DSH本地知识库插件：把你的每次会话，变成可随时再查的本地知识

22 颗星、9 个 fork，这个只有三天历史的仓库干了一件很具体的事：把你在 DeepSeek Harness 里的每一次会话，变成可以随时再查的本地知识。它叫万象知识库，作者主要做逆向工程，自己的知识库链接就放在仓库里。

它和云端知识库最大的区别是数据归宿：正文全部是你机器上的 Markdown 文件，索引是本地 SQLite，不上传任何东西。代价是没有云同步、没有多设备，但换来的是知识不锁在别人的数据库里。

一、它是什么

万象知识库是 DeepSeek Harness（DSH）的一个社区插件，当前版本 0.2.0-alpha.10，主要验证环境是 Windows + Harness Desktop 0.2.1-alpha.1。它解决的核心问题是：Agent 每次开新会话都是"失忆"的，你上次排查一个错误踩过的坑、总结过的方法，下次还得重新讲一遍。

装上之后，知识以本地文件的形式留下来，且可以按需被当前会话的模型读回。它不是"云端记忆服务"，不依赖嵌入模型，检索走的是本地 SQLite + FTS5（SQLite 的全文检索扩展），中文做了预分词补强，中英混合、错误码这类查询都针对它设计过。

它同时也是一个"工具目录"：把常用工具按类别登记，标注环境检测状态和知识关联。作者的方向是逆向与安全研究，仓库自带一个 1182 条的知识内容包，涵盖逆向基础、漏洞机制、系统底层、VM、密码算法，以及 OpenSSL、LLVM/Clang、QEMU 的固定版本参考文档。内容包默认不写入你的个人库，要自己导入。

二、能干啥：六类操作

（图注1：一条知识从会话到图谱的全链路——会话落库、本地文件导入，经校验去重后正文存 Markdown、元数据存 SQLite，出口是模型渐进读取与图谱/自动召回）

官方把"你要做的事 → 万象如何完成"列了六类，这里按价值排个序说：

• 会话落库：选中一段会话，一键生成笔记、方法卡、踩坑卡、项目卡，自动记录来源，重复内容跳过。这是它的主打功能。

• 当前会话查询：输入 /wanxiang 问题，当前模型直接查知识库回答，不切换模型、不切权限。这是"失忆"问题的解法。

• 文件夹学习：/wanxiang study 学习会话绑定目录里的文档和源码，用你设置里选的整理模型，完成后更新检索和图谱。

• 导入已有笔记：拖入 Markdown、UTF-8 文本/源码、文件夹、ZIP 或万象内容包。

• 图谱：球体/网络两种布局展示知识节点，筛选、旋转、双向跳转正文。

• 工具库：按类别登记工具、看环境检测状态、关联知识。

其中最值得留意的是落库和查询这两端：前者把经验沉下来，后者把沉下去的经验重新用起来，中间靠本地文件 + 索引串起来。

三、架构：Markdown 是正文，SQLite 是索引

（图注2：四种检索模式各管一段，与 10 万条规模的官方本机实测——FTS p50 0.75ms、混合检索 Recall@5 100%、正文按需读省 74.7% 堆内存）

官方架构图的核心设计是一条"可逆"链路：会话和文件进来，先做结构校验、去重、来源记录，然后正文写 Markdown、元数据写 SQLite + FTS5，再往上长出口（图谱、时间线、模型工具）。为什么这么设计，官方给的理由很直白：

• Markdown 是正文来源：可以直接读、直接改、直接备份；索引删了能重建，知识不锁在数据库里。

• SQLite + FTS5：本地持久检索；能力缺失时自动降级到 sql.js（WebAssembly 版），并提示规模限制。

• 正文按需加载：常驻内存只留元数据，大正文按需读，官方实测堆内存降了 74.7%。

• 独立 SQL 子进程：自动召回在隔离的子进程里跑，可终止、有预算，超时不卡主会话。

知识目录固定长这样（默认在用户 Documents 下的"万象知识库"）：

知识目录/ ├─ notes/ 会话笔记 ├─ cards/ 方法、踩坑与项目卡片 ├─ sources/ 会话摘录与外部来源 ├─ attachments/ 导入附件 ├─ tools/ 工具目录与分析记录 └─ .wanxiang/ 索引、任务、修订、召回日志及别名配置

