Apache-2.0 開源、本機優先的記憶套件，把 agent 對話與外部資源沉澱為可編輯、可檢索、互相关联的 Markdown 知識庫；並提供原生 DeepSeek Harness 外掛，在每個步驟前召回記憶、自動沉澱對話回合。
DSH 整合
原生執行環境
作者聲明
安全稽核
未稽核
最後核實
2026-08-25
授權條款
Apache-2.0
01它能幫你完成什麼？
為 DeepSeek Harness 的 agent 提供本機、以檔案為載體的長期記憶層
每個 agent 步驟前召回 ReMe 的 Markdown 記憶，完成的主体對話回合自動沉澱進知識庫
希望記憶跨工作階段持久保存、且可由使用者直接編輯的 DeepSeek Harness（dsh）使用者
把 agent 對話與外部資源沉澱為可檢索、互相关联的 Markdown 知識庫
以 wikilink 關聯的每日記憶卡片與長期 digest 節點（personal / procedure / wiki）
希望擁有可檢視、可備份、完全自主掌控的記憶工作區的 agent 與開發者
02如何將外掛接入 DeepSeek Harness？
先決條件
- ReMe 需要 Python 3.11+。
- 基礎檔案操作、BM25 檢索、wikilink 遍歷與讀取主動話題都可無需 LLM 憑證執行。
安裝步驟
- 01
安裝 ReMe：`pip install "reme-ai[core]"`
- 02
啟動 ReMe 服務：`reme start`（預設位址 127.0.0.1:2333）
- 03
把外掛加入 DeepSeek Harness 的 Web 設定檔：`dsh plugin --profile web add @agentscope-ai/reme`
$ dsh plugin --profile web add @agentscope-ai/reme
驗證整合成功
- `reme health_check` 回傳服務狀態
- `curl -s http://127.0.0.1:2333/version` 回傳目前執行版本
- `reme version` 列印已安裝的 ReMe 版本
03DSH 整合程度與能力邊界
原生 DeepSeek Harness 外掛：啟動 ReMe 服務後，以 `dsh plugin --profile web add @agentscope-ai/reme` 安裝；外掛在每個步驟前召回 ReMe 記憶，並自動擷取完成的對話回合。
自我演化的記憶擷取（Auto Memory / Auto Resource / Auto Dream）
經過過濾的對話源記錄、agent 工作階段與外部資源→每日記憶卡片與長期 digest 節點（personal / procedure / wiki），以 wikilink 關聯
漸進式混合記憶檢索
自然語言查詢，可附帶行號範圍與連結擴展提示→帶行號範圍與受限 wikilink 鄰居的命中區塊，經 RRF 融合
對 agent 友善的本機整合（CLI / HTTP / MCP / Python）
透過 CLI、HTTP API、MCP 服務或 Python API 接入宿主程序或外部 agent→對同一個本機 Markdown 工作區的讀取 / 寫入 / 維護 / 複用
主動興趣發現
Auto Dream 產生的 digest 節點→結構化的興趣話題，由宿主 agent 決定是否採用
04適合誰？何時不該用？
適合
- 希望記憶跨工作階段持久保存、且可由使用者直接編輯的 DeepSeek Harness（dsh）使用者
- 希望擁有可檢視、可備份、完全自主掌控的記憶工作區的 agent 與開發者
05相容性、維護與安全提醒
- `proactive` 只讀取並暴露 Auto Dream 產生的興趣話題；它不會自行瀏覽網頁、發送通知或改寫知識庫——是否以及如何使用由宿主 agent 決定。
- 語意向量檢索預設關閉；啟用需要在 reme/config/default.yaml 中取消註解 `components.as_embedding` 與 `components.embedding_store`，並提供 embedding API key。
Apache-2.0 · actively maintained (latest release v0.4.1.7, 2026-08-13)
06常見問題
要怎麼把 ReMe 接上 DeepSeek Harness？
先啟動 ReMe 服務（`reme start`），再於 DeepSeek Harness 的 Web 設定檔中執行 `dsh plugin --profile web add @agentscope-ai/reme`。外掛會在每個 agent 步驟前召回相關記憶，並把完成的回合提交給自動記憶擷取。
ReMe 需要 embedding 模型或 API key 才能運作嗎？
不需要。向量檢索預設關閉，因此基礎檔案操作、BM25 檢索、wikilink 遍歷與讀取主動話題都不需要 LLM 憑證。只有 auto_memory、auto_resource、auto_dream 才需要 LLM_API_KEY。
ReMe 存的是什麼，由誰掌控？
ReMe 把記憶視為純 Markdown 檔案（frontmatter + wikilink），存放在目前目錄的 `.reme/` 下。使用者與 agent 都能直接檢視、編輯、移動與備份這些檔案；metadata/ 下的內容皆可重建。
DeepSeek Harness 的整合方式和 MCP / HTTP 整合有何不同？
`@agentscope-ai/reme` 這個 npm 套件是經由 `dsh plugin` 安裝的原生 DeepSeek Harness 外掛；其他 agent 則透過 streamable HTTP MCP 服務、CLI/SKILL.md 或內嵌 Python API 連接。
我的資料會被上傳到雲端嗎？
ReMe 以本機為優先。預設執行在 127.0.0.1:2333，只有當你設定 LLM_API_KEY / EMBEDDING_API_KEY 時才會呼叫外部 LLM / embedding 端點；未設定的話，檔案操作與 BM25 檢索完全在本機進行。
07相關的 DSH 工作流程
weknora
作者 tencent
開源的 LLM 知識庫平臺：把原始文件轉化為可檢索的 RAG 知識庫、自主推理智慧體和自動維護的 Wiki 系統，支援多租戶部署。
mirage
作者 strukto-ai
全球首個面向 AI 智慧體的統一虛擬檔案系統。
graph-memory
作者 adoresever
Deepseek Harness、Openclaw知識圖譜記憶外掛。2026年4月受邀釋出在清華大學討論會。Knowledge Graph + Memory；Knowledge Graph Context Engine for OpenClaw — extracts structured triples from conversations, compresses context 75%, enables cross-session experience reuse
memtrace-public
作者 syncable-dev
面向編碼智慧體的結構化記憶，雙時態圖、MCP 原生、零 LLM 呼叫，支援多款主流編碼工具。
08資料與來源
providing a native ReMe memory integration for DeepSeek Harness.
dsh plugin --profile web add @agentscope-ai/reme
The plugin recalls relevant ReMe memory before agent steps and submits completed main-agent turns for automatic memory c…
此頁面根據專案公開文件、儲存庫中繼資料與 DSH Plugins 的結構化解析所產生；最後核實於 2026-08-25。發現錯誤？提交更正。
最佳 DeepSeek Harness 外掛
從全目錄挑出的 12 個值得優先安裝的外掛，涵蓋各個分類。