产品更新|MemOS 现已支持 DeepSeek Harness 长期记忆接入

Memmy 与 MemOS Local/Cloud Plugin 已完成对 DeepSeek Harness 的适配啦!

DeepSeek Harness 将模型、工具、界面和运行能力组织在 profile 中,并通过插件机制扩展运行时能力。

MemOS 已通过 DeepSeek Harness 的 Cordis 插件机制接入长期记忆,无需修改 DeepSeek Harness 源码。

任务执行时,Agent 可以获得与当前请求相关的记忆内容。回合结束后,新形成的决策和经验会进入后续的记忆处理流程。

现在,你可以把 DeepSeek Harness 接入已有的个人记忆,也可以直接在指定的 DeepSeek Harness profile 中安装本地记忆插件。

接入路径

通过 Memmy 接入个人长期记忆

Memmy 是你的个人记忆中枢,也是懂你的专属 Agent,让所有 AI 连接同一份记忆,在协同中持续进化。用户完成授权后,DeepSeek Harness 可以按当前任务检索相关内容,新的决策和经验也能按配置写回这份记忆。

完成授权并接入 DeepSeek Harness 后,DSH 可以按当前任务检索相关内容。新形成的决策和经验也能按配置写回这份记忆。

快速安装

打开 Memmy 的管理页面 -> 记忆管理 -> 跨 Agent 接入,找到 DeepSeek Harness 后点击安装插件。

安装完成后,进入 DeepSeek Harness 的设置和插件页面,确认 memmy-memory 已启用。

Memmy 采用本地优先的记忆管理方式。接入 DeepSeek Harness 前仍由用户决定授权范围,安装插件不会自动开放全部历史记录。

Deepseek Harness 目前还没有图片处理能力,如果你同时使用其他的 Agent 来弥补不识图的问题,可以让 Memmy 在后台打通记忆,直接做任务接续。

如图为 Cursor + DSH 操作方式:

通过 MemOS Local Plugin 在 DSH 中启用记忆

MemOS Local Plugin 2.0.16 可安装到指定的 DeepSeek Harness profile。它会记录对话中的关键结论、工具结果和执行轨迹,在后台完成摘要、索引和存储。后续任务可以召回与当前问题相关的约束和已经验证过的做法。

本次适配默认复用 DeepSeek Harness 当前的 provider 和 model。模型凭据继续由 DeepSeek Harness 的配置与解析机制管理,无需另行复制 API Key。手动指定模型时,显式配置优先。

前置条件

本地已经安装 DeepSeek Harness,并且终端可以执行 dsh,一键安装脚本适用于 macOS 和 Linux。

以下命令以 web 为示例 profile,使用其他 profile 时,请在两条命令中替换为实际名称。

复制代码
curl -fsSLo memos-local-plugin-install.sh https://raw.githubusercontent.com/MemTensor/MemOS/main/apps/memos-local-plugin/install.shbash memos-local-plugin-install.sh --agent dsh --profile web --version 2.0.16

执行前请查看下载内容,并确认 web 是准备启用记忆能力的 DeepSeek Harness profile。

安装完成后重新启动 DeepSeek Harness。

复制代码
dsh --profile web

安装后重启 DeepSeek Harness 即可生效,启动后:

Windows 环境可使用 DeepSeek Harness 的原生插件流程完成安装。在 PowerShell 中依次运行:

复制代码
# 1) 给当前系统安装 pnpm npm install -g pnpm@11.7.0

# 2) 安装插件dsh plugin --profile web add "@memtensor/memos-local-plugin@2.0.16"

# 3) 验证配置dsh --profile web --dump-config

# 4) 启动/重启dsh --profile web

# 5) 若提示 ERR_PNPM_IGNORED_BUILDS(常见)执行下面两行命令后,再重新执行步骤2安装插件即可
cd "$HOME\.dsh\profiles\web"pnpm approve-builds --all

通过 MemOS Cloud Plugin 在 DSH 中使用云端记忆

MemOS Cloud DeepSeek Harness Plugin 0.1.0 是面向 DSH 的生命周期插件,在每轮用户请求的第一个模型步骤前调用 MemOS Cloud 的 /search/memory 接口。写回只在当前回合以 completed 状态结束后发生,内容包括本轮用户消息和默认启用的助手消息。

插件安装在本地 DSH profile 中,记忆检索、写入和后续处理由 MemOS Cloud API 完成,不需要在本机运行 MemoryCore、SQLite 数据库或 Viewer。

云端请求失败时,插件按 fail-open 方式处理,DSH 会继续执行当前回合。默认采集范围不包含当前工作目录、完整配置、system prompt、reasoning、插件注入的上下文和附件二进制,includeToolMemoryallowPublic 默认关闭。

前置条件

Cloud Plugin 需要使用 Node.js 22 系列中不低于 22.19.0 的版本,或 24.0.0 及以上版本。安装前,请先在 MemOS Dashboard 创建 API Key,并确认当前环境可以访问 MemOS Cloud API。

