从 DeepSeek Bot 看 AI workmate 的设计思路

DeepSeek Bot 是我最近看到的最接近 AI workmate（AI 同事）这个想法的开源项目，有意思的地方不在它做出来了什么，而在它选的那条路很少有人走。我是在持续关注 agent 开发进展的时候刷到它的，本来只想看看别人怎么用 DeepSeek Harness，翻完源码才发现它顺手解决了好几件我以为还没人动过的问题。

会认真读它还有一个私人原因。我自己正在做一个 AI workmate，底座也是 DeepSeek Harness，和上一篇《从 chatbot 到 workmate，怎么造一个 AI 同事》里写的是同一件事。同一套底座上，别人做出了什么、砍掉了什么、在哪里踩了坑，是最直接的参照。

下面的分析基于 v0.1.4，2026 年 10 月 13 日的版本。这个项目迭代很快，过一段时间有些结论可能就不成立了。

它把一队同事放进了聊天窗口

它把 dsh 从一个人的工作台变成了一队有名字的同事。每个 Bot 是一个长期存在的会话，有自己的名字、角色、模型、记忆和权限档。有一个首席负责建人、派活、管群。你可以把几个人拉进同一个群聊，让他们轮流发言，也可以点名把活交给别人。它们记得住跨会话的事，每个 Bot 一份，团队再共享一份。

这些里面大部分是聊天产品的常规配置，真正让我有兴趣的是三件事。

第一件是它自己管长会话。它把 dsh 自带的压缩关掉了，换成一套自己的做法。上下文涨过检查线之后，一个小模型会读最近的对话，只判断一件事，这段活是还在干，还是告一段落了。还在干就把前面的消息压成摘要接着干，告一段落就换一篇新的，开头放一份交接笔记和用户最近的原话。这个判断里有一条很要紧，助手说自己做完了但实际没做，算没干完。写提示词的人显然见过模型出现幻觉。

第二件是它把记忆和上下文当成了两样东西。上下文是工作台，会压缩，会翻篇，可以整段作废。记忆是台账，有固定的字符上限，每一条都写着来源，能一路点回当初那句话。写台账不指望模型自己想起来，每一轮对话结束之后有一次复核，自己决定留下、改掉还是删掉。所有靠模型自觉的记忆系统，时间一长都会退化成随机抽样，它避开了这一点。

第三件是它把多 agent 的成本当成工程问题处理。群聊里成员轮流发言，一次发言给别的成员派活有次数上限，无事可说就保持沉默。最新的版本里 Bot 之间交活不再卡住整轮，接活的那个在自己的地方干完再把结果贴回群里。一个会自我繁殖的多 agent 系统最容易控制不住成本，它从第一个公开版本就在防这件事。

它在文档里明确写了代价和边界。数据全在你的电脑上，一个用户一份，没有对外的身份。群聊是应用里的群聊，不是公司 IM 里的群。它也列了一串已知限制，比如群聊很费 token，密钥只能挡住原样照抄，编码或者拆开就绕得过去。

它在三类产品之间

这类产品分成三类，分界不是有没有记忆，而是工作落在哪里，以及谁在推进。记忆早就不是分界线了，聊天产品有，harness 有项目记忆，助理有跨会话记忆。

第一类是聊天产品。ChatGPT、DeepSeek 的 App、豆包，还有各种接进 IM 的机器人。它们的价值单位是一次回答，上下文要用户自己搬来搬去，换一个模型就等于换一个产品。

第二类是干活的 harness。Codex、Claude Code、OpenCode、pi 这些都算。它们的价值单位是工作区里的一个改动，会读文件、会跑命令，所以它们得假设坐在对面的人看得懂改动。它们的重心是循环加工作区，模型反而可以随便换。

第三类是常驻的助理。OpenClaw、Hermes，还有 Grok Bot、Dots 这些。它们的价值单位是一摊交出去的工作，有自己的电脑或者账号，会在你不在的时候继续推进。

