dsh-experience-library — 更有经验的 DeepSeek

English | 中文

meow-memory 让你的 AI 记住,我让你的 AI 记住"对的做法"。

本项目的方法论与调度机制深受 dsh-meow-memory(@Phant0Meow) 启发: 全自动空闲派发机制参考了它的 dream 调度(窗口表 + idleMinutes + 租约防重),并作为适配器对接它的 lesson 层。 思路起点:记忆插件解决"记住",而本插件解决"记住对的做法"——验证过滤幻觉,固化可复用的操作流程。

为什么需要它

• meow-memory 解决"记住"(陈述性记忆);经验库解决"记住对的做法"(程序性经验,验证过滤幻觉)
• 三层检验:层1 清单可见 → 层2 触发翻书 → 层3 至少 3 个新会话抽样且成功率 ≥2/3 = "已验证"
• 双轨判定:结果导向为主(行为正确 + 一次成功即通过)+ 措辞指纹为辅(技能书签名句,如"先查地图,再下铲子")
• Benchmark 验证:复杂任务上经验库成功率 100% vs 裸环境 60%、耗时快 4.7 倍、thinking 降 77%(详见 Benchmark 章节)

经验分层(重要)

层级	内容	说明
核心经验(机制)	locate-index-guide(按索引找文件,即"读 index.js 那个")+ 未来将加入的"偷懒 skill"(路由:任务先翻经验目录再决定调用哪本)	经验库运行机制本身依赖的经验,项目自带
试验经验(示例)	skills/ 下 10 本技能书(YAML 引号/会话日志修复/插槽注册/信封/沙箱/晨报/壁纸/插件三关/benchmark 设计/位置索引)	供复现 benchmark 与演示,内容来自本项目开发实战;你可以在 ~/.dsh/skills/ 积累自己的经验,机制会帮你自动沉淀

核心思路:经验库不限定技能书内容——它提供"采集 → 加工 → 验证 → 固化 → 翻书"的闭环,书本身由你的使用过程自动积累。仓库里的 10 本只是试验经验(可复现的样例),你自己的经验库会随使用增长。

功能(零件图)

零件	说明
1 实时采集	session/event 全量事件流,每轮 turn/end 打标落盘(零 token)
2 定时聚合	30s 全量重算 stats.json,GET /experience-library/stats 现算
3 半自动加工	experience_refine 工具(list/done)把 pending 队列提炼成技能书
3b 全自动派活	空闲检测(借鉴 meow-memory dream 调度,独立重写),error/search 攒批自动发任务提炼
位置索引	locate-index.json + read offset/limit 局部读,砍重复定位(基线 21.3%)
技能书库	10 本试验经验,层1 清单可见 ✅
适配器	对接任意 memory 插件的"教训层",meow-memory 已实现

安装

前置:已安装 DSH 并确定你的 profile 名(默认 web)。以下命令在命令提示符/终端(PowerShell 或 CMD)里执行。

方法 A:dsh-market(推荐,已上架后)

打开 DSH 设置页 → 插件市场(Plugin Market) → 搜索 dsh-experience-library → 一键安装 → 刷新页面。

方法 B:手动安装(任意版本可用)

# 1. 进入 profile 的 plugins 目录(⚠️ 该目录通常需要自己创建,DSH 不会自动建)
$profile = "$env:USERPROFILE\.dsh\profiles\web"      # 把 web 换成你的 profile 名
New-Item -ItemType Directory -Force -Path "$profile\plugins"
cd "$profile\plugins"

# 2. 下载插件(二选一)
git clone https://github.com/libiwolve/dsh-experience-library.git
# 或离线:把插件文件夹整个拷进 plugins\ 目录

# 3. 安装依赖(运行时 lib 已自包含,此步主要为 scripts/ 构建工具)
cd dsh-experience-library
npm install --ignore-scripts

# 4. 注册插件:编辑 profile 的 package.json($profile\package.json),
#    在 dsh.profile.bundles 数组里加一行 "@libiwolve/dsh-experience-library"

第 4 步等价的手改方式(二选一):

# 方式①:改 package.json 的 bundles
#   "dsh": { "profile": { "bundles": [..., "@libiwolve/dsh-experience-library"] } }
# 方式②:或用 cordis.patch.yml 补丁(把插件目录的 cordis.patch.yml 内容合并进 profile 的)

