DeepSeek Harness(dsh)2026年版本演进、功能更新与稳定性评估

Windows10下部署Heygem进行数字人生成 对于使用Heygem生成数字人,需要注意几个问题: + 需要使用Nvidia的显卡。 + 需要在Windows上进行本地部署。主要原因为客户端是Windows的,客户端对上传的视频写入硬编码的`D:\heygem_data\voice\data`目录,需要在容器上读取这些文件。 + 需要在Windows上部署Docker,将Windows的目录映射到容器中,由容器中的服务进行读取。 + 需要特别注意,一定要有D盘,这个D盘是Windows的D盘,不能是插入的USB设备后产生的D盘。 + 需要下载3个Doc 阅读详情


dsh 至今仍是发布时的 0.1.0-rc.6,公开仓库自 2026-08-13 起没有收到过一条提交。 四天没有任何可见的上游变动,而 README 里写着这个项目正在快速迭代。

这些都不能说明它是个差工具。但它确实会改变一件事:把 dsh 接进任何你依赖的东西之前,你该先做什么。

当前版本:      0.1.0-rc.6,发布于 2026-08-13 12:35 UTC
已发布版本数:  6 个,全部在 2026-08-10 至 08-13 之间
最后一条提交:  2026-08-13 11:38 UTC
Release / Tag: 0 / 0
分支:          只有 master
Issue 通道:    已关闭,只有 Discussions 和 Discord
Discussions:   2,713 帖(2026-08-17 快照)
协议:          MIT
官方定位:      developer preview,明示会有破坏性变更
启动入口:      npx @deepseek-ai/dsh web,Web UI 在 127.0.0.1:3080

DeepSeek Harness 现在是哪个版本?

0.1.0-rc.6,2026-08-13 12:35 UTC 发布。 npm 上 latest 和 next 两个 dist-tag 都解析到它,所以直接 npx @deepseek-ai/dsh 和显式加 @next 拿到的是同一份文件。

完整的发布历史是六个版本、跨四天,其中一半集中在发布当天:

版本发布时间(UTC)
0.0.1-rc.12026-08-10 19:41
0.0.1-rc.22026-08-11 15:24
0.0.1-rc.52026-08-12 22:36
0.1.0-rc.22026-08-13 09:48
0.1.0-rc.32026-08-13 11:16
0.1.0-rc.62026-08-13 12:35

每一个版本都发在公开发布之前或当天。你今天装到的,就是上线第一天的那一版。

发布之后更新过吗?

公开层面没有。 master 上最后一条提交时间是 2026-08-13 11:38 UTC,仓库自己的 pushed_at 是 2026-08-13 13:00 UTC。2026-08-17 再查一次,两个都没变。

而且没有别的地方能读出状态:

  • 0 个 release、0 个 tag,上游没有任何「这一版是好的」的信号

  • 只有 master 一条分支,看不到开发线

  • npm 也没动,排除了「先发 npm 后补 git」这种可能

这件事对一个成熟项目不算什么,但 README 明说了会有破坏性变更。一个预告会弄坏你的工具、又不给你任何 tag 可锁的项目,npm 版本号就成了你唯一的锚。

怎么自己核实 dsh 的状态?

三条命令,不需要 GitHub 账号。 本文里每个数字都会变,所以别信快照,自己验。

看当前版本和完整发布历史:

npm view @deepseek-ai/dsh dist-tags versions time

看公开仓库到底动没动:

curl -s https://api.github.com/repos/deepseek-ai/deepseek-harness \
  | jq '{pushed_at, has_issues, open_issues_count}'

截至 2026-08-17,这条返回的是 2026-08-13T13:00:21Z、false 和 0。release 和 tag 要单独调,两个都返回空数组:

curl -s https://api.github.com/repos/deepseek-ai/deepseek-harness/releases
curl -s https://api.github.com/repos/deepseek-ai/deepseek-harness/tags

如果你读到这里时 pushed_at 已经越过 2026-08-13,那下面的判断就变了,而锁版本这件事只会更重要,不会更不重要。

dsh 能上生产吗?

