DeepSeek Harness Plugin Hub

Publish and manage complete Harness Profiles. Discover Plugins for your next setup.

Explore

PluginsPresetsDocsNews

Community

Publish a pluginContactReport an issue

Resources

Plugin Hub on GitHubDeepSeek HarnessSystem statusPrivacy notice
© 2026 DeepSeek Harness Plugin HubPowered byPaxTech

Independent and unofficial. Not affiliated with, authorized by, or endorsed by DeepSeek.

Rsi — DSH Plugin for DeepSeek Harness
← Plugins
R

dsh-rsi

Rsi

Local memory and skill evolution for DeepSeek Harness

The plugin will be installed here. Keep web if you are unsure.

npx -y @deepseek-ai/dsh plugin --profile web add github:lsmax-72/dsh-rsi#2c044811d9bddf37ce7dbcf4e2766fe664a61fec
READMECompatibilityVersions

Compatibility and provenance

Rsi is published as dsh-rsi and currently resolves to version 0.0.1. The Hub verifies its manifest and preserves the exact installation source for reproducible installs.

DSH compatibility
*
Runtime surfaces
web
Release source
github
Registry updated
10/3/2026

Versions

0.0.1stable
10/3/2026

Related plugins

Loading related plugins…

Latest
0.0.1
DSH
*
HMR
Process restart
Tree shaking
Safe tree shaking not declared
Unpacked size
Unavailable
Files
Unavailable
Surface
web
License
Not declared
Source
github
GitHub
★ 2
Weekly downloads
0
Last push
10/14/2026
View source ↗
README badge

Click the badge to copy Markdown for your README.

Do you maintain this Plugin?Claim benefit · Priority security scan

Verify the GitHub repository declared in package.json to manage this listing. After you claim it, Hub will prioritize a security scan of the current version and publish the result when it passes.

Claim this Plugin →
Report an issue
DeepSeek Harness Plugin Hub
ProfilesPluginsCategoriesNewsDocsSign inManage Profiles
ProfilesPluginsCategoriesNewsDocsSign in

Related plugins

More verified plugins in memory-context.

Hindsight Coding Agents@vectorize-io/hindsight-coding-agentsReflect-only Hindsight long-term memory for coding agents (harness-pluggable: opencode, …), with automatic background ingestion (no setup CLI).Memsearch Dsh@zilliz/memsearch-dshMemSearch plugin for DeepSeek Harness: shared markdown memory across agents, with capture, pre-step context injection, memory-recall skill, and a skill-candidate review panel.Memory@furongjun1999/dsh-memoryLingshu (Lingshu·líng shū) DeepSeek Harness plugin: a complete brain—long-term memory/knowledge flywheel/self-awareness/recursive reflection integrated with DSH, with conversations automatically distilled into the md_cg cognitive graph (md documents)Archive Manager@michengai/dsh-archive-manager归档、恢复、收藏和永久删除会话,并诊断损坏的会话日志。 · Archive, restore, favorite, and permanently delete sessions, and diagnose damaged session logs.

README

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、固定响应下的学习与消费链路、官方网页运行时的管理页已通过检查;真实模型下的 L1 与 Skill 正文交付已通过小型验收;资产质量和 benchmark 效果仍未验证。

产品定位 · 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。

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。

flowchart LR
  A[在 dsh 中执行任务] --> B[持久会话轨迹]
  B --> C[后台学习队列]
  C --> D[Chat Memory]
  C --> E[Skill 创建或更新]
  D --> F[后续任务召回记忆]
  E --> G[官方技能工具按需加载]
  F --> H[新的任务轨迹]
  G --> H
  H --> B

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。
  • 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
Skillrsi-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

记忆页预览:范围列表、L0–L3 分层浏览和记忆来源,数据为模拟数据

技能管理

技能页预览:技能正文、资源目录与版本操作,数据为模拟数据

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 与全文检索索引
│       ├── 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

验证内容当前证据与边界
学习与消费链路安装版 dsh 配合固定模型响应,验证任务捕获、原有提炼、资产写入、记忆注入与官方 Skill 工具消费;另有真实模型交付证据,尚未验证质量或迁移收益
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
真实任务与效果官方判分控制通过;qwen 最初两次失败;同一题补跑获官方 resolved=true;真实 L1 与 Skill 正文交付均通过指定门槛,正式配对 benchmark 未启动

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。这些接入结果不能证明或否定插件相对效果。

效果评测将比较 原始 dsh 与完整 dsh-rsi:保持题单、模型和任务预算一致,检查前序任务积累的经验能否改善后序任务,报告成功率、退步、学习开销和总成本。资产数量或页面展示不能代替效果结论。协议见 整体验收与实验方案。

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 56 个源码文件;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。

当前检索使用原有 SQLite FTS5 与中文分词,没有启用嵌入服务。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。

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