ARTICLE · 1154391
推荐插件|换 AI 工具,记忆不用重来:TencentDB Agent Memory 接入 DSH 桌面端
大家好，这里是 Deepseek.club 深求社区。
如果你同时用着好几款 AI 编程工具，大概率经历过这个场景：在 Claude Code 里花了一下午理清的项目架构，换到 DeepSeek Harness 时，Agent 一脸茫然地问你“这个项目是做什么的”。
我们今天要聊的 TencentDB Agent Memory 新动态，就是为了解决这个问题。
DeepSeek Harness（DSH）桌面端现已正式接入 TencentDB Agent Memory 的 Memory Proxy。简单来说，你在其他 Agent 工具里沉淀的项目背景、业务约束、代码认知和任务方法，现在可以在 DSH 里直接复用。
要理解这次更新的分量，得想看DSH本身。
DeepSeek 开源的 Harness 在社区引发了不小讨论，它的核心理念很直接：一切皆插件。模型、工具、Skill、Session，甚至 Agent 的运行方式，都可以像搭积木一样自由组合。
但“可扩展”的另一面是“碎片化”。插件越多，工具越多，数据就越容易散落在各个角落。
TencentDB Agent Memory 的定位恰好补上了这块拼图——它位于 Harness 与模型服务之间，在不侵入 Agent Core 和执行循环的前提下，完成上下文注入、资产调用、对话回写和经验沉淀。。
换句话说，DSH 负责让 Agent 能跑起来，Memory 负责让 Agent 跑得有记忆。
TencentDB Agent Memory 的核心产出是四类结构化的记忆资产：
Chat Memory：跨会话沉淀的对话记忆，自动提炼事实、偏好和阶段结论
Skill：经过验证的工作流程，可维护、可复用、可按团队分发
LLM-Wiki：项目文档转化为 Agent 可自然语言检索的知识库
Code-Graph：代码仓库的结构化认知，帮助 Agent 理解调用关系与符号依赖
接入 DSH 后，这些资产按授权范围关联，新 Agent 可以快速进入工作状态。你可以导入文档、代码仓库和历史会话，让一个“空壳”Agent 在几分钟内变成“读过项目档案”的老手。
这不是简单的“把历史对话塞进上下文”。TencentDB Agent Memory 的长期记忆采用四层金字塔架构：
L0 原始对话层全量保留交互记录，L1 原子记忆层自动提取事实与约束，L2 场景归纳层按任务聚合，L3 用户画像层蒸馏出稳定的长期认知。每一层只做一件事，层与层之间通过提取-聚合-蒸馏的管道连接。
在超长 Session 评测中，Agent Memory 接入后最高节省 61.38% Token，通过率相对提升 51.52%；PersonaMem 准确率从 48% 提升到 76%。在团队记忆场景的评测中，任务完成率从 60% 提升到 80%，极高难度任务的成本还下降了 19%。。
这些数字说明一件事：记忆管理不是在给 Agent“加负担”，而是在帮它减负。
这次 DSH 桌面端接入，最直接的体验改善是冷启动方式变了。
过去换一个新 IDE，安装可能只要几分钟，但重新建立上下文可能要花半天。你需要再次说明项目是什么、已经做了什么、哪些方案不可行、希望 Agent 如何协作。
现在，通过配套的数据抽取脚本，从不同 IDE 中提取已有的 Session 和 Skill，统一沉淀到 Memory，再提供给包括 DSH 在内的其他客户端使用。即使这些数据产生于接入 Memory 之前，也可以被重新收集和利用，不需要从零开始积累。
目前 TencentDB Agent Memory 已支持的客户端入口包括 DeepSeek Harness、Claude Code、CodeBuddy、Codex、WorkBuddy、OpenCode、Pi、Hermes 和 OpenClaw，覆盖了主流 Agent 工具生态。
把这次更新放到更大的坐标系里看，信号更清晰。
2026 年被普遍视为 AI Agent 从“对话工具”转向“任务执行者”的关键一年。记忆、学习与进化被学界视为支撑 Agent 智能的三大支柱。权威机构爱分析测算，中国智能体记忆市场规模将从 2025 年的 14.4 亿元增长至 2030 年的 642.5 亿元，五年复合增长率超过 110%。。
海外方面，Cloudflare 在 2026 年 5 月推出了 Agent Memory 托管服务，定位与 TencentDB Agent Memory 有相似之处——从对话中提取结构化记忆，按需检索而非全量注入。Mem0 和 Zep 则在向量存储和时序知识图谱方向上各有侧重。。
一个明显的趋势是：记忆管理正在从模型的一个“加分项”变成 Agent 架构的“标配组件” 。当 Agent 开始承担真实生产环境中的长周期任务，跨会话的信息保真、上下文的精准召回、团队经验的复用，就不再是可选项，而是必需品。
TencentDB Agent Memory 在开源后 90 天内 GitHub Star 数突破 20,000，并多次登上 GitHub Trending 日榜第一。这个数字本身也说明，社区对“让 Agent 有记忆”这件事的需求是真实且迫切的。
如果你已经在使用 DeepSeek Harness，接入 Memory Proxy 的流程并不复杂。项目提供了按客户端拆分的独立接入文档和接入向导技能，跟着引导逐步配置即可。
Step 1 ：打开「设置 → 模型」，编辑 DeepSeek（deepseek-official） 卡片，填写平台提供的 user_key；展开卡片内部的「自定义设置」，填写接入地址并保存。
图：在 DeepSeek（deepseek-official）卡片中填写业务密钥和 DSH 接入地址，保存配置
Step 2 ：新建对话，使用已配置的模型发送消息。
按需选择本次对话是否要关联团队资产。
更新日志中包含了各客户端的详细接入说明。如果项目对你有帮助，也欢迎点亮 Star——让每个任务积累的经验，成为下一个 Agent 的起点。
深求社区首发地址：https://deepseek.club/plugins/tencentdb-agent-memory
深求社区（DeepSeek.club）
深求社区（DeepSeek.club）邀请您共建全球最大的第三方 DeepSeek 开源生态社区，科技向善，仝创未来！
社区聚焦 DeepSeek 开源模型的开发、应用、分享与协作。汇聚全球开发者、研究者、创业者与企业用户，致力于推动开源 AI 技术创新与产业落地，降低 AI 应用门槛，构建从模型、插件、Agent 到实际应用的完整生态闭环。
社区官网：www.deepseek.club
联系我们：hello@deepseek.club