
大家好,我是小悟。
一份关于「长记忆 / 沙箱 / Skills / DeepSeek Harness 插件」的实操笔记,讲讲讲怎么用、用在哪、坑在哪。
上半年的 WeKnora 还像个刚入职的实习生:你问它什么,它就翻文档答什么;窗口一关,你上周交代的事它忘得一干二净。v0.7.x 那几版把审计、权限、同步韧性补齐了,让它能稳定地跑在企业里。但"能稳定地跑"和"能替你把一件事干完"之间,还隔着三道坎。
它记不记得住你长期的协作背景?敢不敢真的动手执行代码?能不能把一套做法沉淀成可复用的能力?
v0.8.0 就是冲着这三道坎来的。这一版把跨会话长记忆、运行时沙箱、Skills 技能市场三件大事一起端了上来,还顺手放出官方 DeepSeek Harness 插件,把知识库的能力直接喂给外部 Agent。换句话说,WeKnora 正从"一个能运营的知识系统",往"一个带记忆、能执行、可扩展的 Agent 知识底座"挪。
下面讲讲这三样东西怎么落地。
普通会话记忆只在当前窗口里生效。窗口一关,模型不知道你偏好的输出格式,不知道你正在推进的项目,更不知道你上周反复强调过的那条业务事实。LLM 的上下文像鱼的记忆,这对长期协作是硬伤。

v0.8.0 新增的跨会话长期记忆,按用户维度把信息分成了五类:用户画像(profile)、操作偏好(preference)、客观事实(fact)、待办事项(task)、长期兴趣(interest)。它最克制的一处设计是——后台提取器可以自动从日常对话里推断记忆项,但推断出来的内容默认进入"观察中"状态,必须由你确认后才正式生效。

常驻的用户画像和偏好会自动融进每一轮回答;事实和待办只在相关问题出现时才被召回;长期兴趣则参与文档亲和度加权(Document Affinity)——系统能感知你反复查阅、引用的核心文献,在向量检索阶段给它们更高的个性化权重,让检索结果更贴你的习惯。
完整闭环是这样的:

怎么用:先在空间设置里显式开启长期记忆(默认关闭,这点很关键),再用几轮低风险对话验证——让系统记一下你的输出偏好、一个在办事项,然后新开一个会话问相关问题,看它有没有正确引用。
用在哪:
边界提醒:不要一开始就把身份证号、客户合同、财务数据丢给自动记忆。记忆越方便,越要常去"我的记忆"里看、改、删。长期记忆解决的是"连续协作",不是"替你保管机密"。
"帮我分析这份 CSV,出一份图表和 Excel。"如果 Agent 只能聊天,它顶多告诉你步骤;如果它直接拿宿主机权限跑脚本,文件误删、依赖污染、敏感数据外传的风险就来了。

v0.8.0 把技能执行彻底从"本地主机进程"搬进了会话级持久化沙箱。同一会话里的终端命令(shell_exec)、文件读写、任务附件和最终产物,全都在一个隔离的工作区里实时共享;会话结束,容器回收。后端支持三种:Docker(单机私有化最省事)、E2B(云端/自托管控制面)、CubeSandbox(远端控制面)。迁移成本不高——官方自带 sandbox 镜像,Docker 后端按文档开启即可。

安全边界是这一版的重点。容器内部以非 Root 用户执行,堵住了提权和路径逃逸;出网策略默认阻断外网,只允许域名白名单;CPU/内存限额、生命周期 TTL 都能按租户配置。

