@dsh-external/dsh-ocr1-memory

August 30, 2026 · View on GitHub

简体中文 | English

@dsh-external/dsh-ocr1-memory

受 DeepSeek-OCR: Contexts Optical Compression（OCR1）启发的 DSH 光学记忆插件。

文本记忆会被按段落渲染为带 SoM 编号的图像，旧记忆按年龄降低分辨率；检索默认走文本/OCR 证据，可选由光学定位器选择相关段，最后确定性地返回原始 verbatim 文本。

能力

工具作用
ocr1_mem_status查看存储、渲染与 OCR 配置状态
ocr1_mem_store分段、渲染并保存记忆
ocr1_mem_update更新记忆并重置为最新层级
ocr1_mem_retrieve检索、OCR 读回、active recall
ocr1_mem_list列出记忆条目与命中次数
ocr1_mem_metrics查看文本/视觉 token 与压缩比
ocr1_mem_calibrate校准文本 token 基线
ocr1_mem_forget删除记忆及其光学产物
ocr1_mem_render_test渲染管线自测
ocr1_mem_embed_test视觉 embedding 自测
memory_read / memory_retrieve读取 L1/L2/L3，并优先走 OCR1 光学召回
memory_write / memory_update带 evidence 的治理写入，自动同步 OCR1 SoM
memory_search / memory_promote全文检索与跨 namespace 提升
memory_pending / memory_accept审阅自动蒸馏候选并确认入库
memory_maintain / memory_stats去重、L1 压缩、统计与光学状态
memory_index / memory_archive / memory_rollback重建索引、归档与历史恢复
memory_expand / memory_activate展开 DSH 溯源事件、激活记忆治理

工作方式

  1. 文本按空行和长度切成段落，并渲染为 SoM 图像。
  2. vivid → normal → fuzzy 三级分辨率随年龄衰减；命中低清记忆时 active recall 恢复高清。
  3. 配置光学定位器后，模型输出 K 位 0/1 标签，插件按阈值和 Top-K 规则选择段。
  4. Fetch 阶段只从持久化原文取回选中段，不生成替代文本。
  5. 视觉 embedding 和命中热度衰减是可选能力；每轮 context 默认开启，index 注入 L1/光学元数据，正文快照需选择 contextMode: snapshot。
  6. 治理工具和 OCR1 store 使用同一插件实例；默认每轮只注入 L1/光学元数据，详细正文按需 Fetch，历史 context 快照可通过 contextMode: snapshot 保留。
  7. tools/result 的失败后成功序列会在 turn/end 生成 pending；达到维护周期或阈值时自动维护/提醒，正式记忆仍由带 evidence 的治理写入确认。

配置

在 profile 的 cordis.patch.yml 中覆盖需要的选项：

- id: dsh-ocr1-memory
  config:
    storeDir: ''
    memoryDir: '~/.dsh/memory'
    maxIndexLines: 30
    autoNamespace: true
    autoPending: true
    maintainEveryTurns: 20
    maintenanceBatchSize: 8 # 每次维护最多处理的光学条目数
    reflectPendingThreshold: 5
    reflectSopsThreshold: 40

    # OCR / llama-server
    ocrBaseUrl: ''
    ocrApiKey: ''
    ocrModel: 'deepseek-ai/DeepSeek-OCR'
    requireOcr: false # true = OCR 不可用时失败，不静默走文本降级
    autoStartOcrServer: false
    ocrServerPath: '' # 也可使用 OCR_SERVER_PATH 或 PATH 中的 llama-server
    ocrModelDir: ''
    ocrServerPort: 18080

    # Optical locator
    opticalLocatorEnabled: false
    opticalLocatorBaseUrl: ''
    opticalLocatorModel: 'deepseek-ocr-memory'
    opticalLocatorThreshold: 0.4
    opticalLocatorTopK: 5
    opticalLocatorStrict: true
    opticalLocatorAutoStart: false
    opticalLocatorServerPath: ''
    opticalLocatorModelDir: ''
    opticalLocatorServerPort: 18081
    opticalLocatorModelFile: 'deepseek-ocr-locator-q8_0.gguf'
    opticalLocatorMmprojFile: 'mmproj-locator-q8_0.gguf'

    # Context / retrieval
    dynamicDecayEnabled: false
    autoInjectContext: true
    contextMode: 'index' # snapshot 可保留正文快照
    contextMaxEntries: 5
    contextMaxChars: 4000
    sharedStore: false
    embeddingRetrieval: false
    ocrMaxEntriesPerRetrieve: 5

需要真实 CPU llama-server 时，可将 autoStartOcrServer 设为 true，并同时提供 ocrServerPath 与 ocrModelDir；ocrBaseUrl 中的显式端口优先用于健康检查和启动。Embedding 默认不参与主检索；若复用同一服务，将 ocrEmbeddingBaseUrl 留空即可。训练后的 Locator 可通过 opticalLocatorAutoStart 在独立 endpoint 自动启动，模型目录也可由 OPTICAL_LOCATOR_MODEL_DIR 提供。

高级选项见 docs/IMPLEMENTATION.md。

安装

dsh plugin --profile web add github:DDDFXYqiming/dsh-ocr1-memory

OCR 后端

插件使用 OpenAI 兼容接口（llama.cpp 官方文档列出 /v1/chat/completions、/v1/embeddings 和多模态输入能力）：

  • /v1/chat/completions：OCR 读回和光学定位；
  • /v1/embeddings：可选的多模态视觉 embedding。

配置 ocrBaseUrl 后即可使用 OCR。requireOcr: false 时后端不可用会保留文本检索路径；requireOcr: true 时会直接报告 OCR 错误。autoStartOcrServer 开启后，插件按 endpoint 去重启动 llama-server，仅在插件自己启动的进程上执行卸载清理。后端启动、CPU-only 配置、模型格式和平台注意事项见 docs/DEPLOYMENT.md。

文档

参考