DeepSeek Harness 记忆插件选型指南
一篇面向实践者的指南从捕获、检索、存储、部署和治理等维度比较 DeepSeek Harness 的记忆方案。文章考察了 MemOS Local、MemOS Cloud、OpenViking、Hindsight、memsearch、ReMe、dsh-auto-memory 和 Mnemosyne 等个人或项目层记忆选项。指南指出，Mnemosyne 缺少有据可查的 DSH 专用适配器和安装说明；多数已审查插件主要解决个人或项目记忆问题，尚未被公开资料证明能够自动将个人记忆提炼为可信团队规则。鉴于社区插件迭代迅速，且该指南未提供独立性能基准，指南建议用户在安装前锁定兼容版本并完成最小可运行验证。
该指南为 DSH 用户评估记忆集成提供了实用框架，涵盖信息何时写入和召回、存储位置、部署方式，以及个人记忆与受治理团队知识之间的区别。
DeepSeek Harness Memory 插件总结：
一篇面向实践者的 DSH Memory 插件选型与落地指南 本文基于 DSH 官方文档、插件目录、插件维护者公开 README 和已核验的官方接入说明整理。社区插件迭代很快，文中能力描述以公开资料为准；正式安装前仍应锁定 DSH、Node/Python、插件包和后端服务版本，完成最小可运行验证。
引言：Memory 的问题，最终会走向两层
Coding Agent 每次开启新会话都从零开始，就很难成为稳定的工作搭档：它不知道项目约定、上次已经验证过的排查路径，也不知道用户反复纠正过哪些偏好。
Memory 插件解决的是一条完整链路：从对话和任务结果中提取值得保留的信息，按当前任务召回相关内容，把内容注入本轮上下文，并在记忆错误时允许纠正、降权、过期和回滚。
但“能记住”只是第一步。一个人的编码偏好可以直接服务本人；一条团队规则却会影响所有成员、项目和 Agent。因此，Memory 的落地天然分成两个问题：
#DeepSeek Harness#MemOS#MemOS Cloud#OpenViking#Hindsight#memsearch#ReMe#dsh-auto-memory#Mnemosyne#Milvus#SQLite