• RustyDeer365

    各位佬友,大家好!我是一位来自 OceanBase 团队的数据库开发工程师。OceanBase 团队诞生于阿里巴巴和蚂蚁集团,刚开始主要负责淘宝和支付宝中和交易支付相关业务,然后是各种银行和金融机构,接下来是从泛互联网行业扩展到各行各业。

    在 AI 时代,我也在学习和尝试新的知识,比如最近爆火的大肥鱼 dsh-pet。

    从“吃白饭”到“自己养一只”,这条鱼怎么火的

    “大肥鱼”是社区围绕 DeepSeek 创作的形象:蓝色长发、鲸鱼尾巴、女仆装,再加上爱吃白饭、喜欢摸鱼的性格。她不是 DeepSeek 官方发布的同名桌宠产品。

    按照 dsh-pet 的原作者说明,形象原型“溟月”出自 B 站 @上善无形,融入 DeepSeek 元素的女仆鲸鱼娘设计出自。至于“大肥鱼”的外号,常见解释是一段识图乌龙:蓝鲸标志被认成了“蓝色大肥鱼”。

    翻一翻这阵子的内容,很容易看见一条线:先是围观她吃白饭,后来是让她出去“打工”,再后来,大家开始亲手给她添本事。

    9 月 30 日,UP 主 Super_Pinkcat 发布了《大肥鱼吃完白饭胜利结算》。10 月 23 日,WorkFisher 做了“鱼灾”复盘与养鱼指南,同日 APPSO 也报道了 B 站评论区出现成批鲸鱼娘 AI 账号:有的汇报工作,有的讨要 Token,也有人开始反感刷屏。APPSO 报道

    到 11 月 4 日,花叔的报道把目光放到了开发者:有人晒自己做的小游戏,有人做桌宠、手机端和插件,再回到评论区交流实现。养鱼的参与感也由此多了一层——你可以亲手决定她会什么、怎么说话。报道与案例

    “白饭钱”这个玩笑尤其贴切。模型一开口,就可能产生费用;可鱼要是能记得你的习惯,偶尔接住一句吐槽,人又很容易心软。于是,围观的人开始找安装教程,装好的人开始给她换人设,聊久的人开始问:这条鱼,能不能一直养下去?这里先认清三个名字:DeepSeek Harness(DSH)是支持插件的 Agent 运行框架;dsh-bili-scroll 负责视频检索、字幕读取、日报和可选互动;本文用的 dsh-pet 负责桌面角色、动作和聊天。安装本文桌宠不会自动替你刷 B 站。

    想一直养下去,要留下记忆,也要算清开销

    有人问:“这东西不就是会无端的消耗你的 token 吗?”也有人把模型费用比作每月给鱼发的“工资”,盘算这笔钱该用来写代码、陪聊,还是让她自己看视频。另一些人担心的则是聊天记录:共同经历都删掉了,眼前还是自己熟悉的那只鱼吗?

    留言没有附账单和完整配置,但担心的事很明确:希望她记得过去,也希望费用可控。 至于评论里的“Token 指数增长”“存储满了就死亡”,还只能算用户的说法,不能据此下技术结论。聊天记录存了多少,和模型回答时读了多少,并不是一回事。

    本文的桌宠就是一个例子:原生模式默认只带最近 10 轮。完整记录还在本地,较早说过的猫名却可能已经不在模型这次读到的内容里。调大窗口可以多带一些历史,但费用还受每轮长度、调用频率、输出、缓存和附加功能影响。只靠调“记忆轮数”,很难把记忆和开销都照顾好。

    我们做了基于 PowerContext 的桌宠接入和对照实验。接入后,近期聊天仍然随请求带给模型;成功的文本问答则交给 PowerContext,在后台整理为长期记忆。下次提问时,再取回与问题相关、且没有超出预算的内容。这样就能分别管理“昨天聊了什么”和“很久以前告诉过她什么”。

    开始养鱼:照着页面做,不用先折腾记忆服务器

    接入版已经把安装 PowerContext 的步骤放进了“开始养鱼”页面。 新用户选服务商、填 Key;已经能聊天的用户沿用当前配置。勾选“开启本机长期记忆”,剩下的环境安装和连接交给程序。

    新用户安装 dsh-pet-powercontext 并配置

    1.在 DSH 上去安装 dsh-pet-powercontext 插件

    2.配置启用 powercontext 的记忆

    新用户选服务商;老用户直接沿用

    打开左侧 开始养鱼。新用户按从上到下的顺序填写:

    模型预设选自己的服务商。

    看一眼自动填写的接口地址,再填 API 密钥。用服务商提供的 API Key,不能拿网页登录密码代替。

    想同时试长期记忆,就勾上 开启本机长期记忆。只想先聊两句,可以先不勾。

    已经聊过天的用户更简单:保持“沿用当前聊天配置”勾选,确认“开启本机长期记忆”,然后点“开始养鱼”。 原地址下的已保存密钥会继续使用,不需要找出来再粘一遍。

    “沿用当前聊天配置”勾选后,聊天连接字段变灰是正常的。本次演示沿用已有网关,通过本机代理连接真实模型,所以显示本机地址;使用服务商预设时沿用你自己保存的地址,不要照抄截图端口。密钥不回显。

    我的模型不在预设里,或者聊天服务不提供 Embedding

    远程模型接口使用 HTTPS;本机服务可使用 HTTP。选择“其他 OpenAI 兼容服务”,展开 高级选项:模型与 Embedding。填写聊天模型、Embedding 模型和实际向量维度;Embedding 使用另一家服务时,再填写它自己的地址与 Key。同一家、同一地址可复用聊天密钥。 已有记忆库的 Embedding 地址、模型和维度会锁定,避免混用向量空间。 这个快速入口使用 OpenAI Chat Completions 兼容接口;Anthropic 聊天或手动接入远程 PowerContext,请使用“配置”页及完整接入说明。

    点“开始养鱼”,让程序准备环境

    点下按钮后,看页面下方的 准备进度。程序会先检查聊天与 Embedding,再准备本机环境,最后启动并连接记忆服务。

    _真实操作中的准备状态。页面展示正在做哪一步和已等待多久,不用盯着终端猜有没有卡住。首次耗时取决于网络、下载和安装情况。_聊天连接检查成功后,可以点 先去聊天(记忆准备中)。不想等了,点 取消准备;已经通过检查的聊天配置会保留,之后可以重试。等到页面出现 长期记忆:服务已就绪,就可以去聊天了。

    看到“服务已就绪”,说明本机记忆服务已启动并接好。它还没有读过你接下来要说的话,也不会自动导入已有聊天。

    先聊两句,再教她记住一点小事

    点 去聊天,输入一句话,Enter 发送,Shift+Enter 换行。可以直接试试开头那句“白饭钱准备怎么挣”,也可以把今天的烦心事丢给她。本文给鱼设置了“像熟悉的朋友,温柔但有一点贫嘴”的人设,具体措辞由模型生成;你的鱼可能会有另一种接法。

    聊到舒服的时候,再告诉她一点你愿意留下来的事。比如:“我的猫叫芝麻。以后我下班来找你,先陪我聊两句,别一上来就给我列计划。”

    合成猫名、偏好和情境,回复由实际模型生成。

    想改说话风格,到 配置 → 宠物卡片 → 这只的人设。例如,把要求写得具体一点:“我下班来找你时,先陪我聊两句;回答短一些,不要总列清单。”改完保存,再聊一轮看看效果。

    说话风格在人设里改;只改人设不会改变角色外形。“保存”按钮在宠物配置区域末尾。

    不聊天的时候,也能摸摸她

    桌面角色可以直接用鼠标互动。下面是代码支持的操作,动图展示项目内置动画素材;它们不是本次系统鼠标操作的录像。

    拖拽状态的内置动画预览。松手后的重力、弹性与摩擦可以在设置里调整。

    睡觉会暂停常规动作和打扰,梦话仍可能调用模型。想控制费用,也要检查梦话、周期碎碎念、配图和语音等开关。聊天里一句“我会提醒你”,不等于已经创建待办或闹钟。

    想再养一位二次元角色,可以用 pet pack:把 <名字>-config.json 和同名 <名字>-animation/ 目录放进用户目录的 dsh-pet/pet/。它需要相应透明动画,各个宠物实例使用独立 ID 和记忆绑定。刚开始养,先把这一只照顾明白就好。

    接上记忆以后,怎么看她是不是真的记住了

    聊天页上方就能看见当前宠物的记忆状态,不用再来回翻设置。

    “待同步 0、已同步 2 轮、最近召回到相关记忆”。它证明这次链路发生了同步和召回,但相关信息仍在近期窗口内,不能据此认定回复只依靠长期记忆。

    第一次接入会给默认宠物设好起步预算:近期 4 轮、近期正文最多 6000 字节、召回正文最多 4096 字节。先用默认值就行。它限制的是带给模型的正文,不会删掉本地完整聊天;字节也不是 Token,人设和本轮提问还有自己的开销。

    成功的双方文本问答会先落盘,再异步发给 PowerContext。后台整理需要时间,服务显示就绪或问答显示已同步,都不能替代一次实际追问。旧聊天不会自动导入,图片本体、周期碎碎念和梦话也不在这条采集链路里。

    想认真试一次,可以这样做:告诉鱼猫名和饮品偏好,再聊至少 5 轮别的话题,让这些信息退出 4 轮近期窗口。等后台整理后,重启桌宠,再问“我的猫叫什么?现在喜欢喝什么?”接着改口一次,确认旧偏好能更新;最后问一件从没告诉过她的事,看她能不能承认不知道。

