习慈羊xiciyang
联系
订阅
正在读取订阅状态…

DeepSeek Harness

关于 DSH 这个 harness 本身：插件模型、工具契约、运行时与调试方法。

跨 2 个系列
案例复盘 · 8专业洞察 · 3
相关话题
插件开发智能体AI Infra
全部

11 篇文章

全部文章

插件、Skill、MCP、CLI：先判断这份能力该不该进模型上下文

专业洞察

同一个能力做成插件和做成 CLI，代价差在每一步：插件的工具声明每次请求都在场，CLI 只在被调用时存在。按「谁决定调用时机、多久用一次、失败会污染谁」三个问题，把能力分到工具、Skill、MCP、套件、领域包与脚本六种形态，并给出动手前的三条验收。

DeepSeek Harness插件开发

改完提示词，凭什么知道没变差：五道可测闸门，和一次先坏掉的判据

案例复盘

我给这台 agent 的改动加过很多能力，却只有一个六道合成题的行为闸门。真正的问题在落地五件测量工具那天暴露：重放闸门把四道真实任务里的两道判成回归，查下去发现坏的是判据，不是系统。这篇写这五件工具各自回答什么问题、什么时候触发、以及每件证明不了什么。

DeepSeek Harness智能体工具

把发布做成产线：四条包、七条 PR、零合并，和一条被漏看两小时的安全审查

案例复盘

我用一天把四个自研包推成了公开仓库与七条收录 PR，结果是零合并。真正留下来的不是这七个链接，是中间那条产线：它把「合格」写成了能跑的判据，也暴露出一个盲区——监测器只盯 PR 状态、不盯评论，维护者的安全审查意见因此躺了两小时。这篇写产线怎么搭、闸门能证明什么、又在哪一刻彻底失效。

DeepSeek HarnessAI Infra工具

把 Agent 的每次调用砍掉 95%：一次从字节开始的成本审计，与六个被实测否决的方案

案例复盘

一次普通对话花掉 4900 万 token，根因不是模型，而是每次调用都要重发一遍的 25 万 token 固定前缀。我用会话日志里的原始字节把它压到 11,476 token/次（−95.4%），随后发现更大的持续浪费是打断前缀缓存（实测多付约 350 万 token 当量）与闲置的免费算力（利用率 0.1%）。文末列出六个我实测否决的主流方案，以及我拒绝做的三件事。**2026-10-17 补记第 12 节**：折叠之后账单换了形状——按全部固定文本口径实测 29,031 token/请求（11.3k 的声明在 PTC 模式下搬进了系统提示），并补上折叠回本判据 N·B > C 与一条「空转注入」的事故复盘。

DeepSeek HarnessAI Infra工具

「默认最高规格」是编排层最贵的默认：一次任务分级整改，和我亲手造出的一个危险 bug

案例复盘

一篇博客被编排层拆成 8 个任务、产生 393 条跨 agent 消息。问题不在哪条门禁坏了，而在编排层根本没有「级别」这一维，于是最高规格成了默认值。复盘我怎么加上这一维、把「只能更轻」变成机器不变量，以及我为这个改动亲手造出、又被独立复核对出来的一个危险 bug。

DeepSeek Harness智能体