它是什么
Graph Memory 接管 DSH 会话里「模型可见的历史表面」。它原样保留最近 N 个已完成的用户轮次（默认 5 个），把更早的请求前缀替换成一个归档标记，再用召回把删掉的东西重建回来：一组数量受限的记忆轮次，每一条都带着当时的原始问题和最终回答。
安装前最值得弄清的一点，是图谱在这套设计里的位置。在 1.6 里它是导航层，而不是事实载荷：每个已完成的轮次触发一次结构化 LLM 调用，产出一句摘要、一个结果状态和零条或多条主谓宾三元组；社区发现与排序在这些摘要和三元组上进行，但最终交回模型的是节点指回的原问题和原回答。README 写得很直白：「Summary、SPO 与社区只负责导航；原始问题和最终回答才是证据。」
抽取靠 LLM，不是本地解析
三元组不是本地抽出来的。src/extractor/extract.ts 会针对当前轮次拼出提示词，要求模型恰好调用一次 submit_result 工具；src/extractor/contract.ts 里的合同是唯一闸门。不符合 schema 的输出会被隔离，不会被修补也不会入库，唯一出口是手动调用 gm_retry_extraction。
输入被刻意收窄：按仓库里的 cordis.patch.yml，一个已提交的 DSH 轮次就是一个抽取任务，只包含「原始用户问题和最终可见回答」，工具流量与推理过程永远不发给抽取模型。
路由也走同一份配置：GRAPH_MEMORY_LLM_PROVIDER 与 GRAPH_MEMORY_LLM_MODEL 指定专用抽取路由，补丁注释说明它优先于前台 Agent 模型。dsh.ts 的实现是 configured ?? route，route 即 DSH 最近记录的 agent 模型；两者都没有时抽取直接报错而不是猜。遇到永久性状态码（401/403/404）的失败会暂停后续 LLM 调用十分钟（src/engine/llm-guard.ts）。被隔离的轮次不会自动重试，启动时也不会导入已有历史。
记忆存在哪
全部在一个本地 SQLite 数据库里。组装补丁把 dbPath 设为 dshHomePath('graph-memory/graph-memory.db')，通常是 ~/.dsh/graph-memory/graph-memory.db；OpenClaw 适配器写 ~/.openclaw/graph-memory.db。文件内部，src/store/store.ts 把原始消息、节点、溯源、边、轮次记忆和向量分表存放，数据库以 WAL 模式打开并启用外键（src/store/db.ts）。
这一版用的是 Node 内置的 node:sqlite（src/store/sqlite.ts），不是第三方驱动——这正是它要求 engines.node >=22.13.0、也不需要原生编译的原因；npm 1.5.8 则依赖 @photostructure/sqlite。
召回是查询优先的：src/recaller/recall.ts 先用向量相似度或 FTS5 给已存轮次记忆排序，再以这些命中为种子在导航词上跑一遍个性化 PageRank，最后合并到 recallMaxNodes（默认 6）条。向量是可选的：src/engine/embed.ts 在没有 key 或 base URL 时直接返回空，召回退化为 FTS5。只配了 key 没给 base URL 时，默认端点是 https://api.openai.com/v1、模型 text-embedding-3-small；密钥由 Harness 的 credentials 服务在请求时解析，不落在配置或数据库里。
跨会话复用
召回不限定在当前会话内。存下来的记忆带着来源 session id 作为溯源，而召回路径在检索记忆和导航图时不做 session 过滤，因此一个全新的、属于另一个项目的会话也能命中它们；README 把这称为「跨轮次/跨会话/跨项目召回」。
两个 harness 适配器
这个仓库不只是 DSH 插件，而它的 topics 又在另一个方向上夸大了。代码里真正存在的适配器只有两个：
- DSH ——
dsh.ts加cordis.patch.yml，在根package.json里以"dsh": { "bundle": { "patch": "./cordis.patch.yml" } }声明。它注入tools、llm、systemPrompt、agentLoop、agents、sessions、credentials、tokenMeter，挂载agent/created、agent/session-start、session/event，注册六个gm_*工具。补丁里assistantTools默认none，因为自动召回不需要工具调用。 - OpenClaw ——
index.ts加openclaw.plugin.json，以contextEngineslot 激活，注册gm_search、gm_record、gm_update、gm_stats、gm_maintain。
仓库 topics 里还写着 claude-code、codex、opencode，但代码里没有任何对应适配器；已跟踪来源中唯一提到它们的地方，是 docs/DSH_NATIVE_PLAN.md 里一张关于 Claude Code 兼容边界的表。把这些 topic 当作作者的生态标签来读，不要当成独立集成。
运行要求
- Node
>=22.13.0，来自engines，因为源码用的是内置 SQLite API。 - Harness —— 没有声明任何 DSH 版本。唯一与版本相关的说法是可选 peer 范围：
@deepseek-ai/cordis（>=4）与@deepseek-ai/dsh-typert-protocol（>=0.1.0-rc.5）；README 只说实测跑在「最新 DSH 源码」上。没有具体目标，因此本条目不记录dshTarget。 - 安装 —— README 走 GitHub tag 而不是 npm：