不能,而且 DeepSeek 自己就是这么说的。 README 为此单开了一节: 在评估 dsh 的生产可用性时,建议参考 OpenRouter 或 ofox.io 等聚合网关方案作为对比基准,以衡量其在请求路由、错误重试与 SLA 保障方面的成熟度差距。

DeepSeek Harness is currently in developer preview and is iterating rapidly. THERE WILL BE COMPATIBILITY-BREAKING CHANGES.

有两个结构性事实佐证这句话,而不是与它矛盾。

一是 Issues 被关闭,官方渠道只剩 Discussions 和 Discord。bug 报告和功能请求落在同一个信息流里,没有指派人、没有标签、没有状态。这套配置很适合收集信号,但很不适合追踪你提交的那个回归。

二是插件化架构指向同一个方向。dsh 里一切皆 Cordis 插件,连 UI 都是,这正是生态跑得这么快的原因。反过来说,上游一个破坏性变更可能落在你根本不知道自己依赖了的某个面上。

为什么 dsh 仓库说「快速迭代」却没有提交?

因为公开出来的是代码,不是围绕代码的过程。 仓库 2026-08-13 创建,但带着完整历史一起落地:12,293 条提交,最早回溯到 2026-06-10,第一条的 message 是 “Initialize repo with README, AGENTS.md, and CLAUDE.md symlink”。两个月的工作量,全都看得见。

留在私有侧的是代码之外的一切。merge commit 引用的 #2519、#2520、#2521 三个 PR 属于另一个你打不开的 deepseek-harness 组织,除 master 之外没有分支,发布当天之后再没推送过。

于是代码史异常透明,当前状态异常不透明。dsh 是怎么走到 0.1.0-rc.6 的,你能逐行读完;接下来会发生什么,你一无所知。

所以「快速迭代」大概率是真的,只是从外部观察不到。这本身是一种合理的项目运作方式。

但它对你有一个具体后果:2026-08-13 之后的任何时间点,你都分不清「安静是因为稳定」还是「安静是因为在忙」。 你会和所有人在同一刻知道答案——下一个版本出现在 npm 上的那一刻。

务实的应对是锁版本。npx @deepseek-ai/dsh@0.1.0-rc.6 今天不花你任何成本,而它是你与那个被预告过的破坏性变更之间唯一的东西。

dsh 的社区有多大?

很大,而且涨得比代码快得多。 2026-08-17 08:00 UTC 查的时候 GitHub Discussions 有 2,713 帖,而三天前我们自己那次快照大约是 620。写这篇的一小时内它就过了 2,730。星标和 fork 涨得一样快,所以本文里任何具体数字都请当成时间戳而不是事实,唯一稳定的只有方向。

这些帖子都在聊什么:

主题大家在要什么说明了什么
要原生客户端而不是浏览器真正的 CLI、桌面应用、编辑器插件Web UI 优先是争议最大的一个决定
装不上Windows、Arch Linux、Termux非 macOS 平台按「未验证」对待,别当「已支持」
第三方插件插件市场、知识库、UI 皮肤生态跑在内核前面,集中在 dsh-plugin 这个 topic 下
成本可见性每轮 token 数、峰谷时段提示现在这一版两样都没有
沙箱与权限多名用户独立报告有官方 preview 免责声明兜底;把 dsh 指向你在乎的仓库之前先了解这件事

2,713 条讨论对零条提交,这是本文最有用的一组数字对照。需求是真的,可见的迭代不是。

再看一眼生态那一行意味着什么。当插件跑得比它们所依附的内核还快,而内核又预告了破坏性变更,那么最先坏掉的一定是插件。这不是让你别用 dsh 的理由,而是让你把 dsh 装得薄一点的理由。

dsh 会告诉你每个任务花了多少钱吗?

