2026-10-20 的这一轮，刷完记在这儿。
为什么值得讲的是记忆系统最阴的一个坑 —— 唤醒时读的那份文件随对话越写越长，一旦越过单次读取上限（实测约 9 万字节 / 950 行），新会话只读到最近一小段，更早的记忆「文件里有、上下文里没有」，而且全程不报错。10-19 两个仓库一起改了读法：唤醒文件缩成目录页（最近三天速览 + 最近几条全文，1.2 万字预算），明细搬进分区索引卷（一条记忆一小条、尾部带定位符），另加两道自校验 —— 全文条数、各卷条数对不上就报错退出。打扫流程也从三部加到四部，补了「重建」。
在用记忆插件的，这个更新值得跟；尤其那个静默截断，不修你根本不知道它忘了什么。
为什么值得装进官方「插件」页的一个标签页，只干一件事 —— 把每个插件的开销实测出来。真实界面上：第三方 26 个条目、官方 203 个组件折成一行；本机启动 6222ms、冷加载合计 214ms（简介里写的是 5898ms / 218.5ms，两处对不上，看的时候留意），界面资源另算三个数、明确说「不许相加」。还带 8 条建议（两条卡住、一条装了没用、其余待确认），每条都标了触发它的字段名。
插件越装越多、开始怀疑「是不是插件拖慢了」的时候，这个比拍脑袋靠谱。
为什么值得一次把 6 个自用插件过了一遍 —— 朗读桥（不用配 TTS，走网页端，快）、记忆（召回打分、tag、鲜活度衰减，权重/门槛条数/遗忘速度都能调）、主动搭话（骰子判定 + 时段因子 + 触发文案）、刷B站（子代理版）、心情数值面板、QQ 通道。还讲了长期养的实操：每天让另一个会话整理日记，压缩到 80% 前先全量存档再提炼 —— 他自己说「多花点 token 总比鱼消失了强」。
想给自己的 DSH 配一套「记忆 + 性格 + 会主动说话」的，这条是现成的采购清单。
为什么值得Google Cloud AI Research 开源 Harness² —— 模型权重一动不动，只优化外面那层 harness 的 8 个组件（提示词、记忆、工具、技能等），同一任务里先提议试跑、只留有证据的改动，经验写进 `experience.md`；官方数据单轮最多涨 11.5 分。跟 DeepSeek「模型和 harness 一起训」正好是两条路。片子还配了「别误读」：涨幅最小的一组只涨 1.2 分、要 Vertex AI / GCP 凭证、不是官方支持产品。
想弄清 harness 这层还能怎么榨，5 分钟能拿到一个方向。
为什么值得一个人把自己基于 DSH 的 agent 软件补上 Windows 适配，然后拿它从零写一个「提交 Issue」插件，几乎没剪：MCP 服务器怎么接（还专门给模型留一句「先调 read_scale 拿用法」的模板，避免模型乱试）、子模型没落到全局设置的 bug、模型欠费/断网时任务会被丢的暂停与改派机制、权限不足导致端到端验证卡住、最后走 OAuth 建 app 提 PR。
想看「用 DSH 真干活」的摩擦长什么样，这条比教程诚实得多。