亚马逊云科技与小红书合作,基于ADLC框架研发用于推荐模型自迭代的Research Agent。针对探索空间大、训练成本高的挑战,提出Wide-and-Deep探索策略,并设计Proposal、Developing、Evaluation多智能体分工及上下文管理机制。实验以RankMixer在KuaiRand数据集上训练,仅用80 GPU·h即实现AUC提升1.88pp,较基线方案提升约41%,探索多样性显著改善。
文章介绍 SoduWork 如何以统一抽象管理七个 Agent 执行底座(harness)。核心设计包括:agent_catalog.json 声明各底座的传输方式与模型归属;contract.js 定义 14 项能力,并按 native、emulated、delegated 三级实现;registry.js 依据错误码降级,并隔离消费方。后端通过任务快照与职责分离防止行为漂移。作者实测仅跑通 Pi,并发现新增可执行 ACP 条目会导致底座列表异常。
VS Code 新代理会话默认改用基于 Copilot SDK 的 Copilot harness,原 Local harness 已弃用并将于 2027 年 2 月移除。企业版对比显示每活跃设备令牌用量减少 14.2%、处理成本降低 9.6%;离线评测中错误率从 5.3% 降至 1.9%,任务完成率从 54.8% 升至 61.2%。共享运行时支持多模型协作、企业权限与沙箱策略,用户反馈推动了 Ask 只读代理及逐项 Keep/Undo 编辑审阅功能。
作者安装30个插件后一周减至20个,真正收获来自这次精简。文章主要讨论DeepSeek Harness(DSH)的定位:它不是聊天应用,而是可替换模型、工具、技能和界面的智能体运行时,并分析其架构设计与插件取舍原因。
文章介绍UHP协议(统一驱动Agent harness的HTTP标准)的仓颉实现uhp-cj。作者指出,协议实现的主要精力用于厘清规格冲突而非编码:prose、openapi、schema三份来源常互相矛盾,最终以官方一致性套件为准,并记录了30条判定、逐条绑定测试锚点。SDK约1.4万行,其中一半是类型且仅部分可生成;两个适配器各970行,但成本分布相反。最终通过core、extended、full三档共104项检查,并强调并发需实测、默认保守串行。
文章认为软件开发范式已变:中间层从人写规则转为模型理解上下文,实现成本降低,而说清需求与验证的成本上升。平台方不再替业务开发,而是搭建harness,管理上下文、权限、退路与验证。成熟业务应沉淀为代码工具,未做过的才调用模型。模型会标准化部分能力,但责任、接口、标准、成本仍需人兜底。开发者应从写逻辑转向搭台子、攒资产、做判断。
官方模型默认开启日志上传,切换第三方接口就能立即关闭 DeepSeek Harness 在官方模型 API 请求中默认附带完整会话日志与插件清单,单次上传上限八兆字节,改用第三方兼容接口后这些字段自动消失。这项设计把数据收集缝进了模型请求本身,关闭开关藏在设置页深处,更新后还可能被重置。 数据添加位置:
DeepSeek提出Super-agent架构,以单Session加Router调度多Worker并行,解决人类注意力瓶颈。硅谷华人团队AFK AI的Comma已落地类似架构,支持单对话多任务、跨平台协作与7×24小时值守,并通过反馈持续训练小模型,实现长期记忆与越用越聪明。
Data+AI技术实践巡展上海站活动将于11月10日在上海徐汇举行,邀请蚂蚁密算、合合信息、普华永道、三菱电梯、识货五位专家,围绕本体Ontology、知识引擎、Harness工程、可信智能体及Data Agent,分享从Data到Agent落地的完整链路,活动免费报名。
Nimisha Asthagiri shares how applying proven product engineering and architecture principles creates a bounded canvas for AI agents. She explains how this model provides agents with bounded...
