Posts

DeepSeek Harness 解读（三）：会话、记忆与上下文压缩

这是 DSH 系列的第三篇。很多 Agent 都声称支持“记忆”，但这个词往往同时指会话保存、上下文压缩、跨会话召回和目标续跑。DSH 的有趣之处，是把这些问题明确拆开了。

先把“记忆”拆成五件事

Session Persistence   保存发生过什么
Context History       决定模型当前看到什么
Compaction            压缩当前可见历史
Long-term Memory      跨会话主动召回知识
Goal State            Agent 还要继续完成什么

DSH 内置支持前四项中的一部分：它强内置会话事件日志和上下文压缩，Goal 是持久任务状态；真正的语义长期记忆则通过外部 Provider 或 MCP 接入。

1. Session Persistence：日志才是事实来源

DSH 不把 messages[] 当作唯一状态，而是将一次交互保存为 append-only 的类型化事件：

turn/start
user/message
assistant/chunk
assistant/message
tool/call
tool/result
step/end
turn/end

模型的历史消息由这些事件重新派生。这样可以让 UI、Replay、Fork、Telemetry 和恢复逻辑共享同一份事实来源。Session 文档

持久化层通过 ctx.sessionPersistence 抽象出来，目前支持 JSONL 和 SQLite 后端。写入采用批处理和 flush checkpoint；崩溃恢复时，DSH 会识别没有关闭的 turn，并以 interrupted 结束它，而不是粗暴截断日志。Persistence 文档

这是一种“事实优先”的设计：

原始日志尽量完整
模型上下文可以变化
历史投影可以重新计算

2. Compaction：压缩可见表面，不删除原始历史

上下文接近模型窗口时，DSH 不直接删除旧事件，而是选择一段旧的 surface，调用 summarizer 生成摘要，然后追加一个 checkpoint：

read more