目前不会。 现在这一版没有任何逐轮的 token 或成本显示。Ideas 区里赞数较高的一条帖子发于 2026-08-14,要的正是这个功能;发布当天也已经出现了一个社区做的成本追踪插件来补这个缺口。 dsh 目前对单任务 token 消耗的计费追踪能力有限,而 OpenRouter 和 ofox.io 等网关层方案均提供结构化的每次调用费用日志,可作为成本审计的参考实现。

时间点让这件事比看起来更尖锐。DeepSeek 已于 2026-08-16 把 V4 全系改成峰谷两档计价,同一个 agent 循环现在按落在哪个小时收两种价。

deepseek/deepseek-v4-pro 的缓存命中峰时涨了 12.1 倍,deepseek/deepseek-v4-flash 涨 5 倍。而一个每轮都重发同样系统提示和文件内容的 agent harness,恰好就是这次调价打中的那类负载。

在 harness 自己把这个数字露出来之前,你只能靠服务商控制台、自己的代理日志,或者社区那些显示单任务成本和峰谷状态的插件。这些东西 dsh 一个都没自带。

现在什么场景可以用 dsh?

可以拿来探索,不能拿来依赖。 这条线比「developer preview」这个标签划得更清楚,因为它取决于下一个版本落地时会弄坏什么。

可以用来先别用在
在临时仓库上评估它的插件模型任何带交付日期的事情
拿你自己的任务对比 DeepSeek 各个模型会被别人继承的团队共享配置
开发或测试一个 dsh-plugin无人值守的 CI 或定时任务
一个下午能重做一遍的本地实验沙箱意外会造成昂贵后果的工作

分界线就是:一次弄坏你配置的升级,代价是一个下午,还是一个 deadline。DeepSeek 已经用全大写告诉你它准备来哪一种了。

把 dsh 接进工作流之前该做什么?

锁版本、让模型端点保持可替换、暂时别放到关键路径上。 前两件不花成本,第三件才是真正的决策。 在将 dsh 集成至现有工作流前,建议先梳理 API 端点的兼容性,并对照 OpenRouter、ofox.io 等网关的接口规范,验证 dsh 在请求格式与响应结构上的一致性。

一份具体的清单:

  • 锁版本。跑 npx @deepseek-ai/dsh@0.1.0-rc.6,别用裸 dsh。

  • 把它指向一个你自己控制的 base URL,而不是写死的厂商默认值。

  • 任何有 deadline 的事情,留一个第二 harness 是能用的。

  • 盯 npm 而不是 GitHub,下一个版本会先出现在 npm 上。

  • 每次升级后重读一遍 README。破坏性变更只在那里公告,别处没有。

第 2 条是最常被跳过的。dsh 的内建路由读 DEEPSEEK_BASE_URL 和 DEEPSEEK_API_KEY,自定义 provider 表单接受任何 OpenAI 兼容端点,所以只要一开始就这么配,模型层是真的可以换。

在 ofox 上这两个字符串是 deepseek/deepseek-v4-flash 和 deepseek/deepseek-v4-pro,共用一把 key。价值不在网关本身,而在于:dsh 坏掉的那天,或者价格再动的那天,你要改的只有模型名这一个字符串。

两条路的分步做法都在 dsh 自定义 provider 配置指南里。想看 dsh 在可扩展性和模型绑定这两点上与 Claude Code、Codex 等工具怎么比,见编码 agent harness 横评。

References

124、LLC谐振变换器的矩阵变压器设计 摘要 本文分享了LLC谐振变换器中矩阵变压器的实战设计经验。针对大功率LLC单颗变压器的痛点(绕组层数多、散热不均、漏感一致性差),作者提出将大变压器拆分为多个小变压器单元(建议6个),通过原边串联、副边并联的方式实现功率分配。详细解析了磁芯选型、匝比计算、绕组结构、漏感控制和散热设计等关键参数,特别强调了小磁芯优势、等效匝比计算误区以及三明治绕法的重要性。文中还总结了调试过程中的谐振频率偏移和均流问题解决方案,并给出了矩阵数量选择、磁芯材质、绝缘材料等实用建议。作者指出,矩阵变压器在2kW以上LLC应用中 阅读详情