npx @deepseek-ai/dsh plugin --profile web add github:adoresever/graph-memory#v1.6.0-beta.16。 - 安装期脚本 —— 没有
preinstall、install、postinstall、prepare；最接近的是prepack（发布时执行npm run build），而scripts/verify-package.mjs会在清单或运行依赖出现安装生命周期脚本时让构建失败。 - 运行依赖 ——
1.6.0-beta.16里只有@sinclair/typebox一个。 - 网络、权限、遥测 —— 抽取把每个已完成轮次的问题与最终回答发给所配置的模型路由，默认就是你自己的 agent provider；启用向量后记忆文本与查询发往你的 embedding 端点（见 FAQ）。已跟踪源码里没有遥测代码，README 也没有记录权限模型或隐私政策；请按「未说明」理解，而不是按「没有风险」理解。
已知限制
- npm 上的包不是这个插件。
npm view graph-memory version是1.5.8（发布于 2026-04-07），而仓库已经到1.6.0-beta.16（tag 打于 2026-09-09）。registry 清单完全没有dsh字段，main指向index.ts，依赖是@photostructure/sqlite、@sinclair/typebox、openai，peer 只有openclaw。装 npm 同名包得到的是 OpenClaw 时期的旧插件，README 自己也是这么说的。 - 公开的 benchmark 不是受控 A/B。 README 主动承认：两组用的是不同的 DSH commit，而且这次运行被定性为工程工作流实测，不是 LoCoMo/LongMemEval 分数。
75%这个数字出自作者。 它出现在 GitHub 仓库描述里；作者自己那次 20 轮实测报的是 T20 首个请求 −80.69%、T01–T20 −68.84%，口径与数字都不是同一个。本条目没有独立复现其中任何一个。- 「受邀发布在清华大学讨论会」出自作者。 它出现在 GitHub 仓库描述里，仓库另有
docs/images/history/tsinghua-sharing.jpg。本次可得的来源没有说明那是什么活动，也没有说明「受邀」是否成立。不要把它当事实转述。 - 召回有上限。
recallMaxNodes默认 6，README 也提到覆盖多主题的宽泛问题可能需要提高 Top-K 或者拆开提问。 - Releases 里有一个 Windows 安装包。 2026-03-18 的
v2.0.0携带OpenClaw-Graph-2.0.0-win-x64.exe（约 1.7 GB），而 npm1.5.8里那份 README 仍在把 OpenClaw 用户引导到它上面；当前 README 已不再提。 - Graph Memory Pro 是实验性的，也没有发布。 仓库里带了一个只读的 DSH Pro Lite Host + Client（
dsh-pro/）用于图谱视图；npm 上没有graph-memory-pro-dsh（404）。
什么时候用它、什么时候不要用
当会话已经长到工具轨迹和老轮次把真正的对话挤出去，而你又希望被丢掉的内容之后还能按语义找回来时，用它。最没有替代品的一点是：召回交回的是原问题与原回答本身，而不是改写版本。
不要冲着 npm 上那个名字去装，那不是一个插件。如果每次完成轮次都拿你的问题与回答额外调一次模型不可接受，也不要装。README 里的数字来自作者一次 20 轮合成实测，不要当成可迁移的结论。
FAQ
三元组是本地抽取的，还是调用 LLM？
调用 LLM。每个已完成的轮次就是一次结构化调用，必须通过一次 submit_result 工具调用返回摘要、结果状态和三元组；社区发现和 PageRank 是本地计算的，抽取不是。这次调用只带用户问题和最终回答。
图谱存在哪里？
一个本地 SQLite 数据库里。DSH 用 $DSH_HOME/graph-memory/graph-memory.db（通常 ~/.dsh/graph-memory/graph-memory.db），OpenClaw 用 ~/.openclaw/graph-memory.db。原始消息、节点、溯源、边、轮次记忆与向量都在这个文件的不同表里。没有服务端，也没有图数据库。
它会把我的对话发到哪里去吗？
会，两个方向，且都可控。抽取调用发往你配置的模型路由——默认是 agent 自己的路由——只包含某个已完成轮次的问题与最终回答，绝不包含工具输出或推理过程。启用向量后，记忆文本与查询发往你的 embedding 端点；完全没有向量配置时召回退回本地 FTS5。源码里没有发现遥测，但 README 没有记录任何隐私政策。
为什么这里的 package 装到的是旧版本？
因为 registry 上 serving 的就是 npm 1.5.8，它属于这个项目的 OpenClaw 时期：没有声明 dsh 字段，所以用这个名字做 DSH 安装得不到本插件。上游 README 改用 v1.6.0-beta.16 的 GitHub tag，并说要等到 npm 报告该版本或更新才切回 npm 名字。
我必须使用那些记忆工具吗？
不必。仓库自带的 DSH 补丁把 assistantTools 设为 none，自动召回不需要工具调用：召回跑在 pre-step 路径上并注入相关记忆。gm_search、gm_record 等工具是给显式控制和诊断用的，是否出现在工具列表里是一个配置选择。
安装时会执行什么吗？
当前这一版不会：没有安装生命周期脚本，运行依赖只有 @sinclair/typebox，用的是 Node 内置 SQLite，所以没有原生编译。仓库自带的 verify:package 会在这一点被破坏时让构建失败。