一个零依赖的本地记忆引擎，提供 CLI、Python、HTTP 与 stdio MCP 接口。
DSH 适配
生态相关
作者声明
安全审计
未审计
最后核验
2026-09-08
许可证
MIT
01它能帮你完成什么？
为智能体工作流保存和检索本地记忆
可经 CLI、Python、HTTP 或 MCP 使用的本地记忆库
想通过 MCP 使用自托管记忆系统的 DSH 用户
02如何接入 DeepSeek Harness？
安装步骤
- 01
执行 `pip install mnemosyne-os` 安装。
- 02
使用 README 记载的 `python -m mnemosyne.webui.mcp_server` 启动 stdio MCP 服务。
验证接入成功
- 执行 README 的标准库核心导入命令，并确认输出 `Ready!`。
03DSH 适配与能力边界
通过 README 记载的 MCP 部署路径与 DeepSeek Harness 集成
MCP 记忆服务
经 stdio JSON-RPC 发送的记忆写入与检索请求→13 个用于记忆、检索、审计与交换的 MCP 工具
本地仪表盘首次运行会创建 `admin / mnemosyne` 默认账户
04适合谁？何时不该用？
适合
- 想通过 MCP 使用自托管记忆系统的 DSH 用户
不适合
- 首次登录后应修改仪表盘的默认密码。
05兼容性、维护与安全提示
- 首次登录后应修改仪表盘的默认密码。
作者 README 已按所引提交版本记录
06常见问题
DSH 如何使用 Mnemosyne？
启动 README 中的 stdio MCP 服务，并将 DSH 侧 MCP 配置连接到该命令。
核心需要向量数据库吗？
README 将核心描述为仅依赖 Python 标准库，存取记忆不需要向量数据库或 LLM 运行时。
首先应处理什么安全项？
本地仪表盘首次运行会创建 `admin / mnemosyne`；登录后请修改密码。
07相关的 DSH 工作流
memos
作者 memtensor
面向 LLM 与 AI 智能体的自进化记忆系统，提供超持久记忆、混合检索与跨任务技能复用，可显著节省 Token。
dsh-anchored-standard
作者 xiaobright
DeepSeek Harness 两阶段预设：先最小对齐引导，再启用完整标准工具集。
mem9
作者 mem9-ai
每轮自动回忆 + 后台智能摄取 + 五个记忆工具，为 DSH 加持记忆。
mindmemos
作者 mindscale-noah
为 DSH 智能体提供跨会话持久记忆，每轮自动召回相关上下文并回写经验，通过模式学习与技能蒸馏持续进化。
08数据与来源
docs/DEPLOY_DEEPSEEK_HARNESS.md` — Deploy with DeepSeek Harness (via MCP)
页面基于项目公开文档、仓库元数据和 DSH Plugins 的结构化解析生成；最后核验于 2026-09-08。发现错误？提交更正。
最佳 DeepSeek Harness 插件
从全目录挑出的 12 个值得优先安装的插件，覆盖各个分类。