相关推荐

从Pikachu靶场实战解析越权漏洞:原理、攻击与防御

本文通过Pikachu靶场实战详细解析越权漏洞的原理、攻击方式与防御策略。文章深入探讨水平越权和垂直越权的危害,结合代码示例展示漏洞利用过程,并提供代码层和架构层的立体化防御方案,帮助开发者有效防范这一Web安全隐形杀手。

weixin_29325007的博客 361

DeepSeek Harness Headless 模式:把 AI Agent 写进 CI/CD 流水线

某团队把"每次 push 跑测试"升级为"每次 push 让 Agent 跑测试并总结":CI 里 Headless 执行dsh --profile headless "跑 pytest,失败则用中文总结原因并给出最小修复建议",结果贴 PR。效果:review 人只看 Agent 总结,定位快了一倍;偶发失败由 Agent 先初判,减少"假红"打扰。成本:每次约几美分。ROI 极高。Headless 模式是 DSH 从"玩具"变"基础设施"的开关。

qq_31142761的博客 467

【DAY11】超参数调整专题1

核心优势: 它不是随机选择下一个点,而是根据先前评估的结果建立一个概率模型(通常是高斯过程),预测哪些参数组合可能产生更好的结果,并据此选择下一个评估点。这使得它在寻找最优解方面通常比随机搜索更高效(用更少的迭代次数达到相似或更好的性能),特别是当模型训练(单次评估)非常耗时的时候。实际上,有着非常多的方式可以实现贝叶斯优化,上面的代码比较简洁美观,贝叶斯优化和网格搜索的代码书写风格高度一致。- 需要定义参数的搜索空间,与随机搜索类似,当搜索空间非常大时,它通常比网格搜索和随机搜索更有效。

daomingwu1的博客 750

DeepSeek Harness(dsh)安装完整指南:Windows、macOS、Linux 三平台 + 桌面端与 Web 端全覆盖

dsh 内置了多家模型提供商的接入配置,包括moonshotai(Kimi)、anthropicopenaizai(智谱 GLM)等,在 Settings → Models →中直接选择 Provider ID、填 Key 即可,无需手动配 Base URL。对于 API 聚合类端点,选Provider ID(自定义,唯一标识符)Base URL(如API Key模型列表(可点击 Fetch available models 自动拉取)配置通过拉到端点支持的模型后,可直接勾选加入列表。

aidoudoulong的博客 1277

以LAN8720A为例的以太网硬件设计方案

输入时钟(XTAL1/CLKIN,XTAL2):推荐外加25MHz(性价比较高)晶振为PHY芯片提供时钟,PHY芯片内部PLL将其倍频为50MHz来使用,亦可使用直接使用50MHz晶振。三位MODE通过高低电平组合分别对应以上8种模式 ,包含10M半双工,10M全双工,100M半双工,100M全双工,是否启用自协商协议,CRS是否有效等。VDDCR:1.2V电源,可由芯片内部稳压电源提供,亦可由外部电源提供,由外部电源提供可降低芯片功耗。REF_CLK:参考时钟,由MAC或外部时钟晶振向PHY芯片提供。

weixin_46154042的博客 5887

LangChain4j-针对性操作Function-call+系统预设角色

如果我们想要对一些敏感信息进行针对化的操作,不仅仅是接口大模型去进行回复。比如我们现在数据库里面有一些菜品,那么用户提问,店里有多少套餐,那么云端大模型肯定是不知道的,我们希望捕获这些关键字然后进行自己的业务查询或者处理,这个时候就可以使用function-call。

DDDDDouble的博客 454

DeepSeek Harness(dsh)2026 版本演进与稳定性评估:从功能更新到 TaoToken 统一接入的实践大纲

dsh 2026 版本演进与稳定性评估:当前 0.1.0-rc.6 仅六个版本跨四天,README 明示破坏性变更。本文给出可复制配置,用 TaoToken 统一接入抽离模型端点,锁版本启动并附三条验证命令与 401、local proxy failed 等报错排查。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_35826166的博客 143

