DeepSeek Harness 架构解析:让 Agent 从会聊走向任务交付

掘金作者“编程干货铺”于 2026 年 11 月 15 日发布 DeepSeek Harness(命令行 dsh)的实战与架构解读,把 Agent 运行环境拆成会话、循环、工具、沙箱审批、上下文、交付六层,并讨论了更进一步的 Super-agent 原型设计。值得关注的是,它尝试把记忆、调度、审批、恢复从人身…

一句话看懂:掘金作者“编程干货铺”于 2026 年 11 月 15 日发布 DeepSeek Harness(命令行 dsh)的实战与架构解读,把 Agent 运行环境拆成会话、循环、工具、沙箱审批、上下文、交付六层,并讨论了更进一步的 Super-agent 原型设计。值得关注的是,它尝试把记忆、调度、审批、恢复从人身上挪进系统。

事件核心:发生了什么

据该文介绍,DeepSeek Harness 是 DeepSeek 推出的 Agent 运行环境,内核是 agent loop:模型请求调用工具,Harness 在沙箱与审批约束下执行,结果追加进只追加的会话日志,再据此请求模型,直到产出可打开的交付文件。它有三种外壳——桌面 App、浏览器界面和命令行 headless 模式,能力主要靠插件组装,profile 由 package.json 与 cordis.patch.yml 两个文件声明。

文章还披露了团队开源的 dsh-superagent-prototype 思路:用 Router 做调度决策、Worker 做无状态执行,借 Thread 订阅让后续消息绕过 Router 直达 Worker,并设独立 Watchdog 巡检任务是否有实质进展。文中提到,原型把一批任务的 p95 完成时间从 29.5 分钟压到 15.7 分钟,但该数据来源链接在原文中标注待补,目前公开信息显示尚待核实。

为什么重要

多数 Agent 产品的瓶颈不在模型推理,而在“手”和“边界”:能否读写文件、执行命令、在崩溃后续跑、在危险动作前请示。Harness 这一层若成熟,任务长度就能超过单次回答的长度,大模型从问答工具变成可交付的执行者。Router/Worker 分离、状态外置、链式召回等设计,也是把分布式系统的控制面/数据面思路搬进 Agent,对后续工具链形态有参考价值。

对用户/开发者/创作者的影响

开发者可以先用 dsh –dump-config 查看插件叠加结果,按需增删能力,而不必等官方排期;桌面版调好的行为可迁到 CI 的 headless 模式,减少环境漂移。普通用户和创作者更直接的变化是交付物以文件卡片挂在对话下,不必反复复制粘贴、手工核对。不过文章明确指出,Super-agent 属于原型与设计方向,不是当前下载即用的功能,端云协同等主张仍需产品验证。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 Super-agent 原型的 p95 数据能否给出可核查来源,以及是否进入正式产品;二是插件生态能否吸引第三方做飞书接入、diff 审阅等扩展;三是端侧 daemon 接入真实环境后,审批与权限边界如何防止误删等不可逆操作。

来源:juejin

celebrityanime
celebrityanime
文章: 35325

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注