Posts

前一篇文章我做了 DeepSeek Harness（DSH）的 git 考古，拆解了它 64 天 12293 次提交背后的构建哲学——《用Agent造Agent：DeepSeek Harness的64天考古与自进化路径》。那篇是「DSH 是什么、怎么造的」。这篇是「DSH 的经验怎么用」——把那 64 天里被验证过的工程判断，提炼成普通团队可以落地的 AI 辅助开发实践。 先说清楚为什么值得这么做。DSH 不是又一个「我们用了 AI 写代码所以快」的故事。如果只是这个，Copilot 上市五年了，行业早该被颠覆。DSH 真正反常理的是：一个不到 20 人的团队，用 64 天长出一个 221 包的 agent 运行时，工程严谨度却高得不像 AI 写的——100% 测试覆盖率门、运行时断言强制不变量、设计决策可追溯到每个 commit。这不是「AI 写代码快」，是「harness 思维组织 AI 开发」。 这件事，恰恰是所有正在探索AI辅助研发（甚至是AI主导研发）的工程团队、乃至技术Leader或负责人们日日琢磨的核心命题——如何让AI提速的同时，守住工程严谨的底线；如何把AI从「脱缰的效率工具」驯化为「可控的研发协作者」。正因如此，这套从DSH 64天实战中淬炼出的方法论，绝非空泛的理论，而是值得每一支团队深思、拆解并落地的可行路径。 一、认知转变：从「用 AI 写代码」到「用 harness 组织 AI 开发」 市场上有四个比较成熟的 AI 辅助开发流派，先把它们摆清楚： 流派一：Copilot/Cursor 模式——AI 当打字员。人主导写代码，AI 补全和局部重构。这是目前最普及的模式，门槛低，但天花板也低——AI 只能在人画的圈子里做事，产出节奏受限于人的审查速度。 流派二：Claude Code/Codex 单 agent 模式——AI 当执行者。人给一个任务描述，AI 执行多步任务（改多个文件、跑测试、修 bug）。这是 Cursor Composer、Claude Code 的典型用法。天花板比流派一高，但问题是 agent 会自己跑偏，没有不变量挡着，跑几次就积累一堆边界情况。 流派三：Aider 模式——git commit 驱动。AI pair programmer，每次改动自动 commit，人通过 git history 审查。这个模式把 git 当成 AI 产出的审计层，是个好思路，但它只管「改了什么」，不管「为什么这么改」和「规则有没有被破坏」。 ...

网上已经有不少技术博主在拆 DSH 的架构图，把它和 Claude Code、Codex CLI 并列比较，论证这套「一切皆插件」机制的优雅和影响力——这些分析有它们的道理，我也认同 DSH 的设计水准。但我想看的不是它长什么样，而是另一个更工程化的问题：这样一个被 DeepSeek 视为战略级产品的 agent harness，是怎么在 64 天里被造出来的？ 答案写在仓库的 commit 历史里。从 6 月 10 日第一条提交到 8 月 13 日公开发布，64 天，12293 次提交，日均 192 次。这不是人类节奏，是 AI 辅助开发在版本控制系统里留下的沉积物。我用 git 考古翻了一遍这个仓库，反推一件更底层的事：顶级团队是怎么用 Agent 造出最强 Agent 的。事实上，Anthropic 的 Claude Code 团队和 OpenAI 的 Codex 团队大概率也是这么干的——只是他们的开发过程不公开。这次 DSH 把整个仓库开源，给了我们一个可以近距离观察顶级 AI 团队研发范式的窗口。这是我写这篇文章的起点。 三天前我写林俊旸把 20 亿估值押给 Agent，结论是他选了一条「模型 + 环境」的工程路线。文章里我反复引用 Lilian Weng 的判断：Claude Code、Codex 之所以强，不是因为底模最强，而是 Harness 设计最成熟。那篇文章发出去之后我一直在想一个更具体的问题：harness 到底长什么样？ 8 月 13 日，DeepSeek 给了一个可以拆解的样本。他们把内部那个叫 DeepSeek Harness（dsh）的 agent 运行时开源了，MIT 协议，221 个 npm 包。和它同步发布的还有 DeepSeek-V4-Pro 正式版，以及一篇 80 多页的论文《A Programming Paradigm for Spatiotemporal Composability》。 ...

