graph-memory

压缩回答”这段对话还剩多少装得下”，记忆回答”过去的哪些知识现在值得想起”——给 DSH 装上可追溯、可检索的跨会话长期记忆。

解决什么问题

传统对话式 agent 靠压缩与回放历史维持上下文：压缩丢细节，回放又让上下文越来越长、越来越贵。graph-memory 换了一条路：把可复用会话知识沉淀成带类型的知识图谱，新问题到来时只检索相关局部子图，而非把整段历史塞回提示词。在一个安装、鉴权、查询 bilibili-mcp 的七轮基准里，第 7 轮 token 从 95,187 降到 23,977，约省 75%（场景级对比，非通用承诺）。

它把会话拆成三类节点：TASK（目标与执行）、SKILL（验证过的方法）、EVENT（错误 / 修复 / 决策 / 变更），用 USED_SKILL、SOLVED_BY、REQUIRES、PATCHES、CONFLICTS_WITH 等类型边连起来。每条记忆都保留来源会话与图谱边，“为什么想起这条”可解释、可追溯。

核心功能

• 原生宿主集成：经 DSH/Cordis 插件生命周期加载（非 MCP 旁路），接线 Session、Tool、Agent Loop 与 Prompt Assembly 等接缝，不 fork 也不改 DSH 核心
• 跨会话持久记忆：A 会话的知识可在 B 会话自动召回，重启不丢，事件 ID 保证恢复幂等
• 语义 + 词法双路召回：语义向量检索配 FTS5 词法兜底，辅以社区发现、PageRank 与有界图遍历，只注入相关局部子图
• 本地优先、轻量：默认 SQLite、无需图数据库；embedding 可选（OpenAI 兼容，DashScope / OpenAI / 本地），不配则回退 FTS5
• 可观测可校验：gm_status 查看存储路径、图规模、向量覆盖与维度，模型 / 维度变化会触发重新向量化
• 显式工具：gm_search 显式检索、gm_record 确定性记录关键知识、gm_stats 统计节点边与社区

快速上手

当前 beta 尚未发布到 npm，需从源码构建 tarball 安装（Node 22.19+ 或 24+）：

git clone https://github.com/adoresever/graph-memory.git && cd graph-memory

npm ci && npm test && npm run build && npm pack

npx @deepseek-ai/dsh plugin —profile web add /绝对路径/graph-memory-1.6.0-beta.1.tgz

安装后在「设置 → 插件」确认 graph-memory/dsh 已启用并重启 dsh web；默认数据库在 ~/.dsh/graph-memory/。自动召回无需显式调用工具；启用向量检索可设置 GRAPH_MEMORY_EMBEDDING_* 环境变量。

适合谁

• 想要”换会话不丢知识、按需想起”的长期记忆的用户
• 需要可解释、可追溯的 RAG 型记忆的知识工作者与团队
• 在乎上下文 token 成本、希望用相关子图替代无差别历史回放的 DSH 重度用户
• 希望数据留在本地、不想部署图数据库的隐私敏感用户