engramory：DeepSeek Harness 的零基础设施 Agent 记忆协议

Engramory 是 DeepSeek Harness（DSH）的一个数据与知识类插件（DSH plugin），它把 AI Agent 的长期记忆变成一套零基础设施、纯文本的协议。它解决的是 Agent 记忆碎片化、难以人工审阅和跨会话一致性的问题——不引入数据库、向量嵌入或服务器，只用一堆人类可读的 Markdown 文件加一个常驻索引，让记忆像普通文档一样可打开、可编辑、可 diff。核心能力包括：以 feedback（程序性记忆）为骨架的角色/目的本体论、强制 Why: 与 How to apply: 字段的策展纪律、以及一个可选的硬索引上限钩子（PreToolUse），由 tools/engramory_doctor.py 校验器把关。项目由 tinqiao-oss 维护，采用 MIT 协议，Python 3.9+ 编写，最近更新于 2026-08，目前处于 0.8.0 实验阶段。

Engramory 这个 DSH plugin 支持哪些核心特性？

Engramory 不是全新的记忆架构，而是对主流「Markdown 文件 + 小索引 + 模型策展」模式的纪律化超集。它借鉴了 Claude Code 原生自动记忆、basic-memory、obsidian-second-brain 等先例，但贡献在于「有主见的打包 + 纪律」：每个文件对应一个事实，索引始终加载，feedback 类型作为程序性记忆的主干，要求每条记忆必须写明原因和应用方式。它还提供一个 PreToolUse 钩子，对 Edit | Write | MultiEdit 等直接编辑工具强制索引上限，但注意它并非全局写保护——shell 工具、MCP 文件工具、外部编辑器等仍可绕过，因此是尽力而为而非强制保证。

Engramory 怎么安装？

安装 Engramory 作为 DSH plugin 很简单，使用以下命令：

dsh plugin --profile web add github:tinqiao-oss/engramory

安装后，插件会以常驻规则（standing rules）的形式加载，例如写入 CLAUDE.md、AGENTS.md 或宿主规则文件。建议 AI Agent 在安装或检查时先阅读 AGENT-SETUP.md，那里说明了如何确认宿主能强制什么、是否已有存储、哪些不可触碰，以及该向用户报告什么。

Engramory 兼容哪些 DeepSeek Harness 版本和平台？

Engramory 是零依赖的纯 Python 工具，要求 Python 3.9+，因此理论上兼容任何能运行 Python 的 DeepSeek Harness 环境。它不依赖特定平台，只要宿主支持加载常驻规则文件即可。由于采用 MIT 许可证，你可以自由集成和修改。项目目前处于实验阶段（0.8.0），假设单写入者/串行写入，不建议依赖它作为跨 Agent 的强制可靠记忆层。

Engramory 的策展纪律和校验器怎么用？

Engramory 的核心纪律是「一个文件 = 一个事实」，并要求每条记忆包含 Why: 和 How to apply: 字段，确保记忆不仅被存储，还能被正确应用。校验器 tools/engramory_doctor.py 会检查记忆库是否符合规范，例如索引是否完整、字段是否缺失。你可以把它集成到 CI 或手动运行，以维持记忆库的健康。

Engramory 的局限和注意事项有哪些？

Engramory 的硬索引上限钩子只对匹配的直接编辑工具生效，不是全局写保护。shell 工具（Bash、PowerShell）、后台 Monitor 命令、MCP 文件工具、外部编辑器和同步客户端都可能绕过它。因此，纪律主要靠模型遵循常驻规则来执行，是尽力而为。项目假设单写入者，串行写入，不适合多 Agent 并发写入场景。如果你需要跨 Agent 的强制可靠记忆，建议等待更成熟的版本。

查看更多 DSH 插件，访问 dsh-plugin.org