Hardness工程领域的“Linux”

0 序

DSH 绝对创下了 Github 开源社区的历史之最，从2026.08.13发布至今短短半个月，已经获得 207K star（截止于2026.09.01笔者写下这句话时），且每天仍以几千的速度狂揽 star。这种极致开放的架构、及DeepSeek这种极致开放的公司理念，真的是把开源社群的优势发挥到了极致。

笔者个人断言—— DSH，极大概率成为AI Agent/Hardness工程领域的“Linux”！
绝非笔者危言耸听、或搞标题党。

先一起瞅瞅部署后的 WEB-UI:

让它执行一个调研任务：

内容有点多、且杂，可以在【文章目录】上自主选择自己感兴趣的章节选择性阅读即可。

1 概述: DeepSeek-Hardness

产品介绍

产品定位

DeepSeek Harness 是 DeepSeek AI（杭州深度求索）开发、并于2026年8月13日开源的 AI Agent 运行时框架（Agent Harness），采用 MIT 协议，2026 年 8 月 13 日以开发者预览版（v0.1）开源。
- 它不是单一编码助手，而是可组装、可替换、可扩展的智能体基础设施，用于构建各类 LLM 驱动的自主任务执行系统。
官方给出核心公式与口号：
- Model（模型）+ Harness（底座）= AI Agent（智能体）
  - 模型 = Agent 的"灵魂"（思考推理）
  - Harness = Agent 的"身体"（理解环境、调用工具、执行任务、管理状态）
- Slogan：Everything is a Plugin（一切皆插件）
  - 回想一下数十年前，计算机操作系统扛把子级开源项目的 Linux（开源/发布于1991年）的设计哲学/Slogan——"Everything is File"（一切皆文件）。
  - 是不是有那味儿了——DeepSeek-Hardness，可能会成为 开源 AI Agent/Hardness工程 的扛把子！（我们拭目以待。）

诞生的背景与原因

传统 Agent 框架/产品存在 5 大痛点，正是 DeepSeek Harness 的解决对象：

框架耦合严重：模型调用、工具执行、会话管理硬编码在核心循环中，扩展要改框架本体；
能力替换困难：换模型厂商、换沙箱、换文件系统实现，往往要 fork 框架或写大量适配代码；
会话状态管理粗放：缺乏精确的事件日志，难以可靠回放、分叉、上下文压缩；
安全边界模糊：工具执行缺统一安全策略管道，沙箱与审批各自为政；
多代理协作缺基础设施：子代理委托、工作流编排需从零构建。

DeepSeek 的选择是把重心放在"模型之外的那层工程底座"，并彻底开源、拆成零件——用"无特权核心"的激进架构回应"不想被单一厂商锁死"的行业焦虑。

URLs

GitHub：https://github.com/deepseek-ai/deepseek-harness
官网/Web UI：npx @deepseek-ai/dsh web 后访问 http://127.0.0.1:3080（官网 deepseek.com/harness）
npm 包：@deepseek-ai/dsh
社区：GitHub Discussions、Discord 社区、企微/公众号

发展历程

DeepSeek Harness 的故事是一条"伏笔回收"的剧本，核心脉络来自其底层内核 Cordis（作者 Shigma / 史一凡 / 崔添翼，北京大学出身，前 Jane Street 量化工程师，2026 年进入 DeepSeek，名字出现在 DeepSeek V3 技术报告中）：

时间	事件
2020 年	Koishi（QQ 聊天机器人框架）发布，四年间积累 4000+ 社区插件，成为中文社区最成功的机器人生态之一
2022-05-18	作者把 Koishi 的插件管理内核抽出为独立元框架 Cordis（拉丁语"心"）
2023 年	作者发表《可逆的插件系统》设计文章——"可逆"成为后续全部故事的主线
2026 年	作者加入 DeepSeek，名字出现在 DeepSeek V3 技术报告
2026-08-13	DeepSeek Harness v0.1 开源（仓库转公开），MIT 协议；同天发布配套论文《A Programming Paradigm for Spatiotemporal Composability》（北大 + DeepSeek 联合，88 页）
2026-08-13 当天	Star 数 24 点冲到 2.8 万+，Fork 2100+
发布 12 小时	Star 破 5 万
发布 24 小时	Star 破 7 万，带 `dsh-plugin` 标签的第三方插件 288 个（随后迅速破千、破 4000）
发布 3 天	Star 破 10 万 / 约 11.6 万
发布约 6 天	Star 约 16.5 万 / 15 万+，Fork 1.5 万+，Hacker News 冲上 TOP 1

