mnemon-memory-agent：为 DeepSeek Harness 提供读时判断的长期记忆

它是做什么的？

Mnemon 是 DeepSeek Harness（DSH）的长期记忆插件，把对话原样保存为带日期的原始记录，在提问到来时才做检索与判断。它解决的是「写时抽取」方案必须预先定义事实、实体与偏好模式、每来一种新数据就要加一套抽取规则的问题。它借鉴双过程理论：快速决策模型充当 System 1，对检索返回的记录做大量小颗粒的是/否判断；LLM 充当 System 2，负责写检索词、说明回答需要什么并组织答案。它作为 DSH 的第二个实例与主 Agent 并行运行，不改动主 Agent，每轮发布一个 View。

核心功能

• 原始记录 + 读时判断：写入时不决定任何模式，只在提问时读取带日期的原始记录，因此不需要为新数据类型新增抽取规则。
• 双过程分工：System 1 做「这条记录该不该用」「是否已过期」等小判断，System 2 只在没有通过判断的记录能满足需求时才被调用。
• 后台整合索引：把每条记录一次性整合成指向记录本身的索引（话题时间线、取值历史、常驻指令），作为覆盖层而非记录的 schema，让整段对话相关的问题也能触达自身检索漏掉的证据。
• 低上下文开销：每个问题只向回答模型发送约 3.8k tokens 的上下文，在 4k tokens 以下同时保持两个基准的高准确率。
• 成本可控：从 BEAM-100K 到 BEAM-10M，记录量增长 80 倍时，单问题成本仅增长约 1.11 倍，关键路径上的工作量基本不变。
• 可复现研究：仓库提供论文、结果与复现材料，便于在 DeepSeek Harness 中核对基准数据。

怎么使用这个插件？

在 DSH 中启用后，它作为主 Agent 之外的第二实例运行，主 Agent 本身保持不变，你正常对话即可，记忆由它按轮次接管。提问时它先让 System 1 对检索到的记录做快速判断，再由 System 2 组织答案，并每轮发布一个 View 供你查看本轮记忆处理结果。需要调整行为时，可在其配置中切换记忆来源、策略与工作区等模块；想核对效果，可参照仓库给出的 LoCoMo、LongMemEval-S 与 BEAM 复现流程自行验证。该插件由 Grivn 维护，采用 MIT 协议，用 TypeScript 编写，最近更新于 2026-09-28。