DeepSeek Bot 位于这三类的中间，位置很特别。它的执行底座属于第二类，每个 Bot 就是一个 harness 会话，工具、权限、沙箱都复用底座。它的产品形态属于第三类，一队长期存在的个体，有首席，有群聊，有记忆。但用户能看见的那一面仍然属于第一类，一个聊天窗口。

它把工程师的作业台装进了一个聊天窗口，又在里面放了一队同事。

它有不少很直接的好处，用户不用学新东西，来的还是聊天框，装上一个插件就能用。代价是它没有回答第三类最贵的那个问题，怎么在用户已经在用的地方找到用户。OpenClaw 和 Hermes 把“在哪里遇到人”当成第一个设计问题，一个网关接进 Discord、Telegram、Slack、WhatsApp 这些地方。DeepSeek Bot 把“在哪个窗口里用它”当成了默认。它的常驻是窗口打开时的常驻。

所以它的定位不是做一个更好的助理，而是让聊天窗口自己长出组织形态。

同一套底座，两种用法

它选 dsh 首先是为了省事。dsh 的架构是万物皆插件，模型适配、工具表、会话日志、连 agent 循环本身都是可替换的，插件只往里挂东西，不用改它一行代码。省下来的东西很具体，这个插件自己的代码只有八千行左右，却已经带了网页和桌面两套界面、插件的安装和自动更新、一整套设置页。

更关键的是这个底座允许插件接管行为。DeepSeek Bot 做的第一件事就是把底座自带的压缩关掉，换成自己那一套。别的 harness 做不到这件事，因为压缩是它们的核心行为。

我选 dsh 的理由不一样，但落点也在“能接管”上。基本功能它已经给了，我看重的是另外两件事，把每次任务执行的过程完整记下来，以及在这些记录上做自省，自省的结果能反过来重排插件。插件架构直接支持第二件事，会话日志保证了第一件事。模型看到过的每一个输入，日志里都能找回来。

这两件事听起来不复杂，做起来全是细节。记录要完整到能重放当时的判断，少一点，自省就是在拿一份残缺的材料改自己。重排要保证任何一次行为都能追回到当时是哪一版设定，不然改好了还是改坏了说不清。这是我在这套底座上最看重的地方，也是我和 DeepSeek Bot 分开走的地方。它拿底座省下界面和控制面，我拿底座换一个可以自我改写的执行环境。

下图是这两条路的对照。

它服务一个人，我要服务很多家公司

DeepSeek Bot 是一个装在自己电脑上的版本，数据在本地，一个用户，一个人运维。我在做的是一个服务器部署、面向生产、要同时服务多家公司的产品。

差别不是多几个功能。一家公司用和多家公司用是两回事。数据不能混在一起，账要按公司算得清，也没有哪家公司愿意把核心业务交给一个会把资料带到别处的 AI。这些要求会一路渗到最底下，让架构、权限、成本、自省每一层都复杂得多。工作量也大得多，现在还在做。

让用户忘掉会话

DeepSeek Bot 真正指向的方向，比它现在做出来的功能更大。它想让 bot 变得大众化，让用户慢慢忘掉“会话”这个概念。

这件事听起来像产品细节，其实是位置的变化。普通人不需要理解上下文窗口、任务队列、会话隔离这些词，他只需要知道有个同事在替他操心一摊事，做完会告诉他。他不会想着“我要开一个新会话”，就像我们找人帮忙的时候也不会先想这件事该在哪个会议室谈。指令式的工作方式会慢慢退场，剩下的就是人和人一起干活。

我在做的 AI workmate 想再往前一步，希望它能像一个专业员工那样做目标管理。不只是接活、干活、交活，还知道自己这一段时间要为什么负责，哪些事值得主动做，哪些事该停下来问一声。

这一步走到哪里，得等我有更具体的设计和测试结果，再拿出来分享。