增长对比：OpenAI Codex CLI 用了约 16 个月才到 10 万 Star，而 DeepSeek Harness 只用了一两天。社区称之为"Agent 领域的 Linux 时刻"、"Agent 界的 Android"。

开源后项目持续快速迭代（截至 2026-08-19 已有 12,940 个 commit、25 位 contributors，release 已到 0.1.0-rc.8）。

主要功能

全插件架构：模型适配器、工具注册表、会话日志、Agent 循环本身、Web UI、存储、沙箱、调度全部是插件，无特权核心。
多模型适配：内置 DeepSeek 模型适配器（deepseek-v4-pro / deepseek-v4-flash），支持 OpenAI 兼容端点，40+ 家模型厂商可换（DeepSeek、Anthropic、OpenAI、Bedrock、Vertex、Azure、Gemini 等），默认 DeepSeek。
工具执行管道：pre-execute → 守卫 → 审批 → execute（超时/重试）→ post-execute → 结果规范化 → result 全链路，每个环节可被插件拦截/增强。
会话持久化：append-only 事件日志（JSONL，zstd 压缩），支持分叉（fork）、恢复（resume）、上下文压缩（compaction）、回放（replay）。
子代理委托：spawn（全新子会话，不继承上下文）与 fork（继承历史分叉）双模式，支持后台任务与工作流编排；甚至可把 Claude Code 或 Codex 当作子代理接入（subagent-claude-code / subagent-codex provider）。
沙箱安全策略：文件系统写隔离、进程执行限制、审批策略分级（workspace-write / read-only / danger-full-access）；OS 级真实隔离（Windows CreateRestrictedToken，Linux Landlock+bwrap，macOS Seatbelt）。
Web UI 与无头模式：内置浏览器交互界面（默认端口 3080），支持 headless 一次性任务执行与 ACP（Agent Client Protocol）JSON-RPC 自动化服务。
Python SDK：提供 Python SDK 与捆绑运行时。
四种 Agent 预设模式（per-session 级，可同进程并存）：

模式	能力	定位
标准模式 Standard	文件编辑、Shell、文件/网页检索、Skills、计划、目标、子代理、工作流	功能完整的编码 Agent
PTC 模式	标准全部能力 + Code Mode SDK，模型直接写 TypeScript 程序组合多步工具调用（多轮往返压成一轮）	让模型"写程序"调工具
极简模式 Minimal	仅 `bash` + `str_replace_editor` 两个工具	最小环境模型基准测试
创造模式 Creator	标准全部能力 + 运行时自省、插件实验、preset 创作	自定义 Agent preset

注意：DeepSeek V4 系列模型的官方 Agent 基准成绩，就是在 Harness 极简模式下跑出的——框架与模型互相验证。

核心优势

真正的可热插拔、无锁死：包括 Agent Loop 在内的一切都是插件，换模型/工具/沙箱/循环都不改内核、不改源码，只改配置。
模型无关、打破厂商绑定：40+ 模型厂商、OpenAI 兼容端点，甚至能把 Claude Code / Codex 当子 Agent，中立姿态是生态想象力来源。
可审计、可回放：强制"模型可见 = 必入日志（Model-visible means logged）"运行时不变量，append-only 日志支持 resume/fork/检索/replay，可精确重建"Agent 当时看到什么、为何这样决策"——这是封闭产品（Claude Code 等）不具备的审计能力。
有硬理论支撑（Cordis）：88 页论文《A Programming Paradigm for Spatiotemporal Composability》解决"插件装上后拔不干净"的痛点；可逆副作用 + 依赖反应式管理，插件热插拔、卸载自动回滚、加载路径不影响终态（路径无关性）。已在 Koishi 跑四年、被 4000+ 插件生产验证。
完整安全体系：OS 级沙箱 + 分级审批管道 + 权限模式，安全逻辑共享同一条工具流水线主干道。
生态飞轮：MIT + 模型无关 + 插件化，社区插件 288 → 4000+，有人让 Agent 现场"给自己造出新器官"（cordis_define / cordis_run 自我扩展）。
模型+框架同日发布的组合叙事：V4-Pro 正式版 + Harness 同天上线，"大脑+身体"互相证明。

