今天 DeepSeek Harness 团队发表了最新的架构文章 《Super-agent 设计探索:迈向更自主的 Agent 系统》 在文章描述中,Super-agent 要解决的问题,是单会话 Agent 在持续工作中的组织能力不足:任务执行会阻塞新指令,不同会话之间缺少上下文关联,多任务并行依赖人来协调,本地设备离线又会中断运行。 这些问题已经超出了单…
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 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…
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 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…
在我们和 AI 聊天中,AI Chat 都采用了一种「打字机」式效果的实时响应方式,AI 的回答逐字逐句地呈现在我们眼前。 在实现这个功能的技术方案选择上,不管是 DeepSeek ,还是腾讯元宝都在这个对话逻辑中选择了使用 SSE,如下面 4 张图: 这是为啥,它有什么优势,以及如何实现的。 SSE 的优势 因为它在该场景下的优势非常明显,主要是以下 4 …
春节期间,DeepSeek 的相关信息铺天盖地。从应用场景到实战演练,从论文解读到原理分析,从行业发展到国际局势,各路神仙各有观点,应接不暇,都看不完了。 我自己也深度使用了,包括文章撰写和代码输出,说实话,思考的过程确实惊艳了我。它的思考逻辑比我更完善,推导路径也更显性。 但今天我们聊的不是这些「高光时刻」,而是我们在实际使用过程中常常遇到的不可用场景: …