最后重启 dsh web,设置页出现"经验库"选项卡即成功。

方法 C:dsh plugin 命令(若已发布 npm)

dsh plugin --profile web add @libiwolve/dsh-experience-library

配置(设置页选项卡可调)

配置项	默认	含义
enabled	true	全自动派活总开关
windowStart / windowEnd	0 / 7	夜间派活窗口(小时)
idleMinutes	30	全局空闲阈值(距最后活动 N 分钟才派活)
checkMinutes	5	守门员检查周期
minErrorBatch / minSearchBatch	3 / 3	错误/搜索样本攒够 N 条自动提炼

接口

• GET /experience-library/skills — 技能书清单(层1 检验)
• GET /experience-library/stats — 聚合统计(token/翻书/重试/犹豫)
• GET /experience-library/dispatch?force=1 — 手动触发一次派活检查(调试/benchmark 用)
• GET /experience-library/pending — 待加工队列(按分类分组)
• PUT /experience-library/skills — 技能书编辑写回(watcher 即时生效)

Benchmark(2026-08-24 完成)

四组对照实验,验证方法论增益(统一口径:experience-audit.mjs 五分类 exec/correct/know/locate + reasoning 统计):

组	组合
bare	仅有 deepseek-harness
meow	deepseek-harness + meow-memory
experience	deepseek-harness + 经验库(技能书)
full	deepseek-harness + meow-memory + 经验库

结果:

场景	关键数据
简单任务(领域内 6 + HumanEval 10)	64/64 全 PASS —— 经验库/meow 不拖后腿(H4)
翻书机制	experience/full 领域内 6/6 精准命中对应技能书(层2)
复杂任务(会话日志修复 ×5)	experience 100% vs bare 60%,耗时 86s vs 405s(快 4.7 倍),thinking 降 77%

结论:经验库增益 ∝ 任务陌生度——对模型"本来就会"的任务翻书无增益;对未知领域的坑(zstd 多帧、信封协议、插槽注册),经验库是"救命稻草":把成功率从 60% 拉到 100%,时间减半以上。

适配器机制(与记忆插件结合)

经验库不绑定任何记忆插件,通过**适配器(Adapter)**对接:从任意 memory 插件的"教训层"抓取原料 → 经验库验证过滤(去幻觉)→ 固化成技能书。

为什么用适配器

• meow-memory 负责"记住"(反思轮自动产 lesson),经验库负责"记住对的做法"(验证 + 固化)
• 换记忆插件 = 换适配器,经验库核心逻辑零改动
• 没有记忆插件也能独立工作(信号采集 + 模型主动沉淀两条入口不受影响)

统一接口约定

任何 memory 插件适配器只需实现一个接口:

interface MemoryAdapter {
  listLessons(): Promise<Lesson[]>
}
interface Lesson {
  id: string; content: string;
  importance: number; corrected: boolean;
  project?: string; keywords?: string;
}

当前适配器:meow-memory

• 读取 meow-memory 的 SQLite(<workspace>/.dsh-meow/memory.db,路径自动解析,不依赖本机布局)的 lesson 表(active 且 importance≥3 或 corrected=1)
• 导入动作:experience_import 工具(list 查看 / import 导入)→ 教训写入待加工队列(source=adapter-meow)
• 导入过的 lesson 记入 processed,不重复导入
• 教训经加工轮提炼成技能书,完成"lesson → 经验库 → 技能书"闭环

适配新插件

1. 实现 listLessons()(读该插件的教训存储)
2. 在 fetchMeowLessons 旁加对应读取函数,工具里按插件选择
3. 导入流程(去重/打标/入队)完全复用

原料三层入口(适配器是第二层)

入口	原理	例子
① 信号采集(零 token 自动)	工具失败/重试/搜索/客户端渲染错误	徽标调试、TDZ 白屏
② 记忆层抓取(适配器)	从记忆插件 lesson 抓"AI 反思教训"	meow-memory lesson
③ 模型主动沉淀(人工兜底)	用户口述症状/识别高价值 → 主动写 pending	手填技能书

Credits

• 特别感谢 dsh-meow-memory(@Phant0Meow):本项目"全自动空闲派发"机制的设计思路源自其 dream 调度(窗口表 + idleMinutes + 租约防重),适配器机制直接对接其 lesson 层;本插件为独立重写实现,不包含 meow-memory 代码
• 项目方法论"经验 = 被验证的可行记忆"由用户 libiwolve 提出

License

MIT