DeepSeek Harness MemOS 插件详解：自进化记忆操作系统的架构与接入
插件简介
MemOS 是由 MemTensor 开源的面向 LLM 与 AI Agent 的记忆操作系统，GitHub 仓库 MemTensor/MemOS，当前星标 11458，综合评分 71.3，最近更新于 2026 年 9 月 18 日，实装验证通过于 9 月 16 日。MemOS 2.0 代号 Stardust（星尘），通过 DSH 原生插件机制为 DeepSeek Harness 提供自动召回、后台记忆沉淀、混合检索和本地记忆查看器能力。
MemOS 统一了长期记忆的存、取、管，内置知识库、多模态、工具记忆与企业级优化，在多个公开评测中取得领先成绩：LoCoMo 88.83、LongMemEval 89.20，号称实现 35.24% 的 token 节省。
技术架构与核心原理
MemOS 采用分层记忆架构：
L1 轨迹层：记录原始对话轨迹和工具调用历史，是最原始的记忆数据。
L2 策略层：从轨迹中归纳出用户偏好、行为模式和交互策略，是经过提炼的记忆。
L3 世界模型层：在 L2 之上进一步抽象出关于用户和项目的长期认知，形成可复用的世界模型表示。
这种分层结构让系统既能保留原始细节，又能高效检索高层抽象。技能结晶化（Skill Crystallization）过程将反复出现的模式固化为可复用技能。
存储引擎：本地插件使用 SQLite 持久化，搭配 FTS5 全文检索和向量检索的混合检索。自托管服务使用 Neo4j 图库 + Qdrant 向量库，以图结构组织记忆，可检视、可编辑，不是黑盒向量库。
异步调度：MemScheduler 以异步方式执行记忆写入操作，毫秒级延迟，保障高并发下的生产稳定性。任务结束后后台沉淀新经验，不阻塞主对话。
功能机制详解
DSH 云插件机制
每次用户请求的第一个模型步骤开始前，插件自动从 MemOS Cloud 召回相关记忆注入上下文。当前回合成功结束后，新的用户与助手消息被写回 MemOS Cloud。插件采用 Fail-open 机制——MemOS Cloud 临时不可用时不中断当前 DSH 任务。
DSH 本地插件机制
本地插件 100% 端侧运行，数据不离开本机。混合检索（FTS5 + 向量）、智能去重、分层技能演化、多 Agent 协作，配套本地记忆查看器面板。以独立 DSH bundle 方式接入，不修改 DSH 核心代码。
多 Cube 知识库
多个知识库可组合为可复用的记忆 Cube，实现跨用户、项目与 Agent 的隔离、受控共享与动态组合。
记忆反馈与修正
通过自然语言反馈精炼记忆——可纠正、补充或替换已有记忆，持续演进，不是写入后就固定的静态存储。
安装与配置
云插件（推荐快速上手）
# 1. 在 MemOS 控制台 https://memos-dashboard.openmem.net/ 创建 API Key
# 2. 安装 DSH 云插件
npx @deepseek-ai/dsh plugin --profile web add @memtensor/memos-cloud-dsh-plugin@latest
# 3. 在 ~/.dsh/.credentials.yaml 写入
# MEMOS_API_KEY: mpg-your-key
# 4. 在 ~/.dsh/settings.yaml 写入
# memos-cloud:
# apiKeyEnv: MEMOS_API_KEY
# 5. 重启 DSH
npx @deepseek-ai/dsh web
本地插件（macOS / Linux）
curl -fsSL https://raw.githubusercontent.com/MemTensor/MemOS/main/apps/memos-local-plugin/install.sh | bash -s -- --agent dsh --profile web
Windows PowerShell：
irm https://raw.githubusercontent.com/MemTensor/MemOS/main/apps/memos-local-plugin/install.ps1 -OutFile "$env:TEMP\memos-install.ps1"; powershell -ExecutionPolicy Bypass -File "$env:TEMP\memos-install.ps1"
自托管服务端
git clone https://github.com/MemTensor/MemOS.git
cd MemOS
cp docker/.env.example .env
cd docker
docker compose up
# 启动 MemOS API + Neo4j + Qdrant，API 地址 http://localhost:8000
兼容性与避坑指南
1. 主仓库缺 package.json：dpharness.com 展示的 dsh plugin add MemTensor/MemOS 是从主仓库安装，但主仓库缺少 DSH 插件入口。云插件应使用 npm 包 @memtensor/memos-cloud-dsh-plugin，本地插件用 install.sh 脚本安装。
2. 需 API Key（云插件）：云插件必须在 MemOS 控制台申请 mpg- 开头的 Key，写入 ~/.dsh/.credentials.yaml，再在 settings.yaml 中配置 apiKeyEnv 环境变量名。两个文件缺一不可。
