DeepSeek Harness
DeepSeek 自己的智能体 CLI——不是消费级 App，还在开发者预览阶段。
DeepSeek Harness（dsh）是 DeepSeek 自己的开源智能体框架/CLI——不是消费级 DeepSeek 聊天 App，后者本身没有自定义连接器功能。已在真实环境里验证过，本地和云端都跑通了。DeepSeek 自己的仓库仍然明确写着 dsh「处于开发者预览阶段，迭代很快」，会有破坏性变更，所以下面的配置格式即使现在能用，也比这个网站上其他客户端更容易过时。
本地版（stdio）
在项目的 cordis.yml 里加一个插件条目。command 填 uvx，它会按需下载并运行 Spomory，不用自己装：
- id: mcp-spomory
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: spomory
transport: stdio
command: uvx
args: ["--from", "spomory[llm,embedding,mcp]", "spomory-mcp"]
env:
LLM_API_KEY: "..."
LLM_BASE_URL: "https://api.deepseek.com"
LLM_MODEL: "deepseek-v4-flash"更想要固定、锁定版本的安装？可以装到 ~/Documents 之外的虚拟环境里（pip install 'spomory[llm,embedding,mcp]'），然后把 command 直接指向那个虚拟环境的 bin/memory-core-mcp。
这几个环境变量该填什么？
LLM_API_KEY 是你用来做抽取的那个 OpenAI 兼容服务商的 key——OpenAI、DeepSeek、通义千问等都可以。LLM_BASE_URL 和 LLM_MODEL 不填就默认走 OpenAI；换成 DeepSeek、通义千问或其他任意 OpenAI 兼容服务商，或者一个完全本地的 server（Ollama、vLLM、llama.cpp、MLX）都行：
export LLM_API_KEY=...
export LLM_BASE_URL=https://api.deepseek.com # 可选，默认 OpenAI
export LLM_MODEL=deepseek-v4-flash # 可选，默认 gpt-4o-mini
export EMBEDDING_MODEL=BAAI/bge-m3 # 可选，默认 bge-m3云端版（API Key）
同一个文件，换成带 headers 的 streamable-http 条目：
- id: mcp-spomory-cloud
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: spomory-cloud
transport: streamable-http
url: https://api.yliuai.com/mcp-apikey/
headers:
x-api-key: "<你的key>"已在真实环境里验证过，落到的是跟这页其他客户端同一个账号/同一份记忆图谱——不过 dsh 的维护者自己仍然提醒配置格式可能会变。
<你的key> 从哪来？
用 curl 立即拿一个——自己测试够用：
curl -X POST https://api.yliuai.com/users/register \
-H "Content-Type: application/json" \
-d '{"email": "you@example.com"}'
# 响应里的 api_key（mck_ 开头）只在这一次返回，记下来这种方式拿到的 Key 不需要证明邮箱归属——自己测试没问题，但正式使用建议走邮箱确认表单，那个真的会验证邮箱。
去「云端 / 跨 App」页面走邮箱验证拿 Key →让它真的被用起来
接上工具不代表客户端会主动去用它们——得告诉它在回答之前先调 search_memory，在你说了件值得记住的事之后调 add_memory。SKILL.md 就是干这个的一份简短指令文件。怎么让客户端读到它，每个客户端都不一样：有些会自动扫描 skills 目录（跟 Claude Code 一个路数），有些只有自定义指令/系统提示词这类字段。这个客户端已验证过：
DeepSeek Harness 会从 .agents/skills/spomory/SKILL.md 自动扫描，跟上面好几个 CLI 用的是同一套——不过跟前面提到的一样，dsh 自己的配置约定仍被标注为可能会变。
GitHub 上的 SKILL.md →