五个月前我说他唯一的选择是创业；五个月后，他把赌注押给了 Agent。 8 月 12 日，林俊旸在 X 上发了一条「life update」：新公司叫 Pragmatik Labs（语用科技），简称 p7k，base 上海，做横跨数字与物理世界的下一代 Agent。距离他凌晨告别 Qwen 那条推文，大约五个月。我当时写过，创业是他唯一合理的选择——不是浪漫，是其他路都有逻辑断裂。现在答案出来了，比我预想的更激进：他没去卷下一代基础模型，也没停在应用层做个助手，而是把第一笔赌注直接押到了 Agent 上，数字和物理两条线一起开。 这一轮的数字很硬。高榕创投和 HSG（红杉中国）共同领投，腾讯和上海未来产业基金跟投，投后估值 20 亿美元，融资规模数亿美元1。The Information 今年 6 月援引知情人士的说法是，高榕和红杉各出约 1 亿美元，腾讯出约 2000 万美元2。一个产品、收入、甚至公开模型都还没有的公司，起步就站到了 135 亿人民币的估值线上。在国内大厂核心技术负责人离职创业的案例里，这可能是目前最高的起跑线。 更值得看的不是钱，是他用这笔钱买到的「不做什么」的权利。 五个月前那篇文，验证了一半 3 月 7 日我写《千问核心离职风波：林俊旸下一步是创业吗》，结论是创业是唯一能承接他全部资产的选择——全球开源社区的声誉、带得走的团队、被 Google DeepMind 公开抢人验证过的技术判断力。当时排除了回大厂、回学界、加入 DeepSeek 三条路，理由是它们都有结构性断裂。 五个月过去，前半段判断兑现了：他确实创业了，核心团队也确实跟着走了。但有一处我没猜对。我当时猜他的方向大概率落在两个区间里——开源模型基础设施，或者离钱近的 AI 应用层。理由是这两条都能最大化他「Qwen 系列开源」的存量资产，又不必正面硬刚算力这道生死线。 他选的 Agent 介于两者之间，却又比两者都更野心勃勃。数字 Agent 接近应用层，物理 Agent（具身智能）却是另一回事——它要的不是更多的 GPU 堆出一个更大的模型，而是让智能走进真实环境、完成长周期任务。这是一条我三月没敢给他规划的路线，因为它的工程难度和烧钱速度都远超做一个开发者工具。 回头看，他其实在离职前就把牌亮了一半。去年 10 月，他在千问内部牵头搭了一支机器人与具身智能团队3。也就是说，具身智能不是他离职后临时起意，而是大厂体制内想做、最终选择带出来独立做的事。这恰恰印证了三月那篇里的另一个判断：他走，是因为看到了技术负责人在体制内能触达的天花板。 不卷基础模型，是因为卷不动了，也是因为没必要卷 新公司没有公布模型参数，也没发产品。但官网把研究方向切成四块：Digital Agents、Physical Agents、Research to Product、Long Horizons4。前两块是业务主线，后两块是研发哲学——前沿研究要落进真实场景，再用真实反馈倒推下一步研究什么；同时留出资源探索突破现有范式的系统。 把基础模型放在身后，是一个值得拆解的决定。 一种读法是「卷不动」。顶级大模型的训练成本已经压垮了除最头部几家之外的所有玩家，Qwen 背后是阿里云的算力池，创业后这个优势瞬间归零——这是三月我就点过的硬约束。租算力贵，买算力要巨额融资，还要扛芯片管制。一个 20 亿美元估值的公司，无论如何也撑不起从零训一个 Qwen 3.5 量级模型的账单。继续做基础模型，等于把自己钉死在算力这根柱子上。 ...

递归自我改进：从一杯咖啡到Harness Engineering 2024年，我去美国做访问研究，回程途经旧金山。去之前通过邮件约了几位行业朋友（网友，行业专家，AI公司员工），其中包括素未谋面的Lilian Weng。那时候她还在OpenAI负责安全系统，AI圈还没有后来那些人事震荡。 我乘地铁去了OpenAI当时的那栋小白楼。他们楼下有一家星巴克，我在那儿等她。下午两点，店里不少人带着电脑，三三两两在聊天。硅谷的星巴克就是这样，你分不清谁是来办公的、谁是来面试的、谁是刚从哪个会出来透口气的——但空气里确实有一种说不上来的东西，让人觉得这栋楼里正在发生什么。 那天我们聊的是很宽泛的话题——中美AI的差距和机会、算力成本下降的拐点、token价格降到什么程度会触发应用爆发。我当时也和他分享了在MIT上课时的一些分享：大模型的力量不在于参数规模，而在于电力和算力趋于平静之后，token成本降到极低基点时，整个行业的范式会发生变化。我们都没料到，后来DeepSeek横空出世，中国的开源路线以一种意想不到的方式验证了这个判断。 这些是后话了。