dsh-linghun-memory（灵魂记忆） — 记忆体方案 · 记忆完全本体化

给 DeepSeek Harness 装上记忆体：读写两侧完全本体化（事件/事实/规则三型 → 三本体），独立于原 dsh-linghun 演进（两条线并行，互不覆盖）。

v0.4.0 更新（2026-10-22）

定位回归：memory 回归记忆定位，收口者回到 linghun 侧。 本版本不再注入收口者（身份锚点 / 判断纪律 / 用户人设模板），只注册记忆 section（soul:linghun-memory）；收口者（灵魂卡）由 dsh-linghun 收口者线提供。保留 MEMORY_DISCIPLINE（输入侧纪律）、PROFILE_DISCIPLINE（画像纪律）、COGNITION_CYCLE（认知循环=记忆组织方式）。

成本硬伤简化：发布期自包含 vendor 内嵌。 记忆体存在成本硬伤——若依赖未发布的公共包 dsh-hippocampus，会在安装/评测沙箱断链路（npm 依赖解析失败），属于不可接受的成本。v0.4.0 将海马体以 vendor/hippocampus.js 副本打入发布包，零 npm 依赖、零审核等待，评测钉版（0.3.0 tgz）不受影响。开发期真源仍为三方共享单例（dsh-hippocampus/index.js），发布副本由 scripts/sync-vendor.mjs 同步（--check 校验）。

LoCoMo-Plus 全量成绩（m401，程序化索引画像）

| 路线 | acc | |---|---| | 闭卷基线 m401oacc（0.1.8） | 75.31% | | m401v4（程序化索引画像） | 92.52%（371/401，+17.21pp） | | 开卷（全文直答） | 94.76% |

画像成本归零（87%→0）的前提下，全量只比开卷低 2.24pp——程序化路标 + 原文检索这条路线成立。

记忆体核心机制

写侧（memory_append，结构化三型）

• event（事件 = 记忆本体）：主语 | 动作 | 宾语 | 关联实体 | 细节——时间线
• fact（事实 = 知识本体）：实体 | 属性 | 值 | 来源#——精确值，可回溯
• rule（规则 = 规则本体）：一句可执行纪律

一条目一事实，置信度三档（high/medium/low），低置信注入带【低置信·需验证】标记；update 翻转旧条目（标记 wrong）。

读侧（warm 按 kind 分组原生渲染 = 三本体）

• 不再需要外部投影脚本：海马体自己就是三本体
• 三本体档案固化：memory_ontology.md（事件时间线）/ knowledge_ontology.md（精确值）/ rules.md（纪律）
• 回答纪律：定位（时间窗口+主题命中）→ 精筛 3-8 条 → 翻译成人话；查到的照实说、口径写清楚、没查到明说没有

读写沉淀闭环

• memory_read：按需读取暖态近期记忆
• memory_touch：标记「刚刚被用到」，吃灰管理（一直不用的沉底挤出）
• memory_consolidate：沉淀——event→记忆本体时间线、fact 高置信→知识本体、rule→规则本体
• 序时账（journal）每次对话全量留痕、情景归档（episodic）冷储

目标系统（goal.js，v0.1.1 新增 → v0.1.5 增强）

• 目标 = 记忆的骨架：事件/状态/信念挂在目标上；认知循环「实践→认识→再实践」的未来维度（不只提炼过去的因果，还提炼想创造的未来）
• 写侧 linghun_goal_update：目标信号合并（new/progress/change/achieve/abandon），同 speaker 同主题自动合并不重复建档；v0.1.5 起价值观/底线陈述（I believe in… / I refused to…）也收录（belief 域）；high/medium 目标附 1-2 条 Bridge 触发词（triggers：什么处境会激活它）——写时轻量结构化、不穷举
• 读侧 linghun_goal_get：残差触发 触发分 = α·sim + β·goalActivate——纯相似度是 goal/value 类联想的盲区（MADELEINE 实证漏检 33–43%），目标激活分补上；v0.1.5 激活分 = stateW × (0.25·domainHit + 0.35·bridgeHit + 0.40·sim + 0.15)，Bridge 命中（触发词与处境共现 ≥2 token）补上语义远距联想；achieved/abandoned 不再触发
• linghun_goal_state：状态机查询（active/paused/achieved/abandoned）
• 两条纪律：不做「匹配判断」做「目标激活」；写侧只加 1-2 条结构化触发词、绝不写侧穷举（对比 T-Mem/HyperMem 千次写时调用，成本低两个数量级）
• 注入：目标主线（active 目标按 priority）随记忆段渲染，配合目标激活纪律提示

评测（LoCoMo-Plus，16 题 × 独立 home，官方 Memory Awareness Judge）

• v0.1.4 14/16（87.5%）→ v0.1.5 16/16（100% 满分）：题 12（college fund 语义远距）、题 13（拒绝谣言价值观）双双转正，零回归
• 机制验证：题 12 college fund 目标靠 Bridge 触发词从排 18/24 → #5（score 0.150）；题 13「尊重隐私、不散播谣言」belief 目标建档后排 #1（score 0.581）
• 结论：真正的杠杆在目标档案结构化 + 读侧重匹配，不在写侧枚举预算——写侧只需每条目标 1-2 条触发词

