一句话看懂：掘金作者 GoAI 于 2026 年 11 月发布文章，梳理 DSH（DeepSeek Harness）生态中的七款 Memory 插件，并给出个人层、项目层、团队层的分层选型思路。对正在给 Coding Agent 补长期记忆能力的开发者，这是一份偏实操的调研入口。
事件核心：发生了什么
DSH 是插件优先的 Agent Harness，模型、工具、会话、上下文和 Memory 都通过插件扩展。文章基于官方文档、插件目录和维护者 README，把主流方案按工作方式分成三类：MemOS、OpenViking、Hindsight 属于生命周期钩子自动召回型；memsearch、ReMe 属于按需检索型；dsh-auto-memory 属于本地可审计型。文章还提醒，服务端具备某项能力，不代表 DSH 适配器已经接好，安装前应锁定各组件版本并完成最小验证。
为什么重要
Memory 直接决定 Coding Agent 能否跨会话稳定工作：记住项目约定、验证过的排查路径和用户反复纠正的偏好。目前公开信息显示，社区插件迭代很快，各家在写入时机、召回方式、存储位置和纠错机制上差异明显，缺少统一标准。此时做一次横向梳理，有助于开发者避免把“能记住”当成“能治理”，也为团队记忆从个人经验沉淀为可信规则提供讨论框架。
对用户/开发者/创作者的影响
个人开发者可优先评估 MemOS 本地插件，在 DSH 本机进程内跑通自动召回和个人记忆查看。接受 Markdown 作为事实载体的，可看 memsearch，它把摘要写入 .memsearch/memory/ 并用 Milvus 混合检索。团队若要统一管理 Memory、知识和 Skill，OpenViking 的服务端空间和 ACL 方向更合适；Hindsight 则偏项目决策和历史经验沉淀。MemOS Cloud 可快速验证自动化，但数据会进入云端，需先审查发送字段、存储地域和删除机制。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是插件是否补齐来源、状态、冲突、过期和回滚机制；二是个人空间到团队只读库的晋升器能否形成可复用方案；三是云端记忆的合规边界和租户隔离是否被更多团队接受。原文第二章尚未出现在素材中，分层落地的完整案例有待后续。
来源：juejin