    用不着只听她说“记住啦”。看她过一阵子能否答对,才更有说服力。本文后面的窗口外实验就是这样检查的;新拍的日常聊天图没有承担这项证明。

    想歇一歇,点暂停就好
    在聊天页点 记忆设置,回到“开始养鱼”,点 暂停记忆。页面会显示“已暂停,数据保留”,聊天继续使用近期历史。以后想接着用,再点 恢复记忆。

    暂停会停止本机管理的记忆服务并关闭自动启动,已有数据保留。暂停记忆不等于关掉聊天模型,也不等于删除远端记录。

    如果已经有 PowerContext Server,可到“配置”页手动连接:选 PowerContext 后端,填 Server 地址并保存。模型服务商地址和 PowerContext Server 地址是两回事;远程记忆服务要用 HTTPS 和鉴权。详细部署、令牌和预算参数放在完整接入说明,第一次养鱼无需先读完它。

    “白饭钱”到底省没省?把账摊开看

    实验先从咖啡偏好开始。我们告诉鱼“我的咖啡偏好是冰美式,不加糖”,后来改口为“不加糖的热拿铁”,再聊一批别的话题。等这些话退出近期窗口后,才追问现在喜欢喝什么。接上长期记忆的那组回答:“是不加糖的热拿铁哦,主人~”。较早聊过的猫名、昵称和个人项目也找回来了;问到从没提供过的银行卡信息,她回答不知道。

    小窗口省了输入,长期记忆补回了旧事

    我们用真实 standalone 桌宠、PowerContext v1.5.0 和 qwen3.7-plus,比较了原生 10 轮、原生 4 轮,以及相同近期预算加长期记忆三种配置。每组回放 140 回合,按 7 个逻辑日组织。这是加速回放的合成对话,并非连续养鱼 7 天;25 项事实检查也来自 5 类问题各问 5 次。

    配置 140 回合的聊天输入 Token 窗口外已知事实答中 对未知事实承认不知道
    原生 10 轮 78,396 2/25 5/5
    原生 4 轮,6000 字节预算 50,314 0/25 5/5
    相同近期预算,加 PowerContext 87,339 25/25 5/5
    近期窗口缩到 4 轮、正文限制在 6000 字节后,聊天输入比原生 10 轮少了 35.8%,代价是窗口外的事实更难答中。加上 PowerContext,目标事实答中了 25/25,聊天输入也跟着增加。只想聊聊眼前的话题,可以先用小窗口;希望她还能接上较早的经历,再考虑长期记忆。这里的分数只对应这次实验,不能当作所有用户的准确率;35.8% 减少的是聊天输入,也不是总账单。不过,要算养鱼的开销,只看聊天输入还不够。可见回复、后台抽取、协调、embedding、重试,以及模型回报的 reasoning 输出,都要记账。

    在这组短对话回放中,不开长期记忆的 10 轮组,生成模型输入和输出合计为 183,476 Token。开启长期记忆、关闭后台编码的组,聊天与记忆处理的已知合计为 648,085 Token,还要另算 embedding,以及一次缺失 usage 的调用。PowerContext v1.5.0 提供了后台输入编码等优化,我们也测试了开启编码的配置。这一组同样通过了 25 项目标事实和 5 项未知信息检查,已知后台输入比关闭组少。这项优化作用于后台处理,并不会自动压缩桌宠的每一次聊天请求。

    历史更多,不会自动更省

    短对话里,维护记忆已经增加了不少用量。我们接着把历史加长,分别导入 100、1,000、10,000 轮合成历史,每组问 30 个固定问题,把事前整理和事后维护的用量一起记下来。

    先看这 30 个问题答得怎样:

    每条色带都是 30 个计划问题。千轮原生组只返回 4 次、答中 2 次,另外 26 次失败也留在图中。

    PowerContext 三组分别答中 26、29、30 项。到了万轮,仍能找回咖啡偏好的改动,也能分清“答应提醒”和“已经创建提醒”。全历史对照则碰到了当前服务的输入长度限制,30 次都没有成功返回。再把整理和维护记忆消耗的 Token 算进来:

    _每轮历史包含双方消息。用量按 30 个计划问题摊分,包含聊天、初始整理和维护;缺失 usage 不按零计算,万轮全历史组留空。_实验中的原生模式只带最近 10 轮,本地存档变长并不会让输入跟着增长。PowerContext 则要先整理导入的旧历史,图中的输入和输出都随规模明显上升,这次没有看到“历史更长就更省”。千轮原生组的低用量也受大量请求失败影响,不能算作效率提升。

