不是官方出品，却让 DeepSeek 长出了“团队大脑”：DeepSeek Bot 到底能干什么？

你有没有过这种体验：打开一个 AI 聊天窗口，把所有要求一股脑塞进去，写到第三轮，它已经忘了你第一轮说过的关键约束；你想同时推进写作、查资料、写代码三件事，但只有一个“对话框”，只能来回切换，上下文越拖越长，token 越烧越快，产出却越来越散。

DeepSeek Bot 想解决的，恰恰是这个“单线程聊天窗口撑不起真实工作流”的问题。

先说一个需要澄清的事实：DeepSeek Bot（常被简称为 DS Bot）并不是 DeepSeek 官方产品。它是由独立社区开发者基于 DeepSeek 官方开源的 Agent 框架 DeepSeek Harness（DSH）制作的插件。项目采用 Apache License 2.0 许可，模型仍由 Harness 提供，插件本身不附送模型额度。但它的设计思路相当“正统”——上线不到一天就在 GitHub 上获得 250+ 星，两天冲到 1k+ 星，截至本文发布时已超过 4,000 星，连 DSH 负责人也公开点赞（媒体报道口径）。

一、它到底改变了什么：从“一个对话框”到“一支 Bot 团队”

DeepSeek Bot 最核心的体验变化，可以用一句话概括：你不再是在和“一个 AI”对话，而是在指挥一支有分工、有记忆、能接力干活的 Bot 团队。

安装插件后，系统会自动创建一个默认的主 Bot，名叫 Chief。Chief 的角色是“主管”——你先把目标告诉它，由它来决定建立哪些成员 Bot、分别负责什么。你可以让 Chief 创建“资料整理 Bot”“写作 Bot”“开发 Bot”，每个 Bot 都有独立的名称、角色说明、指令，以及背后调用的模型（README 原文：向 Chief 说一句话，它就把 Bot 和群聊搭起来）。

更关键的是协作机制。在群聊场景中，你的消息默认由管理员（Chief）回应，它会帮你调度其他 Bot；如果你需要和某个成员单独沟通，直接 @ 它即可。Bot 之间也可以互相“接力”：成员 Bot 可以通过 @ 另一个 Bot 把任务交接过去，群聊、侧栏和 Bot 自己的聊天窗口都会同步显示进度。

这意味着你可以把一件复杂任务拆成多个线程并行推进，而不是把所有要求挤进同一条越拖越长的对话里。

二、长期记忆：让 Bot“记住你”不再是玄学

多 Bot 协作如果没有记忆，就只是多个失忆的对话框在轮流发言。DeepSeek Bot 在记忆上做了两层设计。

第一层，是每个 Bot 自己的长期记忆。技术上，每个 Bot 对应一个 DeepSeek Harness Session，拥有独立的工作上下文。遇到超出上下文窗口的长对话，系统会通过压缩、交接摘要和本地搜索来管理上下文，而不是简单粗暴地截断（官方 CHANGELOG 实锤：较早部分与压缩消息保存在本地全文索引中，Bot 可以检索）。

第二层，是团队共享记忆。除了 Bot 自己的记录，还有一个跨 Bot 的共享记忆层，让团队成员之间可以复用已经确认过的信息（CHANGELOG 实锤：团队共享一份由主 Bot 和群管理员写入的记忆）。

记忆的存储方式也值得注意：DeepSeek Bot 为每个 Bot 设置了基于 Markdown 文件的记忆存储（MEMORY.md + 主题文件，Agent Memory Repo 格式），并且每轮对话结束后会自动进行记忆审查，判断哪些信息需要保存、更新或删除（CHANGELOG 实锤：每轮结束后模型自动 review 新内容并增删改条目）。你既可以在详情页管理记忆，也可以直接通过对话让 Bot 自己整理（remember / forget / recall 工具）。这种“可检查、可编辑”的记忆，比纯黑箱式的长期记忆更让人放心。

三、支撑这一切的底座：DeepSeek Harness + V4 系列模型

DeepSeek Bot 本身是一个“协作层”，真正干活的是底层的 DeepSeek Harness 和它调用的模型。

Harness 是 DeepSeek 官方发布的开源 Agent 框架（GitHub 实锤：deepseek-ai/deepseek-harness，26 万+ Star，MIT 许可，口号“Everything is a Plugin”），本身就已经不是简单的聊天界面，而是面向 Agent 工作流设计的执行环境。DeepSeek Bot 继承了 Harness“一切皆插件”的理念，以插件形式嵌入，保持可扩展性。你也可以为 Bot 接入任何你想接入的模型，不限于 DeepSeek 自家模型。

底层模型的进化则为多 Bot 长程协作提供了硬支撑。以 DeepSeek-V4.1-Flash 为例：它是原生多模态 MoE 模型（AA 实测：text+image 输入），支持最高 100 万 Token 上下文，主干参数 552B，AA 实测每 Token 激活 16B 参数（官方称 Prefill 阶段每 Token 仅激活 8B）。这一代架构的重点明确转向了 Agent 场景的真实部署成本——Agent 不断读取代码、文档和工具返回结果，工作负载越来越“输入重型”，长上下文带来的 Prefill 计算和 KV Cache 占用才是真正的瓶颈。V4.1-Flash 通过因果编码器—解码器架构和 CSA2 稀疏注意力（官方技术口径），把 Prefill 计算量接近减半，并跨 Transformer 层共享 KV Cache，让百万级上下文在 Agent 场景里变得可负担。

