dsh-memory
白箱AGI架构探索：元认知（自我认知循环）、持续学习（知识飞轮）、世界模型（条件空间+语义时空图）、自我改进（自举纪律）、零LLM白箱管线与可审计信任护栏。
White-box AGI architecture exploration: metacognition (self-cognition loop), continual learning (knowledge flywheel), world model (condition space, spatiotemporal memory graph), self-improvement (bootstrap discipline), zero-LLM white-box pipeline, and auditable trust guardrails.
怎么安装
dsh plugin add @furongjun1999/dsh-memory npx -y @furongjun1999/dsh-memory 简介
让 AI Agent 拥有不可遗忘的自我 灵枢（AEIS）× DeepSeek Harness · AGI 的长期记忆基础设施 **一句话**：dsh-memory 让 DeepSeek Agent 拥有 **AGI 级别的长期记忆——跨会话、自演化、可审计**。 这不是又一个"记忆插件"。灵枢（AEIS）是一套遵循「智能论 v3.2」协议的**时空记忆引擎**，它把当前大模型范式缺失的 AGI 能力逐一给了工程实现。 --- ⚡ 三步快启（30 秒上手） bash ① 装灵枢大脑（一条命令，零外部依赖） pip install aeis-0.3.0-py3-none-any.whl # 或 git+ 在线安装 ② 装进 DSH 的 web profile（pnpm 协调入口，不要用裸 npm install 装进 profile） dsh plugin --profile web add @furongjun1999/dsh-memory ③ 配置 cordis.yml 启用 yaml id: lingshu-memory name: '@furongjun1999/dsh-memory' config: dbPath: 'data/lingshu.db' identity: '灵枢' tools: 'brain' # 'brain' 全心智 | 'core' 精选 ⚠️ **安…
推荐参考
信息
- 协议
- MIT
- 语言
- Python
- GitHub 星标
- 249
- 月下载
- 13.9K
- 最近更新
- 2026-09-24
- 创建于
- 2026-08-14
基础安全检查
- 检查结果
- 无
- 收录来源
- curated:awesome-dsh-plugin.com, curated:awesome-dsh-plugin/awesome-dsh-plugin
- 主题标签
- agent-safety, agentic-ai, agi, ai-agent-framework, deepseek, dsh-plugin, explainable-ai, guardrails, knowledge-graph, mcp, multi-agent, persistent-memory, rag, spatiotemporal-graph-neural-network
同类推荐
dsh-engram
kenz1117/dsh-engram
跨会话长期记忆插件，以「记忆宫殿」隐喻重构 agent 长期记忆：双层 SQLite 分库（用户级 + 按 git origin 隔离的项目级）、FTS5 + 本地向量 RRF 融合与新鲜度/命中排序 boost、从会话日志自动摄取（含末轮）、来源审计链、巩固蒸馏与衰减遗忘，以及设置页「记忆库」面板（走廊拓扑、导览管家、翻新清单）。
dsh-pua
MichengAI/dsh-pua
提供 /pua，在 Agent 失败后促使其换方法，并在宣称完成前核验收据；含 15 种公司风格、角色模式、全局与会话设置，以及可选验收循环（直到验收命令通过、达到迭代上限或用户取消）。
dsh-heartbeat
Kanadego/dsh-heartbeat
心跳循环：默认每 20 分钟自己醒一次——维护一份关于你兴趣与偏好的本地画像，按你设的兴趣范围上网搜新东西并存下来。攒到值得分享的内容，就向你绑定的会话送一份简短的素材包。能不能开口由代码里的规则决定（静默时段、忙时窗口、每日上限、冷却），说不说由那个会话里的 agent 自己判断。仅支持 Windows。
dsh-answer-reviewer
bycall/dsh-answer-reviewer
智能体回答审查器：每一轮 agent 的最终输出由独立 LLM 重新打分（1-100），低于阈值时携带具体反馈引导 agent 自我修正；评分以角标形式展示在该回答的操作行上（通过=绿、未达标=红，悬停可见重试次数与原因）。闸值配置经 127.0.0.1 本地 HTTP 服务实时修改，并支持输入框上方的折叠面板与 dsh-better-sidebar 侧栏配置页。