Repository navigation
Releases
Releases · HANPU5838/dsh-memory
v0.63.0 — 恢复自动检测/自动安装,修复 Termux 装错运行时
0.63.0 — 恢复自动检测/自动安装,并修复 Termux 装错运行时(2026-11-14)
- 恢复默认:
retrieval.vector.autoBootstrap默认值从'off'改回'auto'。
0.62.4 为了让下载可控把默认改成 off,但它的语义把「自动采纳系统 llama-server /
自动探测本机端点」也一起关了 —— 面板会显示「未配置」并引导用户手动安装。
默认行为恢复为:自动检测环境 + 自动安装(Termux 上自动pkg install llama-cpp
再只下模型;已有系统运行时则零下载直接采用)。 - 修复(另一台 Android 实机暴露):Termux 上没有系统 llama-server 时,面板的
「下载并安装」会下载托管运行时;那是 ubuntu glibc ELF,PT_INTERP 指向
/lib/ld-linux-aarch64.so.1,而 Termux 没装 glibc 时直接 exec 只会ENOENT
→ 下完 500MB、冒烟失败、再被自动移除,用户白折腾一轮。
现在:Termux + 无系统运行时 + 无 glibc loader + 有 pkg 时,安装入口改走自举流程
(pkg install llama-cpp拿 bionic 原生运行时 → 只下模型),不再下载跑不起来的运行时。
新增纯函数shouldUseTermuxSystemRuntime()与回归用例。 - 文档:README / architecture / verification 的「默认手动安装」表述改回「默认自动」,
并写明 0.62.4–0.62.9 的行为变更与恢复原因。
测试:1120 例 / 1119 pass / 1 skip / 0 fail。
v0.62.9 — 修复非中文语种误伤
0.62.9 — 修复无语义门禁误伤非中文语种(2026-11-14)
- 回归(0.62.8 引入):0.62.8 用「查询是否有内容词」来短路语义通道,但
tokenize
只覆盖 ASCII 与中日汉字 —— 韩语/泰语/阿拉伯语/俄语等分词结果是空数组,被判成
「无实义查询」→ 语义通道被关掉 → 这些语种整类查询永久搜不到。实测韩语
이 기기의 남은 저장 공간은 얼마나 되나요在 0.62.8 上返回空(0.62.7 可正常召回)。 - 修复:新增
isGenericOnlyQuery()。只有「分词非空、且每个 token 都是功能词」的
查询才短路语义通道;分词为空的语种、单字实义词(如「盘」)一律放行给向量通道。
中文纯功能词查询(怎么办/为什么/这个怎么弄)行为不变。 - 新增回归用例 3 例:纯功能词判定(含空分词/单字实义)、韩语查询仍走语义通道、
中文纯功能词仍被短路。
测试:1119 例 / 1118 pass / 1 skip / 0 fail。
v0.62.8 — 无实义查询不再走向量通道
0.62.8 — 无语义查询不再走向量通道(2026-11-14)
- 问题(实测):0.62.7 修掉了词法假阳性,但「怎么办」仍返回 3 条无关记忆 ——
病因在向量通道:BGE-M3 对「短泛化中文查询 × 长中文记忆」的基线余弦就有
0.50–0.53。用 content-only 文本实测:怎么办对三条无关记忆余弦 0.512 / 0.529 /
0.502,而minScore = 0.5—— 这类查询直接把门槛捅穿。 - 修复:语义通道增加内容词门禁。整条查询没有任何 ≥2 字非功能词时(如「怎么办」
「为什么」「这个怎么弄」),allowVector = false,不请求嵌入、不参与向量召回;
词法通道本来已按 0.62.7 的要求拒绝这类查询,于是整体正确返回空。
有内容词的查询(哪怕是「磁盘」两个字)不受影响。 - 新增回归用例 2 例:假嵌入服务返回相似度 1.0 时「怎么办」仍必须返回空;
「磁盘」必须正常命中。
测试:1116 例 / 1115 pass / 1 skip / 0 fail。
v0.62.7 — 词法准入只认内容词