真正让我想写这篇文章的，是今年7月4日Weng发表的那篇《Harness Engineering for Self-Improvement》，以及随后她官宣重返OpenAI领导递归自我改进（RSI）团队的消息。RSI不是新概念——1965年I. J. Good就提过了，几十年来更多是哲学讨论。Weng的贡献不在于"发现"RSI，而在于她给出了一条工程化的路径。她指出RSI可以发生在三个层面：模型权重、训练管道、部署系统。其中DeepSeek R1已经在训练管道层证明了自我改进的可行性——模型不需要人类标注，通过强化学习自己学会推理。而Weng选择的切入点是第三层：部署系统（Harness）——即使模型本身的推理能力不变，更好的工具调用、上下文管理、评估机制也能显著提升实际表现，而这些改进本身又可以被模型自动化。更值得追问的是：OpenAI为什么选一个做了七年安全的人来领导RSI？这篇文章，我想从技术的角度拆解。 一、RSI：一个60年的概念，为什么现在才可行 Lilian Weng的文章开篇直接切入主题：递归自我改进（Recursive Self-Improvement, RSI）。 这个概念可以追溯到1965年，英国数学家I. J. Good提出的"超智能机器"——一种能在所有智力活动中超越人类，并设计出比自身更好的机器的系统。2008年，Eliezer Yudkowsky将这个概念精确化为一个反馈循环：AI利用其当前的智能，去改进产生其智能的认知机制。 听起来很抽象。但Lilian Weng把这个抽象概念落到了实处。她指出，在现代AI语境下，这个反馈循环可以发生在三个层面： 模型权重层面：模型直接重写自己的参数。这是最理想但最难的路径，目前几乎不可行。 训练管道层面：模型改进生成训练数据、选择训练任务、优化训练策略。这是很多前沿实验室正在探索的方向。 部署系统层面：模型改进自己与外界交互的方式——如何调用工具、如何管理上下文、如何评估自身输出。 她明确选择了第三个切入点。原因很关键：原始模型和真实世界之间的这层，其重要性不亚于模型本身的原始智能。Claude Code和Codex的成功，不是因为它们的基础模型最强，而是因为它们的部署系统设计最成熟。 她用了一个词来描述这层部署系统：Harness。 二、Harness：模型与世界之间的操作系统 Weng在博客中用了一个精确的类比：Harness就像操作系统。你花在操作系统上的功夫，决定了CPU能发挥多大潜力。 在她的定义中，Harness是围绕在基础模型周围的整个系统，它负责： 编排执行流程（模型如何思考和规划） 定义工具调用（模型如何与外界交互） 管理上下文（模型感知和存储什么信息） 持久化产物（模型如何保存工作成果） 评估结果（如何判断模型表现好坏） 这个定义的精妙之处在于，它将原本分散的概念——Prompt Engineering、Agent Framework、Tool Use、Memory Management、Evaluation——统一到了一个更宏观的架构视角下。 更重要的是，她指出了Harness工程与传统Agent框架的区别： 维度 传统Agent框架 Harness工程 核心公式 agent = LLM + memory + tools + planning + action 额外加入workflow design, evaluation, permission control, persistent state 设计理念 Prompt模板 运行时系统设计 类比 IDE 操作系统 这个类比不是随便说的。Lilian Weng明确指出，Harness的设计应该参考操作系统的工程实践： ...

你卖的是时间，还是系统 我有个朋友，这些年一直在做"正确的事"——考了证，跳了几次槽，薪资翻了一倍，去年凑齐首付买了房。按世俗标准，他活得挺成功。 但前阵子喝酒，他说了句让我愣住的话：“我比五年前忙多了，赚的也多了，可我怎么觉得自己离’不干了’这件事越来越远？” 他不是矫情。他比五年前更离不开那份工作——房贷、生活成本、消费习惯，全都跟着收入一起上去了。收入涨了，但"一旦停下来就活不下去"这件事，一点没变。 这件事让我反复想一个问题：多数人一辈子都在打磨"卖时间"的能力——考更好的证、进更好的公司、拿更高的时薪。但很少有人停下来问一句：我能不能不靠卖时间活着？ 这个问题的答案，才是普通人真正该想清楚的事。 打工的天花板，不是你不够努力 打工这件事，结构上就有一个绕不开的天花板：你卖的是时间，而时间是不可再生的。 一天就那么多小时，你能卖出去的份额是固定的。