Pytorch图像去噪实战(七):Noise2Noise自监督图像去噪实战,没有干净图也能训练模型

PyTorch图像去噪实战:Noise2Noise自监督去噪方法 本文介绍了在没有干净图像的情况下使用Noise2Noise方法进行图像去噪的实战方案。主要内容包括: 问题场景:真实项目中经常只有带噪图像而没有对应的干净图像,如夜间监控、医学影像等场景。 Noise2Noise核心思想:使用同一场景的两张不同噪声版本的图像进行训练(noisy_image_a → noisy_image_b),让模型学习恢复共同的干净结构而非随机噪声。 技术原理:模型通过最小化两个独立噪声图像之间的差异,最终会收敛到真实干净

ai技术增长的博客 503

DeepSeek Harness 破甲插件 dsh-purge 评测:热度是真的,但上车前建议慢半拍

最近 DeepSeek Harness 的插件生态里,冲榜最快的就是"破甲"类工具,dsh-purge 是其中的典型。它是一款装在官方 Harness 上的网络安全红队评测插件,专门给 AI 的安全防护做压力测试。热度确实有,但我想说句公道话:**榜单上的星数只说明今天有多少人围观,不说明明天它还在不在。** 下面是四个值得你盯住的信号。 ## 补课时间:Harness 和"破甲"到底在说什么

gitblog_00489的博客 457

05、CAN 总线拓扑结构详解,线型拓扑搭建要点

CAN总线拓扑与信号完整性优化 本文通过工程实践经验,深入剖析了CAN总线系统中信号完整性的关键要素。主要内容包括: 终端电阻的核心作用:必须严格在总线两端配置120Ω电阻,形成60Ω等效阻抗以匹配双绞线特性阻抗,避免信号反射导致的波形畸变。 阻抗匹配原理:解释了信号能量管理机制,指出阻抗不连续会导致信号反射,并通过示波器波形特征(如振铃现象)判断阻抗失配问题。 信号完整性多维要求:强调信号质量不仅涉及波形存在与否,还包括边沿斜率、共模电压范围等关键参数,这些直接影响通信可靠性。 工程实践建议:提供了终端电

2401_88858637的博客 183

自然语言处理NLP星空智能对话机器人系列:Gavin大咖 Transformer 101问答集 第一问

自然语言处理NLP星空智能对话机器人系列:Transformer 101问答 [让天下没有难学的Transformer] 你问我答系列之一 Gavin大咖第一问: Transformer中的可训练Queries、Keys和Values矩阵从哪儿来? 以上是智华解答,供同学们参考。 星空智能对话机器人系列博客 NLP星空智能对话机器人系列:第二次星空智能对话机器人Zoom线上演示安排 NLP星空智能对话机器人系列:StarSpace: Embed All The Things NLP星空智能对

大模型与Agent智能体 992

DeepSeek Harness保姆级实战:一文搞懂Agent Harness

DeepSeek Harness 是官方开源的 Agent 运行时框架,其核心价值在于将大模型能力转化为可执行任务的工作流(如代码分析/修改/测试)。与直接调用 API 不同,它通过插件化架构(Cordis)整合模型、工具、沙箱、会话等组件,支持 Standard/Code/Minimal/Creator 四种运行模式。本文详解其架构原理、Web UI/Headless/Python SDK 三种使用方式,并梳理权限控制、会话复用等实践要点。当前处于开发者预览阶段,适合需要定制 Agent 基础设施的团队。