0.62.7 — 词法准入只认内容词(2026-11-14)
- 问题(实测):
hasStrongHit把任何 ≥2 字词面重叠都当「强命中」,于是功能词
(怎么/什么/多少/为什么/怎么办…)单独就能把无关记忆捞出来:怎么办→ 返回 3 条无关记忆;怎么减肥→ 命中「沟通偏好」,因为那条正文里有「怎么输出」。
词法分实测 0.357 > 短查询门槛 0.05,纯靠阈值压不住(0.25 的 REAL_HIT_FLOOR 也拦不住)。
- 修复:新增
isGenericCjkToken()/hasContentHit()。词法通道(含词法保底)
要求命中至少一个 ≥2 字的非功能词(内容词)才准入;只有功能词重叠直接拒绝。
语义相关仍由向量通道负责,不影响真正的语义检索。 - 新增回归用例 4 例:功能词判定 / 内容词命中判定 / 通用词查询不再命中 / 实义词查询不误伤。
测试:1114 例 / 1113 pass / 1 skip / 0 fail。
v0.62.6 — 保底召回地板收紧到 0.48
0.62.6 — 保底召回地板收紧到 0.48(2026-11-14)
- 问题:0.62.3 的保底召回地板取
max(0.42, minScore − 0.05) = 0.45。用 15 条无关
查询实测对 9 条活跃记忆的最大余弦:2 条落在 0.45–0.50(怎么减肥0.459、
Python 怎么读取 CSV0.454)会被保底召回捞出来,而真命中在 0.483 / 0.4995 ——
0.45 会引入约 13% 的无关误召回。 - 修复:
recallFallback.relax默认 0.05 → 0.02(地板 0.45 → 0.48)。
0.48 正好卡在两组之间:拒掉 0.459/0.454,保留 0.483/0.4995。 - 为什么不用相对准入:同批数据算了 margin(max−median)与 z-score,误召回的
margin 0.062 反而高于真命中的 0.060,z-score 也重叠(1.72 vs 1.80)——相对指标在
小语料上分不开,硬上只会更糟。根因(绝对余弦对中文短查询不灵敏)需要跨编码器/LLM
重排才能真解,不在本版范围。 - 新增回归用例 2 例:0.483 必须召回、0.459 必须拒绝(精度边界)。
测试:1110 例 / 1109 pass / 1 skip / 0 fail。
v0.62.5 — 回收空的历史会话作用域
0.62.5 — 回收空的历史会话作用域(2026-11-14)
- 问题:系统给每个会话自动创建
session:<id>作用域元数据,但从不回收 ——
开 N 次会话就攒 N 个空作用域,memory_scopes目录越来越长,用户也分不清哪些
是真正在用的。实测本机已攒 2 个 0 记录的作用域。 - 修复:新增
pruneEmptySessionScopes(),接进每小时维护任务(runHousekeeping)。
安全边界三道:① 只删origin === 'session'且没有任何记录的;② 只删
updatedAt超过保留期的(默认 1 天,活跃会话天然受保护);③ 已归档会话
(frozen)跳过。空会话作用域没有数据,下次写入会自动重建,清理零风险。 - 配置:
limits.sessionScopeMaxAgeDays(默认1,0= 禁用)。 - 新增回归用例 5 例:过期才删 / 有记录不删 / 非会话不删 / 冻结跳过 / 禁用开关。
测试:1108 例 / 1107 pass / 1 skip / 0 fail。
v0.62.4 — 向量后端改为默认手动安装
0.62.4 — 向量后端改为默认手动安装(2026-11-14)
- 行为变更:
retrieval.vector.autoBootstrap默认值从'auto'改为'off'。
插件不再在启动时自动探测本机端点、自动pkg install运行时或自动下载模型 ——
向量后端一律由面板「下载并安装」按钮(POST /embed/install)显式发起。 - 理由:下载/安装是一次性、可感知的成本(运行时 + 400MB+ 模型,手机端还要先装包);
由「启用了向量」隐式触发,等于用户没点过同意就产生几百 MB 下载和后台服务。默认值
应该是最不意外的那个,自动搭建交给显式配置。 - 兼容性:已安装好的后端不受影响(
