开源模型

DeepSeek Bot来了！民间版，DSH装个插件就能用

2026 年 10 月 11 日

DeepSeek-Bot 是基于 DeepSeek Harness（DSH）开发的开源插件，支持多 Bot 协同、Bot 主管调度、持久化长期记忆及本地数据存储。用户可通过桌面端或 Web 端快速安装，所有数据保存在本地 bot/ 和 sessions/ 目录下，项目采用 Apache License 2.0 许可。

DeepSeek-Bot：基于 DSH 的民间多 Bot 系统

DeepSeek 官方 Muse 还未发布，民间开发者已推出「DeepSeek-Bot」——一个基于 DeepSeek Harness（DSH）构建的机器人团队系统。

DeepSeek-Bot 多 Bot 界面截图 — △图源：作者@Fei2411

它与 Grok Bot 类似，提供多 Bot 团队界面，每个 Bot 可独立配置名称、角色、模型，并具备「持久化」能力——能积累长期记忆。

为节省 token，系统支持设置「Bot 主管」：用户消息默认由主管处理，再由其协同其他 Bot；也可直接 @ 特定 Bot 进行一对一交互。

可接入任意模型，未来甚至支持本地 Agent。
继承 DSH「一切皆插件」理念，保障高度可拓展性。

虽非官方出品，但项目上线不到一天即获 GitHub 250+ 星标。

Bot 主管与多 Bot 协同机制

在 ds bot 中，每个 Bot 拥有独立身份，可设置名称、职责说明、指令、形象及所调用模型。

Bot 具备持久化运行状态和长期记忆能力。

Main Bot（Bot 主管）拥有高权限，用于统一管理其他 Bot 和群聊配置。该设计既降低多 Agent 管理复杂度，也显著减少群聊场景下的 token 消耗。

具体实现上，可在群聊中设置管理员 Bot，用户消息默认交由其响应，再由其按需调用其他 Bot。

作者建议通过自然语言对话方式完成 Bot 与群聊的配置工作。

Bot 所用模型支持随时切换，但作者强调：「我仍然建议你长期使用同一个模型，仅在真正需要时才进行切换。」

长期记忆与上下文管理

长期记忆是 ds bot 的核心特性之一，支持在详情页或通过对话直接管理。

技术上，每个 Bot 对应一个 DSH Session，拥有专属工作上下文。

面对超出上下文窗口的长对话，ds bot 采用压缩、交接摘要和本地搜索等机制进行上下文管理。

每个 Bot 配备基于 Markdown 文件的记忆存储，并支持团队共享记忆。

每轮对话结束后，模型自动执行记忆审查，判断信息是否需保存、更新或删除。

使用量统计：在 Settings → Usage 中，可查看按时间、Bot 和模型分类的 Token 使用情况。
数据本地化：所有数据保存于用户电脑 DSH 主目录下的 bot/ 和 sessions/ 文件夹中；卸载插件不会删除这些数据。
开源与许可：项目采用 Apache License 2.0 许可。

安装与使用方式

DSH 桌面端与 Web 端均支持 ds bot。

桌面端：在侧边栏选择「插件」→「添加插件」，输入「ds-bot」即可安装。

Web 端需 Node.js 22.19+ 与 pnpm，执行以下命令：

npx @deepseek-ai/dsh@0.2.1-alpha.1 plugin --profile web add ds-bot
npx @deepseek-ai/dsh@0.2.1-alpha.1 web

项目主页：https://github.com/FeiZhuLulu/DeepSeek-Bot/tree/main

JOTO 企业落地观察

对企业部署意味着：这类基于 DSH 插件架构的 Bot 系统，降低了智能体工程的准入门槛，但企业若需规模化落地，仍需评估插件式架构在权限管控、审计日志、跨 Bot 数据一致性等方面的治理能力。
这类系统的取舍在于：长期记忆虽提升 Bot 连贯性，但其依赖本地 Markdown 存储与自动审查机制，未引入向量数据库或 RAG 知识工程标准流程，企业在知识沉淀深度与检索精度上需自行补足。
对 AI 安全治理提出新要求：所有数据默认本地化是优势，但 Bot 主管的高权限调度逻辑、模型动态切换行为、以及无中心化策略引擎的设计，使企业难以统一实施内容过滤、合规审查与访问控制。
FDE 驻场共创中可关注：此类轻量级 Bot 编排工具适合快速验证业务场景，但其缺乏企业级会话生命周期管理（如归档、溯源、SLA 监控），驻场团队需重点补全运维可观测性与故障回滚能力。