DeepSeek Bot 上线：你的AI 同事终于有名字、有分工、有记忆了

不必羡慕大洋彼岸的Grok BOT了！

10 月 11 日凌晨，开发者 FeiZ 开源了 DeepSeek Bot（DS Bot）——一个装在 DeepSeek Harness（DSH）里的插件，装上之后，你的 DSH 就不只是跟 AI 聊天了，而是一支可以自己分工、自己记事的 AI 团队。

截止到目前已经1k星标了，DSH 负责人也点了赞。

如果你之前用过 DeepSeek Harness，这篇基本可以直接照着装。具体怎么安DeepSeek Harness 可以参考这篇：

12小时狂揽5.9万Star！DeepSeek Harness震撼开源，Claude Code真正的对手来了？

一、先解决那个最烦的问题：又要重新解释一遍

用 AI 最消耗耐心的地方，往往不是它这次答得不好，而是下次见面，你又要解释一遍你是谁、项目做到哪一步了。

DS Bot 把这件事做成了产品。每个 Bot 有自己的名字、职责、指令，背后挂一个自己选的模型，并且有长期记忆。你下次找它，它记得上次的事。

更重要的是，它不是"多开几个聊天框"，而是真的有组织结构：

• Bot 成员：写手、程序员、查资料的，各自有分工

• Chief（主管 Bot）：首次打开就有。它权限最高，帮你创建 Bot、改配置、拉群

• 群聊：Bot 们在一个群里协同干活，你 @ 谁谁回答

作者 FeiZ 原本在演示里要手动配这些，他后来干脆把话撂下：强烈建议直接跟 Chief 对话来配置。你说要什么团队，它自己建完拉群。

上面这张图里，用户只说了两句话：要一个写手 Bot 负责写公众号、改稿；一个程序员 Bot 负责写代码和审代码；模型都用 deepseek-v4.1-flash。Chief 思考两轮，创建了三个 Bot 并拉进同一个群——整个团队是它自己组出来的。

二、一句话配团队：Chief 就是你的入口

打工人翻身当老板了。

作者在 README 里写得很直白：有问题，问主管。

Chief 的定位就是“负责人”（Chief 本身就是这个意思），它能管其他 Bot、也能管群聊。团队大了以后，一个一个改配置确实烦，让主管代管更省事。

实际用法是这样的：

1. 打开后先给 Chief 选个模型

2. 告诉它你需要哪些 Bot、各自负责什么

3. 剩下的（创建 Bot、建群、分配任务）它自己完成

群里的机制值得单独说一句：群里收到新消息，默认先由管理员回复，再按需要叫其他 Bot。

这个设计不是随便定的。作者在 README 里明说了：群聊明显更烧 token。所以让管理员先过一遍、再决定要不要喊人，而不是每条消息所有 Bot 都回一遍——这就是省 token 的关键。

当然你也可以直接 @ 某个 Bot 单独聊。

这张群聊截图很能说明问题。写手 Bot 交出博客的题目和提纲，Chief 把它派给程序员，程序员回了一段技术栈和上线步骤（Astro + Markdown + Tailwind，Cloudflare Pages 部署）。中间还有个细节：写手反问了一句“标题想写‘周末上线’，可现在才做博客”，程序员回"那就先做一期现在能写的东西"——两个 Bot 之间真的在互相接话，而不是各答一遍。

三、长期记忆：换个模型也不怕

这是 DS Bot 的重点功能，也是我觉得最实用的部分。

每个 Bot 有自己的记忆，团队还有一份共享记忆。 需要让其他 Bot 知道的信息，存到共享记忆里。所有记忆都用 Markdown 文件保存。

记忆怎么管理？两种方式：

• 在 Bot 的详情页里查看、修改

• 直接跟 Bot 说——"记住这个"、"忘掉那条"

而且记忆审查默认开启：每轮对话结束后，模型会自动检查你发来的新信息，判断哪些该记下、哪些旧记忆该更新或删除。

长对话也有对策。快撞上模型上下文窗口上限时，DS Bot 会根据任务进展自动决定：整理摘要、压缩上下文、或者生成交接摘要（handoff note）到新会话里接着做。界面上还是一段连续对话，早期记录存在本地，需要时可以搜回来。

记忆里放的是“以后还要用的信息”，历史记录留的是“之前聊过什么细节”。这是两回事，别混。

详情页里能改模型、看记忆条数、看这个 Bot 烧了多少 token（截图里 Chief 用了 69.3K，缓存命中 83%）。注意右侧那个"记忆 3 条"——它的记忆是可以点开逐条看的，不是黑盒。

⚠️ 一个要听的提醒：作者建议每个 Bot 尽量长期固定用一个模型，真需要时再切。频繁切换会让上下文和记忆的连续性受影响。

四、Token 花了多少，一目了然

Bot 跑起来消耗的是你自己的模型额度——开源不等于免费调用，这点必须说清楚。

在 Settings → Usage 里，可以按时间、按 Bot、按模型三个维度看 token 统计。

官方示例图里 7 天用了 185K token，缓存命中率 54%，调用 18 次；其中 Chief 独占 101K（55%）、程序员 42.6K（23%）、写手 41.3K（22%）。主管比干活的人烧得还多——这也是为什么"只找主管"虽然省事，但你得盯着这个数字。

页面只统计 token 数量，不会换算成费用。

五、手把手装起来

装之前：先装好 DSH，并至少配置一个可用模型。DS Bot 用的是 DSH 里的模型，它自己不提供模型。

桌面端（Windows / macOS）：

1. 侧边栏点「插件」→「添加插件」

2. 「包名或地址」填 ds-bot；国内用户把 Registry 选成 中国大陆镜像源

3. 点「安装」→「立即启用」；提示下次启动生效就完全退出 DSH 再打开

如果 npm 拉不动，也可以在第 2 步填 Releases 里下载的 ds-bot-0.1.2.tgz 完整路径。

Web 端（Windows / macOS / Linux）： 需要 Node.js 22.19 以上 + pnpm。

开源地址：

Apache License 2.0。项目采用 "一切皆插件" 的理念（跟 DSH 一脉相承），未来还能接本地 Agent。数据全部本地，存放在 ~/.dsh 下的 bot/ 和 sessions/，卸载插件不会删掉数据——这点对做过工具的人很重要。

最后一句判断： AI 同事这个概念，这两年一直在"给模型起个名字"的阶段。DS Bot 这次让人愿意试的，是它把分工和消耗变成了可以观察、可以配置的东西。至于它真能承担多少工作——用一个你自己的任务验一遍，比看十篇评测都管用。

如果你已经装了，评论区聊聊你给团队配了哪些 Bot。