旗舰级的 DeepSeek-V4-Pro 同样支持百万上下文（AA 实测 1M），总参数 1.6T、激活 49B（AA 实测），定位是“性能比肩顶级闭源模型”的旗舰版本。两个模型在 Harness 里都可以作为 Bot 的“大脑”来调用。

四、2026 年 10 月版本补上了什么：协作从“能用”走向“能持续”

DeepSeek Bot 在 v0.1.4（2026 年 10 月 13 日，GitHub releases 实锤；目前已迭代到 v0.2.2，10 月 25 日）中补齐了几个让多 Bot 团队真正能“持续干活”的细节：

共享能力库。 你可以在“设置→能力”中统一管理 MCP 服务、Skills 和能力包，再决定每个 Bot 分别可以使用哪些能力。这避免了每个 Bot 重复配置，也让权限边界更清晰（CHANGELOG v0.1.4 实锤）。

任务续接。 Harness 关闭或重启时正在工作的 Bot，重新启动后可以继续之前的工作，群聊会显示受影响的成员。对于需要跨天推进的项目，这比“关了就得从头再来”实用得多（CHANGELOG v0.1.4 实锤）。

Bot 间交接。 成员 Bot 可以把任务 @ 给另一位 Bot，进度在群聊和各自窗口中同步可见（CHANGELOG v0.1.4 实锤）。

另外，用量统计也做了针对性设计：在 Settings→Usage 中，可以按时间、Bot 和模型查看 Token 消耗（CHANGELOG 实锤：每个 Bot 和每个模型都有独立页面，数据存在 usage.sqlite，只统计 Token 不统计费用）。多 Bot 群聊会显著增加调用量，这个视角对控制成本是必要的。

五、数据在你手里：本地化与可审计

DeepSeek Bot 在数据控制上走的是“主权优先”路线。

所有数据保存在你电脑上 DSH 主文件夹目录下的 bot/ 和 sessions/ 文件夹中，卸载插件不会删除这些数据。记忆以 Git-backed 的方式存储，意味着变更历史是可检查、可追溯的，而不是一个不可见的状态池。

在个人 AI Agent 的选型中，这恰好对应了一个清晰的分野：如果你需要完整的数据主权、可审查的记忆变更，以及自由切换模型提供商，并且愿意自己运行和维护宿主环境，DeepSeek Bot 是这一档里很有代表性的选项。作为对照，媒体报道中常与它比较的 Grok Bot 走的是托管云电脑路线，开箱即用但 Bot 共享同一台云 VM 和浏览器登录会话。两者不是简单的“谁更好”，而是可控性与省心程度之间的权衡（对比口径来自媒体报道）。

六、适合谁，不适合谁

适合你，如果：

• 你已经在用或愿意折腾 DeepSeek Harness，想要在它的基础上获得多 Bot 协作和长期记忆能力；
• 你手头有需要分线程、分角色推进的持续性工作，比如“调研—整理—写作—审校”的长链条，或者“需求—编码—测试—提交”的开发流程；
• 你对数据存放位置和记忆的可审计性有要求，不希望把工作上下文完全托管在别人的云上。

可能不适合你，如果：

• 你想要的是零维护、打开就能用的消费级产品——DeepSeek Bot 需要你先配置好 Harness 和可用模型，插件本身不附送模型额度（不过项目已提供自带 DSH 的桌面客户端，Windows/macOS/Linux 均可直接安装）；
• 你只是偶尔问几个问题，单窗口对话完全够用；
• 你没有基本的本地环境维护意愿，或者对 Node.js 等运行前提感到吃力。

写在最后

DeepSeek Bot 最值得玩味的地方，不在于它“又做了一个 AI 工具”，而在于它用插件的方式，把 DeepSeek 从一个回答问题的聊天框，推向了一个可以组织、可以记忆、可以交接工作的 Agent 工作台。

它当然有门槛：要装 Harness、要配模型、要理解 Bot 之间的协作逻辑。但它也给出了一个清晰的信号：当模型能力逐渐拉平之后，怎么组织 AI 干活，本身正在成为产品体验的分水岭。

如果你手头正好有一个“一个聊天框搞不定”的项目，DeepSeek Bot 值得你花一个下午装起来试试。项目在 GitHub 开源，搜索 Fei2411/DS-Bot（原 FeiZhuLulu/DeepSeek-Bot，已改名并重定向）即可找到入口。

📌 数据说明：本文关键信息经多源核验（2026-10-26）：① GitHub API——项目仓库 Fei2411/DS-Bot（原路径 FeiZhuLulu/DeepSeek-Bot 已重定向）：Apache-2.0、2026-10-07 创建、截至 10 月 26 日 4,088 星、最新版本 v0.2.2（10 月 25 日）；② 官方框架 deepseek-ai/deepseek-harness：26 万+ Star、MIT、2026-08-13 创建；③ Artificial Analysis——DeepSeek-V4.1-Flash：552B 总参/16B active/1M 上下文/多模态/MIT/2026-09 发布；DeepSeek-V4-Pro：1.6T 总参/49B active/1M 上下文/MIT；④ 项目 CHANGELOG——v0.1.4（2026-10-13）实锤共享能力库、任务续接、Bot 间交接；记忆机制（MEMORY.md + 团队共享记忆 + 每轮自动记忆审查 + usage.sqlite 用量统计）均有官方变更记录。Prefill 激活 8B、CSA2 稀疏注意力等为官方技术口径；“DSH 负责人点赞”“Grok Bot 对比”为媒体报道口径，仅供参考。DeepSeek Bot 为社区项目，非 DeepSeek 官方产品。