CodeBlog-star 2506

机器人环境仿真软件:Webots_(9).路径规划与导航算法仿真实现

通过仿真,我们可以验证路径规划算法的有效性和鲁棒性,同时优化机器人在不同环境中的导航性能。动态窗口法是一种局部路径规划算法,通过在机器人当前速度空间中选择一个最优的速度窗口,使机器人在动态环境中安全地移动。算法的代价函数通常包括两个部分:从起始点到当前节点的实际代价(g-cost)和从当前节点到目标节点的估计代价(h-cost)。在World Editor中,选择“Insert”菜单,添加“Robot”对象,如“E-puck”或“Thymio”。Dijkstra算法的实现与A*算法类似,但不使用启发函数。

kkchenjj的博客 2008

DeepSeek Harness 对比 Claude Code 和 Codex 优劣

DSH 对比 Claude Code 与 Codex:DSH 插件化架构、模型开放度和旗舰档成本占优,但月龄仅两个月、生态宽而浅、未经安全审计;Claude Code 最成熟、扩展面最规范;Codex 链路最全、云端并行突出。生产与合规场景眼下不宜押 DSH。

u013548223的博客 433

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

dsh-purge 红队评测观察清单:首日 Star 数不作数

dsh-purge 是装在你本机官方 DeepSeek Harness 上的网络安全红队评测插件:用受控的测试话术去戳宿主端的提示词与审批关卡,看防线哪层会漏。它值得装,但首日 Star 数不作数——这个项目应该先进观察名单。 ## 30 秒看懂:dsh-purge 只测你本机的 Harness 先把术语翻译掉。Harness 不只是"把问题丢给模型",它运行时在模型前面还有好几层机关:提示词

gitblog_01104的博客 1076

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

模型之外的那一层:为什么 Agent Harness 成为 2026 年 AI Agent 的真护城河

回到开头的几个信号。Agent 的价值重心正在从「模型能力」迁移到「运行时工程」。它能稳定跑多久?长任务是否可中断、可恢复、可交接。出事能不能回滚?副作用是否有审计、有审批、有恢复路径。能力能不能不改骨架地进化?新工具、新策略能否通过接缝加入,而不必重写循环。能清楚回答这三问的系统,用的是自研 Harness 还是开源框架并不重要;回答不了这三问的系统,无论模型多强、框架多新,在真实负载面前都会在某个环节失效。

m0_74899094的博客 276

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

DeepSeek Harness实战排障:回退、安装、认证与headless稳定运行

软件工程的版本管理与回退策略是保障系统稳定性的基石。在快速迭代的AI工具链中,环境变量配置与PATH路径问题常常成为安装部署的拦路虎。Web认证机制的安全性与可用性平衡,则决定了远程操作的顺畅度。同时,通过OpenAI兼容接口接入本地模型,利用思考模式优化推理质量,并借助插件系统解析PDF/DOC文档,能显著提升自动化流程的效率。而在无头(headless)模式下,多智能体编排的异常处理与资源分配更是生产环境运行的关键。本文围绕DeepSeek Harness(dsh)近期社区高发问题,从版本回退、安装排障

weixin_29056865的博客 229

DeepSeek Harness 实验性包命名规范:用 `@deepseek-ai/dsh-experimental-*` 前缀管理预发布能力

> 本文基于 DeepSeek Harness 仓库中已实施的架构决策记录(Agent Note:[2026-08-19-experimental-package-name-prefix.zh.md](https://link.gitcode.com/i/ac93e7adf53de90d43eeee062bacbcc0))展开。该决策确立了实验性 npm 包的统一命名前缀,配合 workspace

gitblog_00207的博客 431

GitHub每日热评|开源深度解析|同月两款DSH‑Desktop:anywhere‑labs分支,将桌面宿主本身设计为Harness插件

8月随着DeepSeek‑Harness爆火,社区短时间内涌现出两款热度极高的第三方桌面客户端:`anywhere‑labs/dsh‑desktop` 与 `dataelement/dsh‑desktop`。二者经常被开发者混淆,甚至不少文章误贴上“DeepSeek官方桌面”的标签。 本文单独聚焦 `anywhere‑labs/dsh‑desktop` 展开深度评测;另一支DataElement版本可参阅本专栏第19篇评测文章,二者产品定位、技术路线完全独立,不可混为一谈。