你确实可以通过提升技能把每小时卖得更贵，但这条路的尽头很明显——精力、注意力、体力都会衰退，而市场很少为一个四十岁的人付比二十五岁更高的时薪，除非你坐到了那个稀缺的位置。位置就那么几个，挤不进去是常态。 更隐蔽的问题是定价权。你创造的价值和到手的薪水之间，永远有一道缝。这不是黑心，是商业运转的基本条件——企业要赚钱，就必须用低于你产出的价格买你的时间。换句话说，打工这件事从设计上就决定了，你拿不到自己创造的全部价值。 所以靠工资实现"再也不用为钱工作"，几乎不可能。不是因为你不努力，是因为这条赛道本身的奖励上限就在那里。 我见过真正不再为钱发愁的人，没有一个是靠工资爬上去的。他们手里都有某种"自己会生长"的东西——可能是公司股权、收租的房产、持续的版权收入、一个能自动获客的小生意。这些东西的共同点是：它们产生收入，但不消耗你的在场时间。 这才是"投资"两个字的真意。不是去股市追涨杀跌当韭菜，而是把你攒下的钱和本事，换成一种能自己增值的结构。 你真正该攒的，是"说不"的底气 那普通人前半段到底该攒什么？ 不是职级，不是房产证，不是朋友圈里的体面。是一样很朴素的东西——选择权。说穿了，就是"我能不能对不想做的事说不"。 选择权不会凭空来，它靠几样东西撑着。最底下那层是钱，具体说是一笔够你不工作也活得下去的存款。数字因人而异，意义一样——它是你所有勇气的底座。没有这笔钱，老板让你加班你不敢拒绝，客户刁难你只能忍着，因为你知道一旦失去收入，生活马上就塌。我见过太多能力很强的人，就因为手头没有缓冲，被困在一个消耗他们的环境里动弹不得。 但光有钱不够。钱能买安全感，买不来方向感。所以更难攒的是第二样——一套能看懂世界怎么运转的脑子。这不是看书考证那种攒法，而是你真的在脑子里建立起判断力：一个生意凭什么赚钱，一个趋势会往哪走，一件事的代价藏在哪儿。这种判断没有捷径，得靠一次次复盘、一次次踩坑、一次次和比你聪明的人掰扯。它攒得慢，可一旦攒起来，别人很难偷走。 还有一样总被忽略，却是前两样的容器：身体和精神状态。长期高压下还能睡得着觉、扛得住事，这本身就是资本。我见过不止一个人，钱和脑子都到位了，身体先垮了，后半程直接没机会上场。 攒这几样东西的过程注定是闷的，因为它们都要求你把时间和钱花在"看不见回报"的地方——存钱、啃难懂的东西、保持健康。而周围人在做的，往往是相反的事。 让你的价值，不再按小时计费 攒到一定程度，问题就变了。不再是"我怎么卖得更贵"，而是"我怎么不按小时卖"。 这是普通人最难的一跃——从出卖时间，变成经营一个能脱离自己运转的结构。 我不是劝所有人都去创业。创业是高风险的事，不是每个人都该碰。我说的是另一种可能：让你已经有的某种能力，脱离"一对一、按小时"的形态。 举个例子。一个做了十年财务的人，他最值钱的不是"会做账"这个动作，而是他对中小企业税务坑的判断——什么能抵扣、哪里有风险、怎么合规地省。如果只靠接单做账，那就是按小时卖。可要是把这套判断变成一门课、一套模板、一份咨询，同样一份本事，就能同时卖给很多人，不需要他每次都在场。 这就是"不按小时卖"的意思。你的价值被复用了。 走到这一步，通常得凑齐几件事。先得找到一个自己确实比多数人懂一点的窄领域，窄到没几个人跟你争，但有人愿意为此付钱。然后把这份本事变成一个别人能识别、能购买的东西——一篇文章、一个工具、一次咨询，总得有个具体形态。最后还得让自己被找到，在某个地方持续露面，让需要你的人知道你在。 哪件都不容易。但它们的回报，是把你的收入结构从"卖时间"换成"卖系统"。系统有个好处：你睡着的时候它也在转。 到这一步，财务自由这个词才有了点实感。它的重点从来不是"有多少钱"，而是"你的收入还要不要你亲自到场"。 慢，但它是唯一的结构改变 说实话，这条路又慢又难，也没人保证你能走通。 它慢，因为攒钱、长判断力、找窄领域、做出产品，每一件都以年计。它难，因为它要求你在很长一段时间里做和周围人相反的事——别人消费你存钱，别人娱乐你学习，别人追热点你打磨一个没人知道的本事。它还孤独，前几年基本看不到反馈，连鼓励你的人都没有。 但我想了很久，还是觉得它值得。 因为它瞄准的不是"赚更多"，而是"换一种活法"。前者是量变，后者是结构变了。一个月薪两万和一个月薪三万的人，本质上都在卖时间，都停不下来。但一个靠工资、一个靠系统，这是两种不同的生存结构。 多数人一辈子都在前一种结构里打转——更努力地卖，卖得更贵，卖得更久，直到有一天卖不动了。而那条少有人走的主线，是趁还卖得动的时候，悄悄搭一个不靠卖也能活的底。 不一定每个人都要走到终点。但至少别在打转的时候，以为自己在前进。 - FIN -