检索本身分三档：exact 精确（路径、错误码、卡片 ID）、hybrid 混合（默认，精确候选与 FTS 融合排序）、deep 深度（扩到正文）。模型读知识走三级渐进：先读 L0 短摘要，再读 L1 概览，最后按需读 L2 正文——这是控制上下文体积的核心机制。

四、怎么装：包安装或源码构建

包安装最省事。从 GitHub Releases 下载 dsh-wanxiang-knowledge-0.2.0-alpha.10.tgz，在 Harness 的本地插件包安装入口选它。普通 Web profile 也可以用宿主的插件命令：

dsh plugin --profile web add "插件包的绝对路径"

注意两条官方提醒：升级前先等宿主会话和后台任务结束，并备份知识目录；默认知识目录是 Documents 下的"万象知识库"，可在设置里切换。

从源码构建（开发者）：

git clone https://github.com/Minglink/wanxiang-knowledge.git cd wanxiang-knowledge npm ci npm run build npm run typecheck npm test npm run pack:plugin

官方说当前构建、类型检查通过，测试 80/80 通过。

五、举例：把一次踩坑变成可查的知识

假设你在 Harness 里刚花了半小时排查一个 npm 依赖冲突，最后发现是 Node 版本不对。这段会话结束前：

1. 选中这段会话，点"生成到本地"。插件先登记到"待落库"，点生成才开始整理，可选 AI 整理（跟随来源会话的模型，或在设置里指定）或直接导出原文。它产出的是笔记 + 方法卡 + 踩坑卡，来源记着是哪段会话。

2. 之后任何会话里输入 /wanxiang npm 依赖冲突 排查。当前模型查知识库，先命中 L0 摘要，需要细节再读正文。上次半小时换来的结论，这次一句话调出来。

3. 如果你有一整个项目文件夹，/wanxiang study 会把里面的文档和源码学进来，保留文件来源；之后图谱里这些内容都是可定位的节点。

会话新增消息会生成独立增量记录，不覆盖旧笔记；长会话按上下文大小自动分段，不设分段数量硬上限——代价是长会话耗时长、模型用量随长度涨，这是官方写明的。

六、注意与风险

官方在 README 末尾的"当前边界与参与"一节把话说得很全，挑要紧的：

• alpha 阶段：主要验证 Windows + Harness Desktop 0.2.1-alpha.1，其他平台/宿主版本需自测。alpha.10 修了图谱大库缩簇、正文分页、附件路径编码等问题，版本号带 alpha 意味着接口可能变。

• 性能数字有口径：Recall@5 100%、MRR 0.98125 是 20 条固定合成知识上的开发集结果，官方明说这不是独立留出集，也不能替代自动注入质量。百万条压力测试下隔离召回 40 次有 20 次超时，官方列为"尚未验收"。

• 自动召回是实验能力：关闭 / 仅提示 / 自动注入三档，自动注入前必须先确认摘要会发给宿主模型；官方给的漏召率数据（阈值 0.65 时 76.25%）是固定合成集上的，真实质量待评测。

• 功能缺口：没有向量检索、没有 OCR、不解析 PDF/Word 正文（作为附件保留）、没有云同步和多用户。

• 内容包许可：1182 条知识内容包里的第三方文献各自带许可，收录不等于逐篇实测；作者欢迎通过 Issue 提交脱敏问题，但明确写了别上传私人会话、凭据或业务样本。

七、适合谁

适合三类人。一是在 Harness 里高强度做同一个方向的人（逆向、安全、工程都行），踩坑成本高的，把经验沉成本地知识库能省重复劳动。二是已经有 Obsidian 笔记库、想让它直接变成 Agent 可查资料的人——Markdown 正文 + 本地索引的路线和笔记库天然兼容，Obsidian 的双向链接也支持。三是想搭个人知识库但不想数据上云的人：全文都在本机，索引可重建，备份就是拷目录。