本体投影（BEAM 验证机制回灌）

• memory_project：warm 按主题桶 LLM 聚合 → ontology.md 主题节点，组装侧「本体主题索引优先 + BM25 兜底」

记忆地图（检索图方案，v0.1.7 新增）

• 写侧只建图、读侧按图回溯：把沉淀产物组织成四轴导航注入读侧——情境轴（暖态主题索引 + [n] 编号指针）/ 目标轴（目标速览 domain·state·priority）/ 档案轴（本体节点索引：知识/规则/时间线/冷储）/ 证据层（序时账 + 情景归档索引）
• 地图是索引密度（导航不倾倒，默认 2000 字预算），细节由认知主体用 memory_read（[n] 编号/本体直读）或 memory_journal（时间窗口）下钻；能解决就停
• 编号对齐 memory_read 原始 parseWarm 索引；map.enabled=false 可关
• 来源验证：白板按图回溯评测（LoCoMo-Plus 401 题全量，deepseek-chat + 地图注入）83.04%，首次超过 v015 候选注入（80.05%）——「读侧放权给图让模型自走 > 读侧代劳替模型选候选」；goal 型 +13pp 是目标轴红利，value 型 −9pp 暴露难桥（行为↔价值观）需写侧补 triggers

人物画像层（v0.2.1 新增）

• 画像 = 记忆的第一索引键（主体轴）：记忆先按主体分家（owner=你 / assistant=我 / 第三方=他），每条 warm 条目可带 @主体 标签
• 数据层：$DSH_HOME/linghun/profiles/<subject>.md，每主体一文件；六槽画像——fact（是什么）/ state（在忙什么）/ goal（想要什么）/ value（底线）/ causal（来龙去脉）/ preference（偏好）
• 写侧 linghun_profile_update：向主体画像槽位沉淀/更新要点（update 命中旧条目标注 ⚠️ 已更新）；linghun_memory_append 新增 subject 参数，warm 标题行带 @主体，可按主体过滤
• 读侧 linghun_profile_get：读六槽全文或指定槽；注入段带画像速览（主体名 + 一句话摘要，默认 300 字预算）+ PROFILE_DISCIPLINE 纪律
• 检索路径：视角 → 画像 → 情境 → 细节——画像只给精炼要点，细节用 linghun_memory_read 下钻（warm 条目带 @主体 标签可按主体过滤）
• 关系：USER / SOUL / CONTACT = 三张画像的胚胎 → v0.2.1 统一成 profiles/ 一层；记忆地图（map.js）是索引密度导航、画像层是它的主体轴；目标系统（goal.js）的 goal 槽与目标主线互链
• 产品形态说明：LoCoMo profile 轴（profile_index）是画像召回的评测版，人物画像层是它的产品化——不是 LoCoMo 优化，是记忆的第一索引键

技术报告

• v0.1.7 技术报告（docs/TECH_REPORT_v0.1.7.md）：记忆地图检索图方案全量技术文档——系统设计 / 评测结果 / 设计原则 / 版本线

ACC（Agentic Cognitive Control，v0.2.0 新增）

• 把记忆检索/领域加载的控制权交给模型：默认（acc.enabled=false）保持自动注入不变；开启后注入收窄为核心导航层（记忆地图 + ACC 纪律 + 目标主线），素材全部走工具主动获取
• linghun_retrieval_probe：给候选不给结论——BM25 + ref 过滤产出 top_k 候选（默认 8，上限 20），模型挑 1-3 条 memory_read 精读（agentic RAG：模型决定读什么，而非系统替它选）
• linghun_domain_load：领域按需加载（load/unload/status，TTL 默认 30min 自动回收）；内置五域（code/writing/analysis/planning/locomo，工作纪律+检索导航），$DSH_HOME/linghun/domains/<name>.md 自定义覆盖（文件优先）
• linghun_memory_status：状态可见——暖冷规模、目标、已加载领域、可用工具清单，让模型先盘点再决策
• 评测：A/B 对照（A=自动注入现行为 / B=ACC 主动模式），指标含任务成功率 + 信息决策（检索命中率/精读条数/注入 token 成本/领域加载次数），跑通后再全切注入策略

与 dsh-linghun 的关系

| | dsh-linghun（灵魂旧线） | dsh-linghun-memory（记忆体线） | |---|---|---| | 主线 | 收口者（身份锚点 + 判断纪律） | 记忆完全本体化（三型三本体） | | 状态 | 钉版（1.0.x 不动） | v0.0.1 起独立演进；v0.4.0 回归记忆定位，收口者回 linghun 侧 | | 提示词 | 原版收口者纪律 | 记忆体适配版（MEMORY_DISCIPLINE 三本体注入序） |

两条线并行发布，dsh-linghun-memory 的调整不影响 dsh-linghun；收口者（身份/判断）统一由 dsh-linghun 提供，记忆体插件不再重复注入。

安装

dsh plugin --profile web add dsh-linghun-memory

致谢

感谢 Zhiyun Shi 对本项目的支持与帮助。

许可

AGPL-3.0（Copyright (c) 2026 山越野人 & 岚客）