detectInstalled仍会采用,零下载);想恢复旧行为
把retrieval.vector.autoBootstrap设回'auto'(桌面端仍不会擅自下载,需'always')。 - 新增回归用例:默认解析必须为
'off'且自举决策为none。 - 文档同步:README / docs/architecture.md / docs/verification.md 的「零配置自举」表述改为
「默认手动安装,自举需显式开启」。
测试:1103 例 / 1102 pass / 1 skip / 0 fail。
v0.62.3 — 总命中为空时的保底召回
0.62.3 — 总命中为空时的保底召回(2026-11-14)
- 问题(实测,中文库 + bge-m3):改写问法会同时擦掉两路准入门槛,整条漏召回。
'手机还剩多少存储空间'与目标记忆余弦 0.4995(vector.minScore默认 0.5,
差 0.0005 被砍)、词法覆盖率 0.1066(长查询自适应 floor 0.153);
'磁盘剩余空间'余弦 0.4830、词法 0.0000。用户看到「没有找到相关记忆」,
模型只能重新踩坑 —— 正是记忆系统要避免的事。 - 根因(两处方向叠加):①
lexicalScore是 IDF 加权覆盖率,长查询把分母撑大、
覆盖率被稀释,而adaptiveThreshold对长查询反而收紧(base + 0.1);
② 向量侧minScore=0.5是绝对余弦门槛,而 BGE CLS 无关文本对的实测地板是 ~0.42,
落在 0.45–0.5 这条窄带里的真命中被误杀。 - 修复:新增
retrieval.vector.recallFallback(默认开)。只在两路都零命中时
放宽一次:floor = max(noiseFloor, minScore − relax)(默认 0.42 / 0.05,仍拒绝
纯噪声);纯词法库退化为收「有 ≥2 字真实词面重叠(hasStrongHit)」的最佳记录。
保底命中在结果整形阶段显式豁免shaping.floor,否则会被地板分二次砍掉。 - 边界:有命中的正常路径分毫不动;
recallFallback.enabled:false可完整回退到
0.62.2 行为;余弦 0.40 的无关文本仍然不召回(有回归用例锁定)。 - 新增回归用例 5 例:用假 OpenAI 兼容嵌入服务精确复现「0.4995 擦线」场景,覆盖
向量保底 / 关闭开关 / 噪声地板 / 纯词法保底 / 无重叠不硬凑。
测试:1102 例 / 1101 pass / 1 skip / 0 fail。
v0.62.2 — 修复端口回退误改外部端点
- 回归:0.60 加的「端口冲突自动回退」没有判断「插件是否真的要托管子进程」。
当用户用自己的本地服务(如本机 Ollama / 自建 llama-server)并把spawn.enabled
保持关闭时,插件仍会把用户的 endpoint 端口改掉(8078 被占 → 改成 8079),
语义检索随即失效。 - 修复:
applyPortFallback()只在spawn.enabled === true时生效;外部端点、
openai/ollama、用户显式端口一律不动。 - 新增回归用例:占住一个随机端口 + 外部 endpoint + spawn 关闭 → endpoint 必须原样保留。
测试:1097 例 / 1096 pass / 1 skip / 0 fail;npm run verify:all → PASS。
v0.62.1 — 修复冻结参数导致 memory_forget 短 id 失效
- 上一版(0.62.0)在
memory_forget里把解析出的完整 id 回写进了参数对象;
宿主运行时会把工具参数冻结(防篡改),于是真机上短 id 删除直接抛
Cannot assign to read only property 'id'。 - 改为解析结果放局部变量
targetId,不再写回args;回归用例改为冻结参数
(Object.freeze)执行,锁死这类「单测能过、真机才炸」的问题。
测试:1096 例 / 1095 pass / 1 skip / 0 fail;npm run verify:all → PASS。