REA 逆向神器，AI 时代不再有闭源软件
闭源软件还会存在。但我们已经很难继续把「没有源码」当成一道足够可靠的理解门槛。 截至 2026 年 10 月 18 日，写这篇文章的时候，REA 的 GitHub 原仓库显示约 316K Star、80K Fork（半天增加将近 1 万 Star）。社区讨论的内容中包括如何理解一个函数，延伸到了旧软件维护、跨平台实现，以及某些商业软件是否还能维持原有优势。这…
CODE, ARCHITECTURE & AI
最新文章.
记录工程实践，也探索 AI 时代软件与人的新可能。
开发同学在 vibe coding 后，面对代码黑盒应该做什么
最近半年，我们在代码库中看到越来越多这样的提交：一个功能完整的 PR，包含数千行代码，单测覆盖率达到 85% 以上，本地集成测试全绿。然而在提测演示或做方案复盘时，提交代码的工程师无法在不借助模型的情况下，准确描述出某条核心业务链路在异常分支下的具体状态扭转过程。 代码由大模型直接生成，工程师负责提供提示词、粘贴报错、运行命令以及验收功能。这种被称为 vib…
DeepSeek Harness 的 Harness 到底做了什么
DeepSeek Harness 解决的核心问题，是多轮模型调用、工具执行与会话状态之间的协调：输入何时进入请求，工具结果如何写回历史，请求失败后从哪里重试，上下文压缩后保留哪些信息，以及任务中断后能够恢复到什么状态。 围绕这些问题，框架将运行过程拆分为插件装配、回合驱动、会话日志、工具管道和异常处理。分析其架构的关键，在于各部分的状态边界，以及这些边界提供…
带团队的进阶：从解决问题到发现问题
好久没有写团队管理的文章了。今天写一下最近在思考到的一个问题。 我有一个习惯是会经常检查自己的日程，看看时间花在哪里了。 我会发现很多的时间都是在解决问题，不管是架构的问题，还是需求的问题，还是人的问题。你会发现自己很忙，也很充实，觉得自己发挥了作用。 我们一直讲 XXX左移，如测试左移，需求左移。问题也需要左移。 如果我们正在忙的这些事情下个月还会以相似的…
DeepSeek Harness 的上下文管理、记忆和知识库剖析
DeepSeek Harness 里，上下文、记忆和知识库并没有被设计成三个彼此独立的重型系统。它们围绕 Session Log 协同工作。 用三句话概括： 上下文管理负责决定当前这一轮模型能看到什么。系统提示词、动态环境、工具定义和会话消息，会在模型调用前完成装配。 记忆机制负责在上下文窗口不足时折叠旧历史。原始会话日志继续保留，模型当前可见的历史被替换成…
DeepSeek Harness 和 Pi 的 Agent Loop 循环结束判断架构细节解析
本篇文章代码基线采用 DeepSeek Harness 版本 0.1.2-alpha.1 ，提交时间为 2026 年 8 月 28 日；Pi 采用 853a80d2 。这里的 Pi 指 pi-agent-core 中的官方 Agent Loop。 就循环究竟在什么时刻结束这个问题，很多 Agent 框架把结束判断写成一个条件： while (hasToolC…
DeepSeek Harness 的 Cordis 插件架构
DeepSeek Harness 把模型、工具、会话、沙箱、文件系统、Agent 循环、调度和 UI 都交给插件。 系统没有一块承载业务能力的固定内核，Cordis 只维护上下文、服务注册、事件分发、依赖激活和副作用回收；Agent 能做什么，由启动时挂入的一棵插件树决定。 传统的插件有注册容易，撤销困难；初始化容易，失败回滚困难；全局单例容易，局部覆盖困难…
从 Pi 到 DSH：Agent Harness 如何从「可扩展」走向「自生长」
大模型能力持续提升之后，Agent 系统的竞争焦点正在发生变化。 过去，我们主要关心模型能不能理解任务、调用工具、编写代码。现在，更重要的问题逐渐变成： 模型之外的系统，能否为 Agent 提供一个可以持续变化的运行环境？ 这个运行环境通常被称为 Agent Harness 。 Harness 负责把模型、提示词、工具、记忆、上下文、权限和外部环境连接起来。…