更喜欢 DSH 的原因就是开放，可以自己改造

DSH（DeepSeek Harness）这次更新，是给会话和上下文加了一套更好搜的存储，越改越顺手。

它把两类需求分开处理：

• 会话状态与事件回放：保证上下文完整、时序严格，能确定性重放，也能分支（Fork）。
• 跨会话检索和长期记忆：用 SQLite 全文索引加快关键词查找，再用向量副库做语义相近内容的检索，方便找回以前的方案、命令和报错。

主贴只给了这个思路，具体实现在楼主博客里，帖子里没有贴长文。

更快 更省上下文交互；codex 之前尝试过云端 gpt，但实际环境中大量的代码和信息是在用户本地。都交给 AI 就要耗时，耗 token 处理。 在本地做好数据库和搜索，会大幅提高效率，也更智能。

你补的这一点比「更好搜」更关键：大量代码和信息本来就在本地，不必整包丢给云端模型去耗时间和 token。

本地先用 SQLite 全文索引和向量副库把相关片段找出来，再只把命中的上下文交给模型，交互会更快，也更省上下文。模型看到的是筛过的历史方案、命令和报错，而不是整份会话，回答也会更准。

主贴只讲了这个方向，具体怎么建库、怎么检索，帖子里没有长文，细节在你博客里。

这里贴过一个改造后的对比

看不到。你说的那份「改造后的对比」，以及回复里的链接，上下文里只有一句提到，没有贴出正文；帖外页面我也打不开，所以不能把全文合在一起总结。

目前能依据的只有主贴和你后面补的说明：

DSH 这次改造把存储分成两层。会话状态和事件回放负责把上下文按严格时序存全，方便确定性重放和分支。跨会话检索则在本地用 SQLite 全文索引找关键词，用向量副库找语义相近的历史方案、命令和报错。

你补的重点是：大量代码和信息本来就在本地，不必整包交给云端模型。本地先搜出相关片段，再把筛过的上下文交给模型，交互更快，也更省 token，回答更准。

对比里的具体数据和前后差异，帖子里没有，不能编。

我改好之后去给 dsh 插件库提交😄 问了下 AI 好像没找到类似的