@Lonely__MH: 好东西！发现了一个 Deepseek harness 记忆插件！ 大多数 Agent 框架的“长期记忆”无非是无脑 Vector DB 检索，极易产生时态错乱和上下文污染 刚刚上手了 Meland Labs 开源的 OpenContext…
摘要
发现了一个开源的 Deepseek 记忆插件 OpenContext，它通过时态上下文图谱和信任模型等设计，改进了 Agent 框架的长期记忆功能。
查看缓存全文
缓存时间: 2026/08/27 09:53
好东西！发现了一个 Deepseek harness 记忆插件！
大多数 Agent 框架的“长期记忆”无非是无脑 Vector DB 检索，极易产生时态错乱和上下文污染
刚刚上手了 Meland Labs 开源的 OpenContext 及其 DeepSeek Harness 插件 dsh-opencontext，其设计思路非常硬核：
-时态上下文图谱 (Temporal Context Graph)：所有事实自带 valid_from / valid_until，支持版本迭代与软废弃（Revise），不做破坏性覆盖，历史决策随时可回溯
-
无感自动流水线 (Recall Waterfall)：每轮对话前自动截取 Query 检索历史，打包进 <opencontext_evidence> 注入模型；对话后自动归档，无需手动“请记住”
-
严谨的信任模型 (Trust Model)：历史证据严格作为 User 角色注入并标注为“不可信历史参考”，当前指令绝对优先，彻底规避 Prompt 冲突与记忆投毒
-
双后端架构：支持 Node.js 进程内原生 SQLite（极低延迟）与独立 Daemon 守护进程
安装命令： dsh plugin –profile web add dsh-opencontext
相似文章
@QuantumTransf: 我们可能从一开始，就把 Agent Memory 想得太复杂了 最近一篇论文《Is Complex Agentic Memory Always Needed?》做了一个很有意思的实验： 不做 Memory Extraction，不做复杂的…
文章介绍开源工具 Obelisk：一个将 Claude Code、Codex 等编码 Agent 的历史会话索引到 SQLite 中、供 Agent 直接检索的系统，其设计灵感来自论文《Is Complex Agentic Memory Always Needed?》，该论文发现简单的 RAW-RAG（保留原始对话历史按需检索）在多个记忆基准上超越了复杂的 Agentic Memory 方案。
如今，很多 Agent 所谓的"长期记忆"，其实只不过是把过去的对话存下来，然后再翻出来搜索罢了……
Hindsight 是 Vectorize 开源的 Agent 记忆系统，超越简单的聊天记录检索，通过 Retain/Recall/Reflect 三个动作让 Agent 从过往经验中形成新判断，支持 Claude Code、Codex、Cursor 等，并内置 MCP Server。
@yyyole: Agent memory的创业方向好火爆！ 很多团队都在做，大概有下面几种比较主流的思路： 第一种最粗暴：context路线，把上下文增长。 第二种最常见：RAG / 向量库路线，接一个向量库把历史内容 embedding 后做检索。 第…
介绍Agent memory创业的几种主流思路，并推荐EverMind团队的开源项目EverOS，它提供以Markdown为源的本地记忆操作系统，支持双轨记忆、多模态摄取和自演化能力。
@WY_mask: 给各类 AI 编程助手打造持久化记忆引擎 http://github.com/rohitg00/agentmemory… 在后台静默记录代码修改和上下文 自动提取并压缩成结构化记忆 节省长上下文带来的 Token 消耗 关联过去的信息，随…
agentmemory 是一个为 AI 编程助手提供持久化记忆的开源工具，能静默记录代码修改和上下文，自动提取并压缩成结构化记忆，降低 Token 消耗，并支持 Claude Code、Codex 等多种主流平台。
@LangChain：智能体如何记忆？智能体运行时间越长，接收的信息越多（指令、工具结果、文件和草稿），…
LangChain 发布新博客，介绍其 Deep Agents 框架如何通过将上下文移出活跃窗口（而非删除）来解决智能体长期运行时的记忆与推理准确度下降问题。