体验上最舒服的是对话产物卡片:沙箱里生成的 HTML、Office 文档、图片、代码文件,统一归集到对话里,点开就能预览,会话结束还能批量下载。比起在日志里翻一个临时文件路径,这对业务用户是质变。
用在哪:脱敏 CSV 进沙箱 → 统计 → 生成 HTML 图表和 Excel → 对话里预览 → 下载人工复核。一条数据分析流水线,不用离开对话框。
边界提醒:沙箱不是"自动安全"。生产环境仍要脱敏数据、最小权限密钥、出网白名单、人工确认点。别让未经鉴权的 Agent 直连内网数据库,也别把 API Key 写进脚本或提示词。
Skills 可以理解成 Agent 的"操作手册 + 工具配置"。以前加一个业务技能,得手写 SKILL.md、同步到服务器目录、重启应用、再给智能体勾选——全程靠人肉。v0.8.0 把技能升级为工作空间里的一等公民资产,进了租户级技能市场。
来源很广:ClawHub、SkillHub、GitHub/GitLab 链接、本地 ZIP 压缩包,都能一键安装;安装过程有流式日志、可实时中止、保留版本快照。装好后,管理员决定某个 Agent 能访问哪些 Skill——能力从"每次临时发挥"变成"可审查、可复用、可分发"的模块。

WeKnora 的加载方式是按需的:它先给模型看技能名和简介,匹配到任务后才通过 read_skill 读取详细说明和文件。模型不用一上来就读完所有技能,省 token 也省干扰。

用在哪:
边界提醒:第一次只装一个来源明确、权限简单的 Skill,看它的文件目录和安装报告,再用脱敏样本跑。来自 GitHub 或 ZIP 的 Skill,先查脚本、依赖和出网行为。
v0.8.0 放出的官方插件 @wxg-prc-cpg/dsh-weknora,做的是一件很聪明的事:让外部 DeepSeek Harness(dsh)编码 Agent 直接挂载并检索你的 WeKnora 知识资产。它给 Agent 四个只读工具:
weknora_list_knowledge_bases:列出当前 API Key 可访问的知识库名与 ID,让 Agent 自己圈定范围;weknora_search:混合检索,返回带评分、文档 ID 和片段位置的原文;weknora_read_document:根据检索结果读取完整文档及相邻内容;weknora_ask:调用 WeKnora 自己的问答 / Agent 流程,生成带引用的回答。
安装就是一行命令:
dsh plugin --profile web add @wxg-prc-cpg/dsh-weknora然后配置地址、API Key 和默认知识库范围:
export WEKNORA_BASE_URL=https://weknora.example.com
export WEKNORA_API_KEY=sk-...
export WEKNORA_KNOWLEDGE_BASE_IDS=kb-product-docs,kb-support
dsh web推荐的调用顺序是先 search、再 read_document、最后综合回答。这样 Agent 拿到的不只是结论,还有完整的证据链:

关键边界:插件本身是只读的,不负责文档导入、修改或删除。retrieve 权限够检索和阅读,weknora_ask 还需要 chat 权限。它和"在 WeKnora 内部装 Skill"是两条互补的路——一条让外部 Agent 来查你的知识,一条让内部 Agent 用你的技能办事。
分开看各有亮点,合起来才是 v0.8.0 的真正价值。设想一个真实场景:

记忆管"你是谁",沙箱管"怎么安全地做",Skills 管"能做什么",DSH 插件管"怎么把能力借出去"。四者各司其职,Agent 才真正从"回答问题"走到"完成工作"。
如果只是为了偶尔传份 PDF 问个问题,v0.8.0 的很多能力确实用不上。但如果你想让一个 Agent 长期服务个人研究、团队知识库、数据分析或内容生产,这个版本已经值得认真试。
建议从一个低风险任务起步:准备脱敏资料,装一个可信 Skill,让 Agent 在沙箱里完成一次检索、分析和产物生成,再回过头检查它的工具调用、引用、文件和权限边界。真正的知识库升级,从来不是让模型"记得更多",而是让它在可控范围内,把知识变成可复核的工作结果。
开源入口:https://github.com/Tencent/WeKnora

谢谢你看我的文章,既然看到这里了,如果觉得不错,随手点个赞、转发、在看三连吧,感谢感谢。那我们,下次再见。
您的一键三连,是我更新的最大动力,谢谢
山水有相逢,来日皆可期,谢谢阅读,我们再会
我手中的金箍棒,上能通天,下能探海
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。