graph-memory：DeepSeek Harness 的知识图谱记忆插件

Graph Memory 是 DeepSeek Harness（DSH）的知识图谱记忆插件（DSH plugin），由 adoresever 维护，采用 MIT 协议，于 2026 年 3 月创建，最近更新于 2026 年 8 月。它解决的是 AI 代理跨会话记忆的痛点：传统压缩只回答“当前对话还剩多少”，而 Graph Memory 回答“哪些历史知识值得现在回忆”。该插件将可复用的对话知识转化为类型化节点（如 TASK、SKILL、EVENT），并通过 USED_SKILL、SOLVED_BY 等类型化边保留关系，使新问题能检索相关局部子图，而非重放完整历史。

Graph Memory 这个 DSH plugin 的核心优势有哪些？

Graph Memory 原生集成 DeepSeek Harness 的插件生命周期，而非通过 MCP 侧信道模拟，整合了 Session、Tool、Agent Loop、Prompt Assembly、LLM 和 Credentials 等接口，并随插件纤程释放数据库、缓存和事件监听器，不 fork 或修改 DSH 核心。它提供持久的跨会话记忆：会话 A 的知识可在会话 B 自动召回，记忆在 DSH 重启后依然存在，稳定的事件 ID 保证恢复和 HMR 摄入的幂等性。

Graph Memory 如何实现更小更干净的上下文？

插件保留最新的真实用户轮次（freshTurnCount 默认 5），使用代理范围的 DSH 公共压缩服务将旧模型前缀替换为滚动检查点，同时保留持久源事件日志。它索引每个检查点并保留精确的源消息来源，支持语义向量检索与 FTS5 词法回退，结合社区检测、PageRank 和有界图遍历，仅将相关跨会话子图注入当前提示，受 recallTokenBudget（默认 4096）限制。自动注入使用高精度语义门（autoRecallMinScore 默认 0.6），且不会回退到与查询无关的社区代表；显式 gm_search 保持广泛搜索。

Graph Memory 的本地优先和可观测性如何？

默认使用 SQLite，无需部署图数据库；嵌入可选，无嵌入时回退到 FTS5；数据默认保留在用户本地配置中。支持 OpenAI 兼容的嵌入提供方（如 DashScope、OpenAI 和本地提供方）。gm_status 报告存储路径、图计数、向量覆盖、模式和维度；模型或维度变化触发重新嵌入，不同维度的向量永不静默比较；关键知识可通过 gm_record 确定性记录。

Graph Memory 在基准测试中表现如何？

在原始 OpenClaw 适配器的七轮工作流（安装、认证、查询 bilibili-mcp）中，无 Graph Memory 时 R7 轮消耗 95,187 tokens，有 Graph Memory 时降至 23,977 tokens，约减少 75%。这是场景级比较，并非普遍保证；机制是替换不分青红皂白的历史重放。

Graph Memory 兼容哪些 DeepSeek Harness 版本和平台？

作为 DSH 插件，Graph Memory 原生支持 DeepSeek Harness，同时保留 OpenClaw 插件入口。它由 TypeScript 编写，遵循 MIT 许可证，在 GitHub 上拥有 573 颗星和 82 个 fork，有 11 个开放问题。2026 年 4 月受邀在清华大学讨论会发布，技术报告（中文）可在仓库 docs 目录查看。

查看更多 DSH 插件，访问 dsh-plugin.org