主要短板

仅是 v0.1 开发者预览版：官方明确警告"将会有破坏兼容性的变更"，插件 API 与配置结构未稳定，不适合直接上生产。
对普通用户不友好：更偏"开发者底座"，上手门槛高于 Claude Code / Codex。
安全与供应链风险：插件化程度越高权限治理成本越高，社区曾出现"插件误删 400G 数据"事件，装第三方插件必须审查权限。
绝对能力仍落后：相比 Claude Code / Codex，在 coding agent 打磨、权限模型、diff 审查、IDE 集成方面仍有差距——"赢了架构这一栏，输了成熟度这一栏"。
协作门槛：项目当前阶段不接受外部 Pull Request（单一作者/团队主导），社区主要以插件形式参与。

局限性

需 Node.js ^22.19.0 或 >=24.0.0、pnpm 11.7.0，技术栈限定 TypeScript/Node（Python 仅 SDK 层）。
会话格式不向后兼容：SESSION_FORMAT_VERSION 保持 0，升级后旧会话日志可能无法加载。
依赖 DeepSeek 模型能力发挥（弱模型上手效果差）；默认 DeepSeek API Key（可配 OpenAI 兼容端点替代）。
Windows 上 bash 执行链自动禁用，改用 pwsh。
早期版本尚未内置长期记忆体/知识库（社区以插件方式补充，如第三方 DDW 插件为 dsh 加上记忆与知识库能力）。
动态自修改（self-modification）当前仍是"会话内临时叠加 + 写盘重启挂载"，并非运行中热替换当前装配。

适用场景

编码助手平台搭建：构建可读写文件、执行命令、运行测试的 AI 编码智能体；
自动化任务编排：通过子代理委托与工作流引擎实现多步骤、多代理协作的复杂任务自动化；
LLM 应用基础设施：为上层 LLM 应用提供会话管理、工具调用、安全沙箱等底座；
Agent 协议对接：通过 ACP JSON-RPC 将 Agent 能力暴露为标准化服务（编辑器 / CI 集成）；
插件生态开发：开发自定义工具、模型适配器、能力提供者，扩展框架能力边界；
研究与评测：极简模式下跑模型 Agent 基准，日志可逐轮回放做对照实验。

不适合：只需简单 LLM 问答的场景（过重）；不熟 TypeScript/Node 的团队；需要生产级稳定性的场景（预览版）。

同类竞品：LangChain / AutoGPT / Claude Code

维度	DeepSeek Harness	LangChain	AutoGPT	Claude Code
架构模式	全插件架构，无特权核心	链式调用，模块化	单体应用	封闭产品
能力替换	配置文件替换，零代码修改	需编写适配代码	修改源码	不支持
会话模型	append-only 事件日志，可回放分叉	内存状态为主	简单持久化	封闭
安全策略	结构化沙箱管道，分级审批	无内置安全策略	无	内置但封闭
插件开发	Cordis 标准化插件协议	自由格式	无标准	不支持
子代理	spawn/fork 双模式	需自行实现	无	无
开源协议	MIT	MIT	MIT	闭源

同类竞品：Pi-Agent / DeepAgents / Claude Agent SDK / Codex

以下四者均属"Agent Harness / Agent SDK"赛道，但定位、架构哲学、生态归属差异明显。

竞品速览

项目	出品方	定位	开源	模型绑定	技术栈
DeepSeek Harness	DeepSeek AI	全插件化通用 Agent 运行时底座	MIT 全开源	模型无关，40+ 厂商	TS/Node monorepo（49 包），Python SDK
Pi-Agent	Mario Zechner（Earendil-Works 维护）	极简终端 Coding Agent 内核	MIT 全开源	模型无关，含本地 Ollama	TS monorepo（pi-ai/core/coding-agent/tui），核心约 1500 行
DeepAgents	LangChain	基于 LangChain+LangGraph 的企业级"成品 harness"	MIT 全开源	模型无关（工具调用类 LLM）	Python + JS/TS（deepagents.js），v0.6.12 / 26M 下载
Claude Agent SDK	Anthropic	复用 Claude Code 能力的官方 SDK（库）	MIT	绑定 Claude 模型生态	Python + TypeScript
Codex	OpenAI	产品级编码 Agent + 开放 harness 平台	CLI 等 Apache-2.0 开源，产品闭环	绑定 OpenAI 模型（gpt-5.x）	TypeScript（CLI/SDK/App Server）