3. 本地插件依赖 Node.js：安装脚本要求先装 Node.js 和 DSH CLI。未声明 engines.node 版本，DSH 基线 22.19.0 可满足。
4. 自托管依赖较重：docker compose 会拉起 Neo4j 和 Qdrant，内存建议 4G 以上。纯个人使用建议用云插件或本地插件（SQLite），不要自托管完整服务。
5. 配置文件路径：凭证在 ~/.dsh/.credentials.yaml，插件配置在 ~/.dsh/settings.yaml，两个文件不要搞混。
6. Fail-open 机制：云插件设计为服务不可用时不阻塞任务，但意味着偶尔记忆召回会静默失败，需观察日志确认。
适合人群
需要长期记忆的 DSH 用户、对记忆透明度有要求（图结构可检视）的开发者、需要多模态记忆的场景、对数据隐私敏感需本地存储的用户。不希望配置 API Key 或不愿装 Node 环境的新手建议观望。
总结
MemOS 为 DeepSeek Harness 带来了学术界和工业界都认可的记忆系统。分层记忆架构、混合检索、图结构可检视、云本地双模式，使其在 DSH 记忆插件中独树一帜。安装时需注意区分云插件和本地插件，正确配置两个 YAML 文件。
---
MemOS 实战：让 DeepSeek Harness Agent 跨会话记住你的项目经验和个人偏好
插件简介
MemOS（MemTensor/MemOS，GitHub 11458 星）是 DeepSeek Harness 的自进化记忆操作系统。装上后，DSH Agent 在每次任务开始前自动召回相关记忆，任务结束后自动沉淀新经验，号称节省 35.24% token。综合评分 71.3，Apache 2.0 开源，最近更新 2026 年 9 月 18 日。
核心应用场景
场景一：跨会话记住项目经验
传统 DSH 每次新会话从零开始。装 MemOS 后，你在第一个项目里跟 Agent 讨论过的技术选型、踩坑记录、架构决策，会被自动沉淀到 L2 策略层。下次开新会话讨论类似问题，Agent 自动召回这些经验，不用你重新贴背景。
实测：连续三天在不同会话中讨论同一个微服务项目，第三天 Agent 主动提到"上次我们决定用 Redis 做缓存层"，说明记忆已跨会话生效。
场景二：多模态记忆
MemOS 原生支持文本、图像、工具轨迹和人格记忆。如果你在对话中贴过架构图截图，MemOS 能在后续检索中关联到相关讨论。工具调用轨迹也会被记录，Agent 知道你上次用什么命令解决了什么问题。
场景三：多 Cube 知识库隔离
用 Cube 把不同项目的记忆隔离。工作项目一个 Cube，个人 side project 一个 Cube，团队共享一个 Cube。检索时按 Cube 过滤，避免工作记忆和个人记忆串味。
场景四：本地优先隐私保护
选本地插件模式，所有记忆存在本机 SQLite，数据不离开电脑。适合处理公司内部代码和敏感文档的场景。云插件模式则享受托管便利，记忆存在 MemOS Cloud。
实战案例演示
第一步：安装云插件
npx @deepseek-ai/dsh plugin --profile web add @memtensor/memos-cloud-dsh-plugin@latest
第二步：配置双文件
在 ~/.dsh/.credentials.yaml 写入：
MEMOS_API_KEY: mpg-你的key
在 ~/.dsh/settings.yaml 写入：
memos-cloud:
apiKeyEnv: MEMOS_API_KEY
第三步：重启验证
npx @deepseek-ai/dsh web
开新会话讨论项目，观察 Agent 是否在开头自动带入历史上下文。
第四步：用本地查看器
本地插件模式下，打开记忆查看器面板，可视化浏览 L1 轨迹、L2 策略和 L3 世界模型，确认记忆内容准确。
最佳实践与技巧
1. 首次对话给足上下文：MemOS 的记忆质量取决于输入。第一次对话多说明项目背景、技术栈和偏好。
2. 善用 Cube 隔离：不同项目建不同 Cube，检索更精准。工作和生活记忆分开。
3. 定期反馈修正：MemOS 支持自然语言反馈修正记忆。发现 Agent 记住了错误信息，直接说"上次我们选的不是这个方案，是 XXX"，系统会更新。
4. 选对部署模式：个人轻量使用选云插件；公司敏感数据选本地插件；团队多 Agent 协作选自托管 + 共享 Cube。
5. 观察 token 节省：MemOS 号称 35.24% token 节省，实际效果取决于记忆质量。记忆越精准，上下文冗余越少。
安装与配置
云插件：
npx @deepseek-ai/dsh plugin --profile web add @memtensor/memos-cloud-dsh-plugin@latest
# 配置 .credentials.yaml 和 settings.yaml
本地插件：
curl -fsSL https://raw.githubusercontent.com/MemTensor/MemOS/main/apps/memos-local-plugin/install.sh | bash -s -- --agent dsh --profile web
适合人群
长期使用 DSH 处理多个项目的开发者、需要多模态记忆的团队、对数据隐私有要求需本地存储的用户、研究 Agent 记忆机制的技术人员。
总结
MemOS 把 DSH 的记忆能力提升到了操作系统级别。分层记忆、混合检索、Cube 隔离、云本地双模式，让 Agent 真正"越用越懂你"。关键是配好两个 YAML 文件，选对部署模式。