夜雨聆风学习资料网

ARTICLE · 1315199

装个插件,AI 就住进了你的电脑

装个插件,AI 就住进了你的电脑
DEEPSEEK HARNESS · 社区插件实测

装个插件,AI 就住进了你的电脑

Grok Bot、Meta Muse、OpenAI Dots 都在忙着给 AI 配一台云端电脑。GitHub 上这个叫 DeepSeek-Bot 的开源插件反着来——它让一堆 Bot 长期住在你自己的机器里,各有名字、职责、模型和记忆,还能组队干活。上线两天破千星。

实测环境 Windows · DSH 桌面端插件版本 DS Bot 0.1.2(v0.1 预览)阅读时长 约 9 分钟

最近 AI 圈又集体卷进一个新方向:Personal Agent。 这类产品的共同想象是——AI 有自己的身份,记得你的偏好,能操作浏览器替你跑自动化流程; 更关键的是,即使你把电脑关掉,它依然在云端继续工作。

这几乎成了这一轮 Personal Agent 的标配答案:给 Agent 单独配一台电脑。 但 GitHub 上冒出来的这个 DeepSeek-Bot项目,没有云电脑,走了一条完全相反的路—— 它以插件形态装进 DeepSeek Harness(下称 DSH),让一个个 Bot 长期住在你自己的本地电脑里。

1.1k
GitHub 星标
2天
从 0 到破千
0.1.2
当前版本 · Apache 2.0
项目档案(数据截至发稿)。DeepSeek-Bot 是社区开发者 FeiZ2411 基于 DeepSeek Harness 做的开源插件,Apache-2.0 协议、源码完全可审计。 注意它不是 DeepSeek 官方产品——这一点作者在 README 里也写得很清楚。

再看增长曲线:上线首日约 250星,10 月 11 日突破 450星,随后两天内冲到 1.1k。 这个速度不算爆炸,但在 DSH 插件生态里已经算跑得最快的那一档。

星标增长曲线。数据来源:量子位、Pandaily 报道 + GitHub 仓库实时星标(截至发稿)。
01

装个插件,先跑起来Install & First Run

先把前提说清楚:DeepSeek Bot 不是 DeepSeek 官方产品,是社区开发者基于 DSH 做的开源插件。 所以在动手之前,你的电脑上需要先有 DSH 桌面端,登录账号,并且配置好至少一个可用的模型。

整个安装只有三步,全程不用碰命令行:

侧边栏进入「插件」

点左侧菜单的插件入口,进入插件管理页,点右上角「+ 添加插件」。

输入包名 ds-bot

安装源切换到「中国大陆镜像源」,网络会顺畅很多。安装器支持包名、GitHub 仓库地址、本地目录路径三种方式。

安装完成后立即启用

弹窗显示版本号,点「立即启用」就装好了,不需要重启 DSH。

三步装完。前置条件只有一个关键词:DSH。桌面端装好、账号登录、模型可用,剩下的事点几下鼠标就完成。

第一次进入 DeepSeek Bot,系统会自动创建一个叫 Chief 的主机器人。 它就像整支 Bot 团队的主管——你主要和它对接,后续新建 Bot、修改 Bot、组建群聊这些事,都能让它替你办。

02

第一次见面,它比你想的更像主管Meet Chief

点开 Chief,第一句不是寒暄,而是要你先定模型:

「你好,我是 Chief。先给我选一个模型吧,以后可以在我的详情里换。」

—— Chief 的开场白

每个 Bot 对应一个 DSH 里已配置的模型,随时能换。作者的建议是:长期看,一个 Bot 最好固定一个模型,不要频繁横跳。

选完模型,Chief 立刻开始「入职问询」——它要知道把团队用在什么事上,然后按方向帮你搭第一个专业 Bot。 界面里给了四张卡片:信息调研与情报、内容创作与审稿、飞书办公助理、开发与自动化。