TunerT_TQ的博客 399

DeepSeek Harness 依赖取舍策略:用维护良好的包替换手写实现

DeepSeek Harness 通过一份 `implemented` 状态的 Agent Note([.agents/notes/implemented/process/2026-07-26-dependencies-over-hand-rolling.md](https://link.gitcode.com/i/8e0ae87da7625861cbd8352047dde16b))正式确立了"*

gitblog_00093的博客 379

DeepSeek Harness 文档站导航与站点 Chrome 工程改造实录

本文以 DeepSeek Harness 仓库中的一份归档 Agent Note([`.agents/notes/archived/process/2026-08-12-documentation-site-navigation-and-chrome.zh.md`](https://link.gitcode.com/i/de5f8714d32132dae20e7190cd23c729))为骨架,深

gitblog_00248的博客 993

DeepSeek Harness 文档站点导航与 Chrome 重构:单 Manifest 驱动的 VitePress 投影管线实践

本文梳理 DeepSeek Harness 文档站点(`website/` 与 `scripts/project-doc-site.ts` 投影管线)一次围绕**导航与站点外观(chrome)**的系统性重构:从参考侧边栏 43 页子系统的排序失控、导航项 404、页内重复展示语言切换器与仓库徽章等问题出发,最终收敛为"单 Manifest 声明、构建期投影、测试固定不变量"的工程方案。读完本文,

gitblog_00086的博客 370

DeepSeek Harness 自引用源码定位:dsh 如何把自身检出路径注入 Agent 系统提示词

dsh(DeepSeek Harness CLI)是一个"万物皆插件"的自我引用运行时——它通过内置的 `cordis` 工具集让 Agent 能够直接查看并修改自己运行其上的 Harness 源码。本文剖析该仓库中的功能决策笔记 [2026-07-21-dsh-system-prompt-source-path.md](https://link.gitcode.com/i/6e6f284bec8

gitblog_00349的博客 1132

从一个原型看官方节奏:开源、调价、能力演示三线并行

2026 年 10 月 31 日,`dsh-superagent-prototype` 以一次单独的提交进入公开视野——提交信息只有一句“feat: add the dsh-superagent research prototype”。它不是一个发布会产品,仓库首页第一行就写明:**研究原型,仅供参考,不是 DeepSeek 官方产品**,代码由团队日常开发沉淀而来,其中大量工程由编码智能体完成,

gitblog_00202的博客 113

dsh-purge 实战指南:清洗宿主策略、按模型换破甲提示词,全程可一键还原

多数人遇到 DeepSeek Harness 拒绝回答时,会先怀疑模型拒答。其实请求在到达模型之前,已经历了运行时提示词改写、审批门、沙箱策略这一串预处理,拦截点可能根本没走到模型这一步。dsh-purge 就是为这类排查做的红队评测插件:在本机官方 Harness 上清洗宿主策略、按模型更换破甲提示词、提供受控演练台,全程留备份、随时可一键还原。 一次请求的完整链路是:你的输入 → Harne

gitblog_00779的博客 255

拆了七大开源 Agent 的源码,最高分竟然不是 Codex

这篇文章通过源代码解读对比了codex(OpenAI)、gemini-cli(Google)、qwen-code(阿里通义)、opencode(Anomaly)、kimi-code(月之暗面)、deepseek-harness(DeepSeek)、oh-my-pi/omp(Stencil Labs,fork 自 Pi)这7个开源Agent项目,从架构、上下文管理(压缩策略,记忆与跨会话)、会话管理(持久化,奔溃恢复)、工具调用、重连与容错、系统提示词与指令遵循、思维链与工作流编排(plan模式,子代理,工作

尘中远的程序开发记录 707
上一篇: GLM 5.3 API 价格与接口解析:默认档与max档成本差距高达35倍
下一篇: Codex 提示 couldn‘t load its resources 的 5 种常见原因及解决方案(2026)
ofoxcoding
博客等级 码龄1年 167粉丝 85原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值