[简体中文] | English

dsh-ocr1-memory 状态总览

快速入口：README · 实现说明 · 部署记录 · 基准 · 测试报告

当前状态

项目	状态
DSH 插件	✅ 可安装并注册 OCR1 光学工具与治理工具
基础记忆链	✅ SoM 渲染、年龄 tier、缓存、OCR 读回、verbatim Fetch
Locate-and-Transcribe	✅ 严格 K 位定位器链；需要兼容的已训练模型
Active recall	✅ 低清命中后恢复 vivid
命中热度动态衰减	✅ 已实现；dynamicDecayEnabled 默认关闭
每轮 context	✅ 默认注入 L1/光学元数据；contextMode: snapshot 保留正文快照
视觉 embedding	✅ embeddingRetrieval 开启时可保存真实向量；主检索默认关闭
共享 store	✅ 可选 reload + 原子保存
OCR 服务生命周期	✅ endpoint 去重、可取消启动、仅清理插件自启动进程
维护与取消	✅ 每批最多 8 条、namespace single-flight、dispose 会取消并等待
治理接线	✅ runtime skill、L1、pending、turn/end 维护、阈值提醒与 OCR1 同实例同步
测试	✅ npm test 88/88 通过（当前真实后端在线）

工具

• ocr1_mem_status
• ocr1_mem_store
• ocr1_mem_update
• ocr1_mem_retrieve
• ocr1_mem_list
• ocr1_mem_metrics
• ocr1_mem_calibrate
• ocr1_mem_forget
• ocr1_mem_render_test
• ocr1_mem_embed_test
• memory_read / memory_list / memory_write / memory_retrieve
• memory_search / memory_index / memory_pending / memory_accept
• memory_update / memory_archive / memory_rollback / memory_promote
• memory_stats / memory_maintain / memory_expand / memory_activate

已实现功能

• 文本按段落和长度切分，渲染为带 SoM 编号的方形图像；
• vivid → normal → fuzzy 年龄衰减，分辨率变化时强制重新生成并失效旧 OCR 证据；
• OCR 读回、可选文本/视觉 embedding 召回；无后端时 requireOcr=false 安全降级，严格模式显式失败；
• LoRA 光学定位器的请求解析、概率选择、阈值/Top-K 规则和 GBNF 严格模式；
• Locate 后按段索引返回原始 verbatim 文本；
• active recall、命中次数、有限访问历史与可选动态衰减；
• systemPrompt.context() 同步注入 L1 与光学元数据，带条目数和字符数上限；snapshot 模式仍提供正文快照，不在 provider 内调用模型；
• 渲染缓存、并发锁、原子 manifest、多 Agent 共享和损坏产物恢复；
• 集成治理层中的 namespace、evidence、provenance、pending、archive、rollback、全文搜索和跨 namespace 提升；治理写入与 OCR1 store 使用同一实例。

测试覆盖

套件	数量
核心 store 测试	12
context 测试	7
复杂隔离测试 T1–T24	24
OCR HTTP	2
OCR 服务生命周期	4
Embedding 测试 E1–E5	5
定位器测试 L1–L8	8
治理层与取消信号测试	13
集成接线与自动治理测试	2
渲染几何 RG1–RG2	2
Robustness M1–M9	9
合计	88

真实 OCR、embedding 和渲染依赖后端与 Python 环境；当前真实后端在线时 88 项全通过，后端不可用时 8 个 live-backend 用例跳过，其余测试仍可执行。

对论文的复现边界

已实现的是 OCR1/OCR-Memory 的工程对应物：SoM、分辨率衰减、active recall、Locate-and-Transcribe、严格二元定位、可选 embedding、动态衰减和 context 快照。

仍未完整复现：

1. DeepEncoder 内部压缩、逐层 visual-token 数和内部张量导出；
2. 官方内部多模态 embedding 的完全等价输出；
3. 论文规模训练以及 Mind2Web、AppWorld、RULER 等完整主表评测；
4. 任意硬件、驱动、量化或服务托管组合下的普遍性能保证。

这些项目需要不同的模型内部访问、数据/评测资源或平台条件；不应把当前小规模端到端验证写成论文主表复现。当前本机以 Windows CPU-only llama-server 验证了 OCR/embedding 端到端路径；无真实后端时，8 个依赖服务的用例会跳过而不是伪造通过。平台细节和已验证的模型转换路线见 DEPLOYMENT.md。