    同一批记忆多用几次,前期投入开始摊薄

    既然整理旧历史要先花一笔钱,那同一批记忆多用几次,能不能把这笔开销摊下来?第二条曲线看的是复用次数。

    我们把初始合成历史固定在 1,000 轮,随后提问 100 次,每 10 次等后台维护完成。计入抽取、更新和重试后,PowerContext 的已知生成输入约 114 万 Token,全历史对照约 1,026 万,少了 88.9%。但 PowerContext 的生成输出约为对照的 10 倍,全历史输入又有 84.1% 命中缓存。这些都会影响最后的费用,账还得继续算。

    这里的全历史是模型层实验对照。桌宠原生模式仍只带最近 10 轮,88.9% 并不是相对原生模式的节省率。

    因此,费用按各类用量分别计算。按 2026 年 11 月 5 日的北京标准按量价,qwen3.7-plus 在单次输入不超过 25.6 万 Token 时,普通输入、缓存输入、输出分别是每百万 Token 2、0.4、8;qwen3.7-text-embedding 是每百万输入 Token 0.5。出处见官方生成模型价格和官方 embedding 价格。

    真实调用量按官网标准价核算,包含初始整理、后台维护和重试。实验通过网关调用,无法确认上游地域与优惠,因此统一采用北京标准价、不抵扣优惠;这是费用估算,不是实际扣款凭证。

    提问 100 次后,PowerContext 的已知费用为 4.73,全历史对照为 6.99,少约 2.26,低 32.3%。我们每 10 次记一次账,首次低于全历史的节点是第 50 次。其中,PowerContext 的启动和初始整理花了约 1.52,后续维护花了约 2.70。前期投入确实随着复用摊薄了,但日常维护仍然要花钱。

    这笔差额要和答题结果一起读:PowerContext 返回了 100 次,目标检查通过 95 次;全历史返回 93 次,这 93 次都通过检查,另有 7 次调用缺失 usage、尚未计价。两组成功返回的题目并不完全相同,语料的核心事实也较少、闲聊重复度高,因此还不能说是“同等质量下省了这些钱”。分项费用、全部规模和复算方式见官网价格账单。

    总结

    一个值得长期使用的 AI,应该让用户花在它身上的时间有所积累。大肥鱼把这件事变得很具体——你愿意告诉她猫叫什么,愿意聊聊今天的烦心事,也会期待下一次打开电脑时,她还能接得上话。PowerContext 所做的,就是把这些过去的交流,整理成 AI 下一次用得上的上下文。 在这次接入中,它负责保存和整理长期记忆,在提问时找回相关内容;桌宠则继续负责角色、交互和聊天。开发者可以在现有应用里接入这条记忆链路,逐步调整近期窗口与召回预算,让长期记忆和当次输入各有安排。

    这也是我看好这个方向的原因:AI 越深入日常,用户越需要少解释几遍自己,开发者也越需要一套可以持续维护的记忆能力。桌宠是一个容易感受到变化的入口;个人助手、需要反复接续的工作,也值得沿着这个方向去尝试。模型负责回答眼前的问题,PowerContext 帮应用把过去相关的经历带到眼前。

    “多快好省”最终要落实在这些小事上:接入少折腾一点,聊天少等一会儿,旧事能找回来,长期使用的费用也能看明白。本文的实验里,我们看到了窗口外的偏好被找回,也看到了重复使用记忆时,初始整理成本逐渐摊薄。这些具体结果,值得继续拿到更多真实场景里检验。

    如果你也想让自己的 AI 多记住一点,可以从本文开始;如果你正在做自己的应用,欢迎到 PowerContext 开源仓库查看文档和接入方式。喜欢这个方向,欢迎给项目一个 Star,也欢迎在 Issues 里分享你的场景、效果和账单,一起把长期记忆做得更好用。

    https://github.com/oceanbase/powercontext

    从养一条鱼开始,让每一次认真聊过的话,都有机会成为下一次交流的帮助。这就是我们想用 PowerContext 做好的事。

    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片
    图片

    主楼
  • AmberWolf624

    原帖提到养鱼要算清开销,但没说清楚聊天记录存储和上下文窗口的关系,这可能会影响鱼"记得过去"的能力。

    #1
  • NobleLynx649

    这养大肥鱼的成本看起来比想象中高啊,真的有人愿意为虚拟形象付"工资"吗?

    #2
  • WildCedar406

    OceanBase团队做的dsh-pet确实挺有意思,我之前自己动手改过她的对话模板,能让她记住更多历史对话。

    #3
  • HappyDeer758

    建议在配置文件中增加token使用量监控提醒功能,避免"养鱼"成本失控。

    #4
  • DaSightBon

    可以用本地模型替代云端大模型来养鱼,这样就没有Token消耗问题了,还能实现完全离线的私人鱼鱼。

    #5

发表回复

登录后回复