以下步骤使用 DSH 默认的 web profile。使用其他 profile 时,请将命令中的 web 替换为实际名称。

  1. 安装 Cloud Plugin

全局安装 DSH 后,可以直接运行下面的命令。

复制代码
dsh plugin --profile web add @memtensor/memos-cloud-dsh-plugin@0.1.0

未全局安装 DSH 时,使用 npx 调用。

复制代码
npx @deepseek-ai/dsh plugin --profile web add @memtensor/memos-cloud-dsh-plugin@0.1.0
  1. 保存 MemOS Cloud API Key

在 DSH 凭据文件 ~/.dsh/.credentials.yaml 中写入 API Key。请将示例值替换为自己的密钥,不要把真实密钥放入发布截图或日志。

复制代码
MEMOS_API_KEY: mpg-your-key
  1. 添加最小插件配置

~/.dsh/settings.yaml 中加入以下内容。

复制代码
memos-cloud:  apiKeyEnv: MEMOS_API_KEY

这项配置让插件通过 DSH 的凭据服务读取 MEMOS_API_KEY。默认 API 根地址为 https://memos.memtensor.cn/api/openmem/v1。需要限制用户、知识库或 Agent 范围时,再配置 useridknowledgebaseIdsmultiAgentMode 等字段。

  1. 重启并检查配置

安装或修改配置后,重新启动 DSH Web。

复制代码
npx @deepseek-ai/dsh web

还可以检查最终合并到 profile 的配置。

复制代码
dsh --profile web --dump-config

输出中应当包含 @memtensor/memos-cloud-dsh-plugin 对应的 bundle,以及 id: memos-cloud 配置行。

在一次跨会话演示中看到记忆如何进入任务

本次演示先在对话 A 中记录了运动和明星偏好。进入对话 B 后,DeepSeek Harness 在上下文注入区域展示由 memos-local-memory 提供的相关记录,并据此回答新的偏好查询。

后续的运动推荐同样引用了这些记忆内容。截图展示的是一次偏好记忆召回流程,用于说明记忆在新会话中如何参与当前请求,未包含性能或准确率对比结论。

DeepSeek Harness 新会话中的 memos-local-memory 上下文注入,内容来自此前的偏好对话

跨会话交流------MemOS 帮助知道你的爱好

DeepSeek Harness 根据已注入的偏好记忆给出运动推荐

版本与使用范围

本文的本地插件安装示例使用 MemOS Local Plugin 2.0.16。

Memmy 与本地插件覆盖的记忆范围、可用来源和模型配置取决于用户的本地环境、授权选择与 DeepSeek Harness profile 配置。

当前版本适配 DeepSeek Harness 0.1.0-rc.6,已通过编译和契约测试。

选择接入方式时,可以先确认记忆需要覆盖哪些 Agent,以及记忆服务运行在本地还是云端。

  • 跨 Agent 使用个人工作信息时选择 Memmy;
  • 单个 DSH profile 需要本地记忆时选择 MemOS Local Plugin;
  • 希望使用托管记忆服务时选择 MemOS Cloud Plugin。

立即体验

Memmy:memmy.cn

MemOS Local Plugin:memos-claw.openmem.net


关于 MemOS

MemOS 为 AI 应用构建统一的记忆管理平台,让智能系统如大脑般拥有灵活、可迁移、可共享的长期记忆和即时记忆。

作为记忆张量首次提出"记忆调度"架构的 AI 记忆操作系统,我们希望通过 MemOS 全面重构模型记忆资源的生命周期管理,为智能系统提供高效且灵活的记忆管理能力。

相关推荐
天远数科10 小时前
零信任架构实战:基于天远全能消金报告构建自动化信贷评估网关
运维·人工智能·架构·自动化
云上先途10 小时前
属性标注是什么?主要解决什么问题?
大数据·人工智能
罗西的思考10 小时前
[Agent Memory / 强化学习] MemPO源码学习笔记 --- (2)--- 训练
人工智能·算法·机器学习
米小虾10 小时前
LLM评测的失效与依赖感知聚合
人工智能·llm
幂律智能10 小时前
不用逐站检索,AI 自动出具财产线索报告
人工智能
小马过河R10 小时前
FDE 到底需要什么技术栈?从全栈工程到 AI 落地的复合能力
人工智能·engineering·harness·驾驭工程·fde·前沿部署工程师
后端小肥肠10 小时前
别再手动找对标了!做公众号漫画,这套工具从选题到发稿全覆盖
人工智能·vibecoding
米小虾11 小时前
GRPO 在长程 Agent 上为什么跑不动了:NVIDIA FlashREINFORCE 的"每个 prompt 只采一条"方案
人工智能
老金带你玩AI11 小时前
我怎么用 AI,同时写内容、做课程、开发产品
人工智能
冬奇Lab11 小时前
DeepSeek Harness 系列(07):能力 Seam——换一行配置,能力全换
人工智能·agent·deepseek