核心区别

vs Pi-Agent（同赛道最像的"轻量派"）

维度	DeepSeek Harness	Pi-Agent
架构哲学	富内置 + 一切皆插件、无特权核心：模型/工具/会话/沙箱/循环/UI 全部插件，标准模式开箱即带全套能力	极简内核 + 能力外置：内核仅 4 工具（read/write/edit/bash），系统提示词 <1000 token，高级能力全靠 Skill/Extension 按需装配
核心循环	Turn/Step 驱动器本身是可替换插件	ReAct 变体循环以 Hook 事件暴露（before_tool/after_tool 等），循环本体固定
内置能力	子代理、沙箱、审批、Web UI、ACP、Python SDK、4 种 preset 全内置	沙箱/MCP/子代理/权限弹窗全部不内置，靠扩展包（如 pi-mcp-adapter、pi-subagents）
安全	OS 级沙箱 + 分级审批管道，安全内建	默认继承宿主用户权限，安全靠钩子/容器自行治理（生产需自己加白名单/Docker 隔离）
Token 开销	标准模式富提示，开销较高	极低（约为 Claude Code 的 30-40%）
场景侧重	通用多场景 Agent 基础设施、平台搭建	极致轻量 coding、私有化部署、学习 Agent 源码
关系	——	OpenClaw 的底层内核就是 Pi-Agent

总结：都是"模型无关 + MIT + harness"思路，但 Pi 把"克制"做到极致（毛坯房，好用但裸奔），dsh 把"可组合"做到极致（精装积木，安全与审计内建但重）。

vs DeepAgents（同为"成品级 harness"的另一派）

维度	DeepSeek Harness	DeepAgents
底层内核	Cordis 插件元框架（自研，可逆副作用）	LangGraph 状态图（图编排运行时）
可扩展性	一切皆插件，含 Agent Loop 本身，配置层即可替换	可 override/replace 任意组件但需代码层定制，核心循环由 LangGraph 提供
开发范式	配置驱动（cordis.yml 四层管道），TypeScript	代码驱动（Python/JS），依赖 LangChain 生态
能力侧重	全插件、可审计日志、OS 级沙箱、审批管道	长时任务规划（write_todos）、子代理隔离上下文、上下文自动压缩、持久化记忆、人在回路
可观测	append-only 会话日志 + "模型可见=已记录"不变量	LangGraph streaming/checkpointing + LangSmith tracing/eval
生态	dsh-plugin 插件市场（4000+）	LangChain/LangGraph 生态（26M 下载、v0.6.12、Deep Agents Code 终端 agent）

总结：DeepAgents 是"LangChain 生态里开箱即用的企业级深链 Agent"，规划/子代理/记忆是它的卖点；dsh 的核心差异是架构级**的——连循环都能换、配置即重组、审计是机械强制的不变量，且不绑定任何 LangChain 式框架。

vs Claude Agent SDK（同为"可编程 harness/SDK"）

维度	DeepSeek Harness	Claude Agent SDK
出品方定位	中立底座，模型无关	Anthropic 官方 SDK，绑定 Claude 生态
循环	Claude Code 式循环做成可替换插件，无特权核心	复用 Claude Code 的 agent loop（黑盒循环，作为库暴露），不可替换
内核原则	一切皆插件 + 可逆副作用	"Give your agents a computer"（给 agent 一台电脑：文件/命令/浏览器/MCP/computer use）
模型	40+ 厂商，OpenAI 兼容端点，甚至可把 Claude 生态当子代理	仅 Claude 模型（含 Bedrock/Vertex 接入）
内建能力	内置沙箱/审批/审计日志/Web UI/ACP	提供权限控制、MCP、上下文管理、多 agent 编排（需自行组装）
形式	可运行底座 + CLI + Web UI	纯 SDK（库），需开发者自己写应用层