Anthropic在Opus 5.5系统提示词中禁止Claude复刻现有游戏,但限制效果有限:用户可换用其他模型或拆解任务绕过,原创开发者反而被误伤。AI大幅降低游戏克隆门槛,已出现浏览器可玩的《GTA5》、PS5越狱运行《光环2》《塞尔达》等案例,独立游戏试玩版也面临被克隆风险。游戏业正经历类似音乐业的“Napster时刻”,知识产权保护陷入打地鼠困境。
本文以Java金额比较测试修复为例,介绍DeepSeek Harness如何将模型回答转化为可执行任务:流式工具调用需完整生成后才执行,避免半成品;工具可并行执行,但结果按模型顺序提交;Session通过surface索引决定模型可见消息,压缩时以摘要替换区间并保留原始日志;中断恢复区分“未开始”与“结果未知”,后者需先核对再重试。核心是形成可检查的执行闭环。
英伟达提出SoL-Pi方法,利用AI离线改进编程Agent的Harness。152个候选方案经独立循环、能力底线与效率双重筛选,仅4个机制存活。在EdgeBench上,Token消耗降低约45%~49%,成本降低约三分之一,得分保留约94%。核心启示是预先声明底线、训练集与留出集隔离、一次性编排,使改进可验证、可回滚。
独立取证发现,Claude Code每约30秒将后台agent的完整会话记录发送给模型生成状态栏摘要,占其周消耗的16.4%、请求数近两成,且不写入本地记录,普通成本工具无法察觉。厂方承认该机制,称影响全量用户约2%、终端用户约6%,已在2.1.311+版本修复。微软、Splunk等同期推出独立计量工具。争议集中在样本代表性、动机及缺少关闭开关。核心启示:agent隐性开销需实测取证,账单应可验证。
AI SDK 的 HarnessAgent 的 fx 适配器改为在应用同一进程内运行 harness 和模型请求,文件系统与 shell 操作仍隔离在沙箱中。适配器使用 libfx,无需在沙箱内安装 fx、运行沙箱桥接或暴露端口,模型凭证保留在主机。新增内置工具过滤、回合中指令调整、结构化输出、图像工具结果及会话保存恢复功能。更新 @ai-sdk/harness-fx 即可使用。
本文介绍如何用四个现成组件搭建一个能在QQ中聊天并长期记住对话的“鲸鱼娘”AI:dsh-im负责接入QQ,忆时塔在传输层自动保存全部对话原文,人设文件规定短句、有脾气、群聊可潜水。核心是将聊天工作区设为“全上下文”,让记忆存于存储层而非上下文,因此两个月前的具体事项仍可查回。人设靠黑名单压制AI腔,记忆由插件自动记录,模型只负责按需查询。
作者开发了开源项目 dshoo,可通过一个网站远程管理多台设备上的 DeepSeek Harness。服务端为 Go+SQLite 单二进制,负责登录、实例列表和请求转发;各设备安装插件后主动建立 WebSocket 隧道,无需公网 IP 或开放入站端口,即可完整访问本机 dsh。用户登录后点击卡片切换设备,支持手机、平板等浏览器使用。作者强调服务端账号等同最高权限,须使用 HTTPS 和强密码。
文章厘清了AI编程中界面、Harness、MCP与Agent的关系:界面供人使用;LLM只能生成文本,需由Harness解析工具调用语法并执行代码,才能调用工具。Claude Code等只是将Harness打包进应用,Harness本身可独立复用。MCP是让Harness访问外部资源的协议,类似菜谱而非工具。Agent即LLM与Harness的结合,不同Agent多为不同的Harness配置。
本文综述Agent Harness研究:作为连接大模型、工具与执行环境的运行框架,它影响智能体任务执行的稳定性与安全性。文章精选8项研究,涵盖编码智能体的Harness设计实证、终端动作采样验证、机器人操作接口、可编程视觉生成、安全约束定制、Harness工程能力评测、递归自我改进及持续自进化机制,指出Harness正成为智能体执行效果与安全的关键基础设施。
谷歌研究开源了Harness²框架,使AI智能体无需重新训练模型即可自我改进:它不修改模型权重,而是自动重写提示词、工具、记忆、技能和脚本等外围组件,并将经验带入后续任务。框架采用任务级与改进级两层递归,通过对比多次运行结果进行优化,无需标准答案。基准测试中单步改进最高提升约11.5分。
完成下面两步后,将自动完成登录并继续当前操作。