AI-harness-字节的DeerFlow

harness

大模型的本质是基于上下文的概率生成引擎
Prompt Engineering（提示词工程）、
Context Engineering（上下文工程）、
Harness Engineering（驾驭工程，国内权威译法，也译作管控工程）一套可积累、可进化、能持续收敛错误的闭环体系
思维链（Chain-of-Thought, CoT）
01.Claude Code + Agent SDK，Anthropic 出品。目前公认的通用Harness 标杆。
不只是编码工具，他们已经用它做深度研究、视频创作、笔记。核心是那套评估
2025 年 11 月：双 Agent（初始化 Agent + 编码 Agent）
2026 年 3 月：三 Agent（Planner + Generator + Evaluator
Harness Engineering
02.Harness Engineering 关注的不是“怎么把模型训练得更强”，
而是“怎么设计模型运行系统，让模型在机制里把事稳定做成”。 Prompt/Context
它可理解为 AI 工程的第三阶段：Prompt → Context → Harness，且是包含关系：Prompt ⊂ Context ⊂ Harness
成熟 Harness 常见 6 个模块：
上下文/知识、工具/权限、验证/约束、
状态/记忆、可观测性/反馈、
人类接管/生命周期。
Harness：把流程/工具/验证/恢复都配齐，让系统“交付得出来”
幻觉是它的命门，生态才是护城河
当下：
问题的解决就需要本身有比较丰富的编程和运维经验，才能让这个AI工具真正让普通人在工作生产环境用得顺手
01.环境差异、版本泥潭、跨项目经验迁移。当前的环境差异带来的问题，AI解决不了。
它需要人的介入，要么能明白问题所在，告诉它环境的差异在哪，要么人能直接解决
02.一类是需要思想性、创新性的问题

产品发展期

流程编排工具：核心方法论：链式流程编排、简单的条件分支、工具调用封装典型产品：LangChain的Sequential Chain、Transformation Chain
全链路的管控体系:核心方法论：DAG/状态机流程编排、全链路安全管控
典型产品：微软推出的Prompt Flow，是首个完整的Harness Engineering产品化实现，
LangChain推出的LCEL与LangGraph，实现了复杂流程的代码化编排与状态管理，成为开源领域的事实标准
工具： Skill都是一个标准化的Harness单元，封装了对应的Prompt、Context、执行规则、安全管控、工具调用逻辑，
实现了管控单元的标准化封装与跨平台复用
LangGraph 0.3.x已成为开源领域最主流的Harness开发框架
OpenClaw 3.12稳定版开源了完整的Skill管控引擎
变迁：
AI 开始真正参与软件交付时，团队面对的核心问题已经悄悄变化了
三大核心事项：构建文档与上下文体系、以机器可处理的方式定义业务意图、构建自动化的防呆验证机制。
对工程师的要求，也从“写代码的速度”，转向了“系统理解的深度、抽象能力与系统性思维”
历史经验：做过CI/CD--devops开发设计--gitlab + gitlab-runner
做过迁移以及升级工作
Pipeline as Code + AI-Native（AIDA）

DeerFlow

→ Backend: LangGraph + Gateway
→ Frontend: Next.js
→ Nginx: Reverse Proxy

DeerFlow 安装和使用

用DeerFlow API前，必须确保两个核心服务正常运行：底层大模型服务（vLLM）和DeerFlow主服务。它们分别承载推理能力和编排逻辑。
sudo ln -s /usr/bin/python3 /usr/bin/python
2. 生成本地配置文件
make config
✓ Configuration files generated
3.配置
01.配置模型
02.为已配置的模型设置 API Key
03.config.yaml 中编辑，找到 channels
04.（deer-flow/）中找到 .env，再将 API Key 和飞书机器人的 App ID，App Secret 复制粘贴到 .env 文件当中
4.DeerFlow支持多种搜索引擎，可以在.env文件中通过SEARCH_API变量进行配置

配置

Example: MiniMax (OpenAI-compatible) - CN 中国区用户

MiniMax provides high-performance models with 204K context window

Docs: https://platform.minimaxi.com/docs/api-reference/text-openai-api

- name: minimax-m2.7
display_name: MiniMax M2.7
use: langchain_openai:ChatOpenAI
model: MiniMax-M2.7
api_key: $MINIMAX_API_KEY
base_url: https://api.minimaxi.com/v1
request_timeout: 600.0
max_retries: 2
max_tokens: 4096
temperature: 1.0 # MiniMax requires temperature in (0.0, 1.0]
supports_vision: true
supports_thinking: true

Image search tool (uses DuckDuckGo)

Use this to find reference images before image generation

- name: image_search
group: web
use: deerflow.community.image_search.tools:image_search_tool
max_results: 5

.env
###model
MINIMAX_API_KEY=sk-api*****

排查

Verifies Node.js 22+, pnpm, uv, nginx

Error: unknown shorthand flag: 'p' in -p 故，此处将-p的部分
export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple
export NPM_REGISTRY=https://registry.npmmirror.com
DEER_FLOW_ROOT=/home/ubuntu/harness/deer-flow

cat Makefile
# DeerFlow - Unified Development Environment
sudo apt install npm
npm install -g pnpm
npm install next react react-dom
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.1/install.sh | bash

npm init -y
sudo apt install nginx -y

npm pnpm nvp

安装说明

Node.js：运行 JavaScript 的环境（发动机）
npm：Node.js 自带的包管理器（默认工具：Node Package Manager）
pnpm：比 npm 更快、更省空间的包管理器（升级版 Performant npm）
nvm：切换 Node 版本的工具（Node Version Manager）

pnpm install
读取项目里的 package.json
自动下载所有需要的库（vue、react、axios、express 等）
把它们放到 node_modules 里
生成 / 更新 pnpm-lock.yaml（锁定版本）
pnpm init 重建
npm init -y npm init -y = 快速生成一个默认的 package.json 文件
cd ~/deer-flow/frontend && pnpm install && pnpm dev

@next/swc-linux-x64-gnu@16.1.7
@next/：属于 Next.js 官方包
swc：Speedy Web Compiler，Next.js 默认用的极速 JS/TS 编译器（比 Babel 快很多）
linux-x64-gnu：Linux x86_64 架构 + GNU libc 系统
@16.1.7：版本
Next.js 是一个基于React 的开源框架，用于构建快速、现代化的Web 应用程序。

nvm use 20.10
make dev

参考

https://github.com/HKUDS/nanobot?tab=readme-ov-file#providers

posted on 2026-03-31 16:26 辰令阅读(221) 评论(0) 收藏举报