总结：Claude Agent SDK 是"把 Claude Code 能力库化给 Claude 生态开发者"；dsh 是"中立、无特权核心、连 Claude Code 都能作为其子代理的底座"——两者存在"下层底座 vs 生态 SDK"的错位竞争，甚至可嵌套使用（subagent-claude-code）。

vs Codex（同为"开放 harness 平台"）

维度	DeepSeek Harness	Codex
开源面	MIT 全开源，一切皆插件	harness 组件开源（Codex CLI Apache-2.0、codex exec、Codex SDK、App Server），产品闭环绑定 OpenAI
架构	无特权核心，循环可替换	"核心固定 + 接口扩展"：开放了集成层，但 agent 主循环/模型仍围绕 OpenAI 产品
模型	模型无关 40+ 厂商	绑定 OpenAI 模型（gpt-5.x / Codex 模型）
集成	ACP、Python SDK、配置重组	codex exec（CI/脚本）、Codex SDK（TS 程序化编排）、App Server（生命周期/事件协议）
成熟度	预览版 v0.1	成熟产品（Plus 订阅含入、16 个月到 10 万星）

总结：OpenAI 2026 年 8 月"Codex as a platform"全面开源 harness，与 dsh 几乎同期引爆；但 Codex 是"开放给开发者集成、仍以自家模型为核心的产品平台"，dsh 是"模型无关、连循环都可换的开放底座"——dsh 同样可以把 codex 当子代理（subagent-codex）。

DeepSeek Harness 的核心优势（相对四者综合）

架构级自由（无特权核心）：唯一把"包括 Agent 循环在内的所有能力"都做成可替换插件的框架。Pi 换不了循环、DeepAgents 换不了 LangGraph 循环、Claude Agent SDK / Codex 的核心闭环也不可换；dsh 改配置即可重组任何能力。
模型无关 + 厂商中立：40+ 厂商、OpenAI 兼容端点、甚至接入 Claude Code / Codex 作子代理——相对 Claude Agent SDK / Codex 的生态绑定是最大差异化。
可逆插件系统（Cordis 理论背书）：热插拔 + 卸载即回滚 + 路径无关性，为"Agent 自进化"提供安全带；有 88 页论文 + Koishi 4 年 / 4000+ 插件生产验证，这是 Pi 的 Hook 注入、DeepAgents 的 LangGraph 组装所没有的范式级保障。
审计与回放是机械强制：append-only 日志 + "模型可见=已记录"不变量，回放/分叉/评测/合规底座完整——Pi 靠事件暴露、DeepAgents 靠 LangSmith trace，均非框架级强制。
安全内建：OS 级沙箱（Landlock/bwrap/CreateRestrictedToken/Seatbelt）+ 统一审批管道 + 权限分级，且所有工具调用（含 PTC/subagent 子调用）无法绕过——比 Pi 默认裸奔、比 LangChain 系无内置安全策略都更完整。
生态飞轮 + 官方协同：15万+ star、4000+ 插件、2 周建生态；与 DeepSeek V4 模型同日发布、官方 Agent 基准在极简模式下跑出，互相验证。

选型建议

诉求	推荐
想搭建自己的 Agent 平台/底座、要求可换模型不锁死、要审计与安全内建	DeepSeek Harness
极致轻量 coding、私有化/离线（Ollama）、学习 Agent 内核源码	Pi-Agent
已在 LangChain/LangGraph 生态、要企业级长时任务编排 + 人在回路	DeepAgents
深度绑定 Claude 生态、要把 Claude Code 能力嵌入自有产品	Claude Agent SDK
深度使用 OpenAI 生态、要产品级编码 agent 且可编程集成	Codex

发展趋势

开源社区活跃度：极速爆发——12h 5 万星、24h 7 万星、3 天 10 万+、约 6 天 15-16.5 万星，Fork 1.5 万+；dsh-plugin 标签插件 24h 内 288 个、随后破千破 4000；GitHub 12,940 commits / 25 contributors，release 快速推进到 0.1.0-rc.8。
生态走势：社区插件围绕"官方缺什么补什么"（记忆、知识库、Web UI、桌面端、沙箱方案如 sandbox-micro / sandbox-mxc / sandbox-nono、E2B 远端沙箱 PoC）。
总结：DeepSeek Harness 正以"MIT + 模型无关 + 一切皆插件"的底层叙事，从 v0.1 毛坯房快速长成 Agent 生态底座，方向是"让 Agent 能安全地改造自己的运行时"（自进化），但成熟度仍在爬坡。

