用于记忆与上下文的 DSH 插件

两个问题共用这个关键词。上下文工具告诉你模型当前带着什么：token 构成、会话内增长、压缩与修剪事件。记忆工具决定什么能在窗口关闭后留下：项目事实、决策、偏好，以及在回合开始时注入的召回片段。装了其中一个并不会顺带得到另一个。

好的记忆是有界且可审查的。找显式写入策略、你能读的审计面，以及对智能体自行决定记住的内容的审批门槛。上下文工具的价值在于让压缩变得可见，而不是悄悄发生。

怎么评估

上下文类：是否展示构成（系统、工具、历史、注入文件），并在压缩丢掉你仍需要的内容前预警？记忆类：数据落在哪（profile 目录还是远程服务）、召回如何打分、以及能否在不整库清空的前提下删除或纠正某条事实？

跨 agent、跨会话的宣称需要额外警惕。「到处都能用」的记忆要么集中你的数据，要么依赖桥接——安装前你都应能说出这是哪种设计。

什么样算好

强的上下文工具是仪表盘加日志：token、分层，以及压缩时间线。强的记忆插件给写入设门、存带来源的事实而不是漂浮的氛围，并在召回时注入有界切片，让长项目不至于被自己的历史淹死。图结构在相关事实能一起浮现时有用；扁平嵌入在语料小且审计链清晰时就够。

本目录最强配置是两者都有：一个解释窗口，一个决定窗口关掉后什么留下。

常见失败

常见失败是无审批的写入路径，慢慢把存储灌满琐碎信息。第二种是无界召回，注入的历史多到新回合开局已经拥挤。第三个是混淆两个问题——上下文仪表不会记得上周的决策，记忆插件也不会告诉你当前窗口为何已满。

安装顺序与边界

先度量窗口，再决定要不要存储。上下文与记忆解决不同失败模式；宣称兼备的单一插件必须证明检索有界、写入有门。