跨代理记忆库（zilliztech/memsearch）要做的事一句话能说完：让 Claude Code、Codex、DSH、OpenClaw、OpenCode 共用同一份持久记忆。详情页数据是 Star 2,649、综合分 70.9、MIT 许可，最近上游提交 2026/9/24，实装验证 L4 真实安装通过（2026/9/27），信任档位「已验证」。配置项横跨嵌入、向量库、捕获摘要、后台维护四条线，这篇压成六步；动手前可先到 完整插件清单与汉化避坑指南 对一眼状态。
第一步：分清两个安装入口，CLI 后端不能跳过
memsearch 的插件层只是壳，索引与检索都在 CLI 里，顺序固定：先落 CLI，再装插件。
第二条来自 README 的 DSH 章节，用已发布到 npm 的 @zilliz/memsearch-dsh；详情页给的 GitHub 源写法 dsh plugin --profile web add zilliztech/memsearch 则是因为仓库缺少 package.json，走不了常规安装链。两条路都能通，CLI 那步谁都不能省；装完重启 dsh --profile web 或开新会话。
第二步：嵌入 provider 三选一，默认那档通常够用
默认走 ONNX bge-m3，CPU 本地运行、不需要 API 密钥、零成本，代价是首次启动要从 HuggingFace Hub 下载约 558MB 权重，网络不畅会长时间停在这一步。切换只要一行：
onnx 是默认值；openai 需要 OPENAI_API_KEY；ollama 走本地模型。内网下载不便就换后两者，把 558MB 从流程里挪走。
第三步：Milvus 后端三选一，uri 要和所选模式对上
切换部署模式只改 milvus.uri，必要时加 milvus.token：
Lite 是默认档，零配置单文件，回读会看到 ~/.memsearch/milvus.db；Zilliz Cloud 全托管、有免费套餐，填集群地址并额外需要 API 密钥；自托管 Docker 面向团队环境，前提是真有跑着 19530 端口的实例。常见的翻车不是选哪个，而是选的和填的对不上：把 Lite 时期的 ~/.memsearch/milvus.db 贴进想连 Zilliz Cloud 的配置，表现就是连不上、搜索永远空结果。改完用 config get 回读一次。
第四步：捕获摘要路由，先弄清「不配」会发生什么
每个插件默认保留自己的原生捕获摘要器。想统一路由到 memsearch 管理的 API 提供方，要显式声明再逐平台指过去：
plugins.<平台>.summarize.provider 留空即保留平台默认；Claude Code、Codex、OpenClaw、OpenCode 也接受 native。必记一条：插件级摘要设置不会回退到 llm.model，想全平台统一就得逐一点名；只关某平台自动捕获，用 memsearch config set plugins.codex.summarize.enabled false。
第五步：PROJECT.md / USER.md 维护与技能蒸馏，默认关闭
两件事都属于更高层级的记忆，且都不在默认开启之列。高级记忆维护让代理在后台保持 PROJECT.md（项目状态）与 USER.md（可复用偏好与工作风格）两份笔记最新，只在日志有变更、且超过最小间隔后于会话结束时刷新。技能蒸馏是第三层「程序性记忆」，把重复工作流提炼成可安装技能，候选存在 git 跟踪的 .memsearch/skill-candidates/ 里，安装始终由人确认。
开启只需对代理说一句「启用 MemSearch 的 PROJECT.md 和 USER.md 维护」或「启用 MemSearch 技能蒸馏」，它会通过 memory-config 技能写配置。后台没动静时去查 .memsearch/.maintenance-state.json：失败的运行会记下 last_error，且失败的输入摘要不会被标记为成功，下一次到期运行会重试------所以「没写入」可能只是还没到重试时点。
第六步：验证与日常维护
先跑一次验证：
聊过几轮后，里面应该出现按天命名的 .md 文件。日常维护靠 CLI：memsearch index ./memory/ 建索引、memsearch search "关键字" 做混合检索、memsearch reset --yes 清空重建。还要记住：Markdown 是唯一事实来源，Milvus 只是可重建的影子索引，reset 清的是索引而非你的 .md 源文件。
总结
六步之外最该记住的是「Markdown 是事实源、Milvus 可重建」这条底线，配置改坏了顶多重跑一次索引；拿不准的配置项，可以到 完整插件清单与汉化避坑指南 对照同类插件再动手。
适合与不适合
适合：同时使用两个以上 AI 代理、希望上下文互通的开发者；已有 Markdown 笔记目录、想直接拿它当检索源的人；接受首次约 558MB 下载换取全本地零成本的用户；要把记忆检索接进自研 agent 的团队。
不适合 ：只用一个代理、单会话就够的人------多这层配置收益很低；完全离线又不换嵌入提供方的环境------默认 ONNX 模型要联网下载；把安全扫描当「已审计」的人------这里是「高危」，143 处证据尚无人工评估，插件也未声明 engines.node 与 dsh 版本约束，且需源码安装，装前建议先备份 ~/.dsh。
标签：memsearch、DeepSeek Harness、配置教程、跨代理记忆、Milvus
本文由 DeepSeek Harness Hub 自动整理，数据来源于插件详情页。