2 工作原理与架构

概念术语

术语	含义
Harness	Agent 运行时底座，连接模型与环境的"身体"层
Cordis	驱动 dsh 的插件元框架内核（vendor 进主仓库，改名 `@deepseek-ai/cordis`，附 18 条本地补丁）；源自 Koishi 生态
Everything is a Plugin	dsh 架构原则：一切能力（含 Agent Loop）都是可替换插件，无特权核心
Context（ctx）	Cordis 共享上下文对象，插件通过 `ctx` 注册服务/事件/副作用，通过 `inject` 声明依赖
ctx.effect()	可逆副作用原语：副作用操作返回清理函数（disposer），插件卸载时按注册逆序全部执行（运行时级 RAII）
Turn / Step	Turn=一次输入消费周期；Step=一次模型请求+其引发的工具调用，一个 Turn 含 0..N 个 Step
SessionEvent	追加写入的事件日志类型（user/message、assistant/chunk、tool/call、tools/result、turn/、step/ 等），是系统唯一真相来源
Model-Visible ⟺ Logged	运行时不变量：任何到达模型的内容都必须可从会话日志重建
Capability Seam	能力接缝：每个能力由 Service Definition（接口）/ Provider（实现）/ Consumer（消费方）三角色构成
Profile / Bundle / Patch	配置组合机制：四层配置管道（bundle 分发 → profile 补丁 → 用户主目录补丁 → 命令行 --patch），后写覆盖
PTC 模式	工具列表塌缩成一个 `run_code`，模型直接写 TypeScript 程序编排多步工具调用
ACP	Agent Client Protocol，通过 JSON-RPC stdio 暴露 Agent 能力给编辑器/CI
spawn / fork 子代理	spawn=全新子会话（不继承父上下文，经共享工作区+结构化报告传状态）；fork=继承已完成历史的分叉

架构与运行原理

总体分层

flowchart TB subgraph 前端与协议层 UI[Web UI 服务 端口 3080] H[headless 一次性执行] ACP[ACP JSON-RPC 服务] PY[Python SDK] end subgraph Cordis 插件上下文 Context LLM[ctx.llm 模型适配器] T[ctx.tools 工具注册表+执行管道] S[ctx.sessions 会话事件日志] AG[ctx.agentLoop Turn/Step 驱动器] SP[ctx.systemPrompt 提示段落组装] FS[ctx.fs / ctx.shell / ctx.sandbox] SUB[ctx.subagent spawn/fork] APP[ctx.approval 审批服务] end subgraph 能力提供者层 P1[dsh-llm-deepseek] P2[dsh-bash-sandbox / dsh-fs-sandbox / dsh-sandbox-local] P3[dsh-session-persistence-jsonl / dsh-compaction-basic] P4[dsh-tool-bash / fs / subagent / todo / workflow / ralph] end subgraph 持久化层 JSONL[(JSONL 事件日志 zstd 压缩)] end UI --> Context H --> Context ACP --> Context PY --> Context Context --> P1 & P2 & P3 & P4 Context --> JSONL

框架启动时按 Profile 加载有序 Bundle 层，构建插件树；每个插件实现 Service 接口，通过 apply(ctx) 挂载，按服务依赖自动排序加载。
每个能力 = Service Definition + Provider + Consumer 三角色；换一个 Provider 即可改变整条能力链。
"执行世界"抽象：文件系统与子进程共享同一 provider，可把 provider 指向远端沙箱（已有 E2B PoC），消费方零改动。

Agent 循环执行流程

用户输入 → turn/start → agent/pre-step(waterfall，可拒绝/改写) → step/start
→ 组装系统提示+工具schema → agent/request → llm/stream(模型流式响应)
→ assistant/chunk* → assistant/message → tool/call*
→ 工具执行管道 → tool/result* → step/end → 判断是否需要下一步 → turn/end

工具执行管道：tools/pre-execute（前置策略/权限/沙箱）→ 单调守卫(deny/abstain) → ctx.approval（一次性审批）→ tools/execute（超时/重试/指标）→ 文件系统守卫 → tools/post-execute（接受/阻止/替换/追加上下文）→ 结果规范化 → tools/result（不可变结果通知）。
所有执行路径（模型驱动调用、workflow 脚本调用、subagent 调用、PTC 子调用）都过同一个 ToolRuntime.execute 闸门，无法绕过审批与沙箱。
会话日志：deriveMessages() 纯函数从 append-only 日志投影模型历史；每次派发请求前用 JSON.stringify 比对"即将发出的请求"与"从日志重建的结果"，不一致直接 fail，机械强制"模型看到的 = 日志记录的"。

