缩 | ✓ compaction | ✓ (可配合) |
| 记住重要事实 | × 没有 | ✓ LLM 决策 |
| 跨会话记忆 | × | ✓ 持久化 |
| 记忆检索注入 | × | ✓ pre-step 注入 |
| 遗忘管理 | × | ✓ 重要度衰减 |
# profile 的 cordis.patch.yml
- id: memory-director
name: '@agentframe/dsh-memory-director'
config:
provider: deepseek-official
model: deepseek-v4-flash
maxTokens: 256
dedupThreshold: 0.8
forgetThreshold: 0.1
storePath: ~/.dsh/memory.json
auto: true
agent/turn-stopping (每轮结束)
→ 提取本轮文本 → LLM 决策 {remember, forget, importance}
→ remember → 存入记忆库 (去重)
→ forget → 删除过时记忆
agent/pre-step (每次请求前)
→ 取最后用户消息 → 检索相关记忆
→ 注入 system 消息 (memory-director block)
→ 模型可基于记忆回答
| 字段 | 默认 | 说明 |
|---|---|---|
provider | deepseek-official | 决策用 provider |
model | deepseek-v4-flash | 决策用模型 (便宜快速) |
maxTokens | 256 | 决策输出上限 |
dedupThreshold | 0.8 | 记忆去重阈值 |
forgetThreshold | 0.1 | 遗忘阈值 (重要度衰减) |
storePath | ~/.dsh/memory.json | 持久化路径 |
auto | true | 自动挂钩 agent 循环 |
GPL-3.0 © Cloud LTE Studio / AgentFrame