入职问询。这一步设计得挺聪明——它不是在设置项里让你填一堆表单,而是把「建 Bot」变成一次对话选择。选完之后,Chief 直接把 Bot 建好,连岗位描述都写好了。

选「信息调研与情报」,几秒后一个叫 Researcher的 Bot 就位:负责全网调研与情报收集,能跑小红书、X、B 站、Reddit、YouTube、GitHub、V2EX 这些平台,结果存成文件给它。 每一次对话都在消耗 token——这是多 Agent 体系绕不开的成本,后面会专门说它怎么省。

Bot 的解剖图。DeepSeek Bot 里的一个 Bot,并不只是一个名字和头像——每个 Bot 都对应一个长期存在的 DSH Session。这是它和普通「角色扮演聊天机器人」的本质区别。
03

记忆:说过一次,它就不该再问第二遍Memory

如果只是创建几个不同角色的聊天机器人,这件事其实没什么新鲜。真正值得测的是: 聊完以后,它下次还认不认识你?

第一次派活,用一句很普通的话:

发给 Researcher
帮我看看最近有什么值得关注的 AI 新产品或者项目,筛 5 个给我。

它给出的清单信息密度相当高——每条都有项目名、一句话定位、Star 数、具体用法建议,还主动标注了「这条我核实不了」的地方,甚至留了一份「反面名单」。 但问题也来了:里面混进了一堆纯框架、底层架构类的东西,普通用户根本没法马上上手。

关键动作:当场纠正它

发给 Researcher
这类纯框架、理论以后可以少推荐一些。我更关注普通人马上可以体验到的产品、工作流和新玩法。这个偏好以后也记住。

回复来了句「明白,记下了」,同时界面上出现了「记忆已更新」的提示。 这时候 Personal Agent 的感觉才真正出来:你说过一遍的事,后面不用一直重复。

记忆到底存了什么、怎么存

双层记忆架构。个人记忆只属于那个 Bot(它记你的口味),团队记忆所有 Bot 共享(它记全局规则)。 每轮对话后由模型自己判断增删改,全部落盘成 Markdown——用得越久,它越懂你。

改完口味,让它重跑一遍——结果真的变了:纯框架项目被挪到「背景资料」区,不上推荐位; 换上来的是马上就能点开用的产品和玩法,每条都给了「今天就能上手」的理由。

同一个人,同一句话,两种清单。差别不在模型,在那条被写进记忆的偏好。这就是 Personal Agent 想解决的:事情说过一次,后面就不用一直重复。
04

一个 Bot 不够,直接组队Multi-Bot Team

长期记忆只是第一步。DeepSeek Bot 更有意思的地方在于:它从设计之初就是按「团队」来做的。 所以接着对 Chief 说——

发给 Chief
再帮我创建两个 Bot。 一个叫发现者,专门负责尽可能广地寻找新的 AI 工具、产品和 GitHub 项目。 一个叫核实者,负责核实项目具体能做什么、适合谁、有没有明显限制。 再创建一个群聊,把你们三个都放进去,由你担任管理员。

三轮八步,Chief 把组织架构搭完还顺手开了 kickoff:已创建发现者 → 已创建核实者 → 已创建群聊「AI 情报组」→ 已发到群聊。 (实测小 Bug:它把之前那个 Researcher 也拉进了群,但没分配任务。)

一支 4 人 Bot 团队。各自的工作方式写得极细:发现者承诺「只报真实存在的条目、查不到来源就不报、不用旧项目凑数」; 核实者只干查证这一件事。群公告把整条流水线写死,谁来回话都标得明明白白。

群聊没有变成「一屋子人抢话」

多 Agent 群聊最容易翻车的地方是:所有 Bot 同时乱说话,token 哗哗烧,结论还是一团糊。 DeepSeek Bot 的处理方式是管理员制—— 每个群聊设一个管理员,默认由管理员先回复,再决定什么时候把其他 Bot 叫进来;如果你想找某个具体的 Bot,直接 @ 它就行。

然后把任务丢进群:

发给 AI 情报组
今天帮我找 3 个值得普通 AI 用户关注的新东西。 先让发现者去找,再让核实者核实,最后你帮我整理结论。
真协作,不是 Chief 一个人演。发现者真的动工具跑了多平台检索,中间还留下一段诚实的报错记录:沙箱里 chmod 被拒,于是改用 gh 加网页搜索并行取数。 整条流水线走完,Chief 汇成一页纸递回来。

它更像一个真正的小团队:有负责人,有专业岗位,需要的时候再叫人。

—— 而不是把一堆 Bot 塞进同一个对话框
05

云 vs 本地:两条分岔的 Personal AgentTwo Roads

回到最关键的问题:这玩意儿到底算不算 Personal Agent?

先看三个硬指标:有长期身份、有长期记忆、可以调用工具。三条它都占——每个 Bot 继承 DSH 的模型和工具能力,能按权限读文件、执行命令、搜索信息。 但它和现在大厂做的 Personal Agent 之间,还有一道非常明显的分水岭。

它没有自己的云电脑

Grok Bot、Muse、Dots 这类云端 Personal Agent,本质上是给 Agent 单独配了一台电脑:浏览器、文件、终端、登录状态全放在云端。 DeepSeek Bot 反过来——它让 Agent 住进你的电脑。 Bot 的数据、记忆、Session 默认都保存在本地 DSH 目录里,你的机器就是它的工作环境。

两条路线的架构差异。云端方案把 Agent 的整个工作环境搬上云;DeepSeek Bot 让 Agent 的整个工作环境就是你手边这台机器。

所以如果一定要做个区分,更准确的说法是这两类产品: Cloud Personal Agent(云个人助理)与 Local Personal Agent(本地个人助理)。

维度
云个人助理
本地个人助理
在线时长
7×24
随时唤醒
跟随设备
关机即下线
数据位置
厂商云端
本机
Markdown + Session 目录
模型选择
绑定平台
自由
,接哪家都行
工具与环境
云端沙箱
真实本机
,能碰你的文件
上手成本
开箱即用要装 DSH、配 Key
可控性
受平台约束
源码可看可改

前者追求的是24 小时在线、云电脑、随时唤醒、开箱即用; 后者更强调本地数据、模型自由、工具自由,以及对整个 Agent 环境更强的控制权。 DeepSeek Bot 明显站在后一条路上。

06

它离完整的 Personal Agent 还差什么The Gaps

  • 云电脑 —— 最明显的一块。
    电脑关了,本地 Bot 自然也没法在后台继续干活。定时任务能配,但宿主得醒着。
  • Computer Use —— 能读,不能动。
    它可以读网页信息,但还不能直接操作浏览器点按钮、填表单。这一环目前是缺的。
  • 极早期阶段。
    项目标注为 v0.1 预览版,基于 DSH 0.2.1-alpha.1 构建。功能、工具、数据格式后面都可能变,别把它当生产环境用。
!

顺带说个好处:所有数据都留在这台电脑的 bot和 sessions目录里, 卸载插件也不会删掉。同时它自带一个用量页,按时间、按 Bot、按模型拆 token 消耗——多 Agent 最怕的账单黑箱,这里至少是透明的。

07

最后:从一次性工具,到长期关系Closing

Personal Agent 正在开始从一次性工具,变成一种长期关系。 云端方案选择给 Agent 准备一台长期在线的电脑;DeepSeek Bot 这样的开源方案,则选择让 Agent 长期住进你自己的电脑。

两条路线现在都还很早,但方向已经越来越清楚了。

ONE LAST THING

有一件事挺有意思:当你的 AI 有了名字、职务、记忆和同事关系之后, 「用 AI」这件事的性质就变了。

以前是打开一个框,问一句,关掉。 现在是你给「发现者」派个活,它去找,交给「核实者」查,最后由 Chief 汇成一页纸递回来。

以后有事的时候找 AI,直接叫 Personal Agent 的名字就行。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料