Cordis 时空可组合性（理论内核）

时间维度（Temporal Composability）：副作用可逆。ctx.effect() 要求副作用返回清理函数，卸载时按逆序执行，系统恢复到"插件没来过"的状态。等价于把 RAII / Rust Drop 从语言层提升到运行时层。
空间维度（Spatial Composability）：依赖反应式管理。声明式依赖 + 反应式响应：B 依赖 A 则 B 在 A 就绪后才启动、A 停止时 B 先卸载、A 起不来 B 不启动；A 变化时只重启真正依赖它的插件（fiber + epoch 指纹 + inertia 锁）。
两维合成 → 路径无关性：系统终态只取决于"开了哪些插件"，与加载顺序/装卸历史无关——这是热重载和"agent 改自己运行时不留烂摊子"的数学前提。
事件系统 5 种分发模式：emit / parallel / serial / bail / waterfall，统一到一条内部路径；waterfall 让监听者链式 next() 委托，可拦截或包装。

3 安装部署 & 使用指南

参见: [AI/Agent] DeepSeek Hardness 使用指南 - 博客园/数据知音

Z FAQ for DSH

Q1: DeepSeek Harness 和 DeepSeek 模型是什么关系？

它是 DeepSeek AI 开源的 Agent 运行时底座，不是模型本身。公式：Model + Harness = Agent。默认内置 DeepSeek V4 系列适配器，官方 Agent 基准成绩（如 DSBench-Hard 等）即在 Harness 极简模式下跑出，框架与模型互相验证。

Q2: "一切皆插件"到底意味着什么？

模型适配器、工具注册表、会话日志、沙箱、存储、Web UI，连驱动 Agent 的核心循环本身都是可替换插件，没有特权核心。扩展方式是"在配置层挂新插件"，而非 fork 源码或改核心代码。媒体评价："别的框架让你在循环里插钩子，dsh 让你把整个循环拧下来。"

Q3: 能接非 DeepSeek 的模型吗？

能。官方支持 40+ 家模型厂商（Anthropic、OpenAI、Bedrock、Vertex、Azure、Gemini 等）及任意 OpenAI 兼容端点，甚至可以把 Claude Code、Codex 作为子 Agent 接入。

Q4: 适合直接上生产吗？

不适合。目前是 v0.1 开发者预览版，官方明确声明"将会有破坏兼容性的变更"，插件 API/配置结构/会话格式（SESSION_FORMAT_VERSION=0）均未稳定。

Q5: 插件安全风险大吗？

插件化程度越高权限治理成本越高。社区曾出现"插件误删 400G 数据"事件，装第三方插件务必审查权限声明，生产环境建议配合沙箱与审批策略。

Q6: 和 Claude Code / Codex 比成熟度如何？

架构上赢（可换循环、可审计、模型无关），成熟度上输（预览版、coding agent 打磨/权限模型/diff 审查/IDE 集成仍有差距）。社区共识："赢了架构这一栏，输了成熟度这一栏。"

Q7: 我需要写代码才能用吗？

不需要。一条命令 npx @deepseek-ai/dsh web 即可启动 Web UI；深度定制才需要了解 cordis.yml 配置或写插件（TypeScript）。

Y 推荐文献

DeepSeek Harness 官方 GitHub 仓库
DeepSeek Harness 中文 README
《A Programming Paradigm for Spatiotemporal Composability》（Cordis 配套论文，北大+DeepSeek，88 页，随开源同日发布于 arXiv，检索 "Spatiotemporal Composability" 即可定位）
Pi-Agent（badlogic/pi）GitHub
DeepAgents GitHub（langchain-ai/deepagents）
DeepAgents 论文
Claude Agent SDK 官方文档
Anthropic：Building agents with the Claude Agent SDK
OpenAI：Codex as a platform
Codex SDK 文档

X 参考文献

posted @ 2026-09-01 14:14 数据知音阅读(43) 评论(0) 收藏举报

刷新页面返回顶部