DeepSeek代理框架
系统拆解 DeepSeek Harness 的设计开发全貌，并完成一个类似 dsh 的 Agent 原型
tech · DeepSeek · AI · Agent · 架构设计 · 工程实战 · 作者：boyne · 1 人学过
学什么：全量覆盖 DeepSeek Harness 的项目定位、系统边界、整体架构、模型接入与上下文管理、工具调用、记忆与规划、执行循环、多 Agent 编排、提示词与权限、安全、可观测性、评测、部署及原型开发；纳入大模型预训练与微调、训练集群和推理基础设施的深度优化、未公开的内部实现细节、与 Agent 框架复刻无关的前沿研究；最终完成类似 dsh 的 Agent 原型。
不学什么：与 Harness 设计开发无直接关系的其他大模型产品史、泛化 AI 科普及无关行业应用开发。
知识地图
Harness 定位、边界与整体架构
能说明 DeepSeek Harness 的项目定位与系统边界，并依据公开文档和源码解释其三层架构、插件组合方式及证据限制。
本关回答「DeepSeek Harness 是什么、不是什么」以及核心抽象如何组合成可替换的 Agent 系统，为后续模型、工具、循环、状态、协作与安全建立共同语言。训练、前沿研究和未公开机制按与 dsh 复刻的相关性及公开证据等级处理，避免把推测写成事实。
模型接入、上下文与底座基础设施
能为 Harness 选择模型接入方式和上下文策略，并解释训练、微调及推理基础设施对 Agent 集成与部署的边界影响。
本关回答模型和上下文怎样构成 Harness 的执行底座，并为工具循环提供稳定的请求、响应和上下文契约。重点放在 API 适配、上下文预算、缓存成本与底座技术栈之间的可追踪关系，而非重训模型。
工具调用与执行循环
能依据 Harness 源码解释一次工具调用如何进入执行循环，并设计停止、错误处理与结果回传机制。
本关回答 Agent 如何把模型意图转化为可审计的实际动作，重点覆盖工具契约、分派、沙箱执行、结果回传和循环终止。工具循环产生的事件语义将作为后续记忆、协作、可观测与故障恢复的基础。
记忆、规划与状态管理
能设计跨轮次和跨会话的任务状态体系，使 Agent 能维护记忆、显式规划、跟踪进度并在需要时重规划。
本关处理 Agent 在执行循环之外持续存在的状态，不重复模块 1 的单次请求上下文装配。记忆、计划、进度和重规划将被组织为同一套状态生命周期，为多 Agent 协作、故障恢复和评测提供依据。
多 Agent 编排与行为契约
能把单 Agent 能力拆分为协作角色，并设计委派、上下文隔离、并发汇总以及提示词与技能契约。
本关回答多个执行主体如何围绕一个任务分工协作，同时明确工具并发、子 Agent 和多 Agent 的术语边界。编排设计将产生角色权限、交接格式和共享状态等约束，供安全控制与质量评测进一步检查。
权限、安全与运行隔离
能为工具、沙箱、密钥和数据访问制定最小权限策略，并识别提示注入、恶意工具输出与越权操作等信任边界风险。
本关回答 Agent 在获得行动能力后如何被限制在授权边界内，重点覆盖工具授权、沙箱隔离、不可信输入、审批和审计。安全边界将成为可观测性事件分类与上线质量门禁的依据。
可观测性、评测与质量门禁
能建立从运行追踪到离线评测和回归门禁的证据链，判断 Agent 在质量、成本、延迟与安全性上的可靠性。
本关回答如何用运行证据判断 Agent 是否可靠，并将调试、评测和发布门禁连接成闭环。可观测性负责产生证据，评测负责形成判断，两者共同为原型交付提供可复现的质量标准。
部署与 dsh 式原型落地
能把前述设计落成一个可安装、可配置、可观测、可评测的 dsh 式 Agent 原型，并明确部署边界与验收标准。
本关回答如何从架构设计走到可运行的 dsh 式原型，而不是停留在概念复刻。交付物包括可复现环境、Bundle 配置、端到端任务、评测证据和基本运维方案；未公开训练与调度内部机制不作为复刻前提。
串联与复盘
能沿一条主线解释从 Harness 架构到 dsh 式原型的设计推导，并用真实设计题完成端到端评审。
本关不引入新知识点，而是把八个关卡组织成一条从系统边界、协议和状态，到协作、安全、证据与交付的完整设计链。复盘以真实原型验收为目标，暴露各模块之间尚未闭合的接口。