AI

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： ...

赫拉克利特说：“人不能两次踏入同一条河流。“创业这条河也不例外——河水在变，河岸在变，但过河这件事本身，从未改变。 什么变了 The Founder’s Playbook 最后一章叫"Same Job, New Rules”，开篇第一句话就点题：在 AI 时代，创始人的工作没有变——找到真实的问题，构建解决方案，把它变成一个重要的公司。变的是到达那里的路径。 过去九篇文章，我们逐层拆解了这条新路径的每个阶段。把"变了"的部分梳理一遍，你会看到一条很清晰的曲线。 Idea Stage 变了。过去验证一个问题要几个月的调研和几十场访谈。现在 AI 帮你做竞争分析、设计访谈框架、自动化外联，验证周期从几个月压到几周。但"验证"本身的必要性没变，反而因为构建成本降低而变得更重要——做错的代价低了，做错之后浪费的机会反而多了。 MVP Stage 也变了。过去一个原型需要一个团队几个月的工作。现在 agentic coding 让一个人一个下午就能做出一个看起来像那么回事的产品。但"产品市场契合"的标准没变——用户是否真的在乎，不会因为你的产品做得更快就自动成立。 Launch Stage 同样变了。过去从产品到公司需要招一个运营团队。现在 AI 工作流自动化让一个小团队能跑出大团队的运营效率。但"系统化运营"的目标没变——你需要不依赖创始人的系统。 Scale Stage 的变化更微妙。过去构建护城河要几年时间和大量资源。现在 AI 让领域知识的编码和用户数据的复利变得更快。但"护城河"的本质没变——时间积累的东西，仍然需要时间来积累。 什么没变 这是更重要的问题。 判断力没变。AI 能帮你做研究、写代码、起草文档、分析数据。但它不能告诉你"这个问题值不值得做”、“这个方向对不对”、“这个时机该不该出手”。这些判断需要你独有的上下文——你的行业经验、你的直觉、你对用户的理解。 领域知识也没变。AI 是通用智能，它不知道你所在行业的那些"只可意会不可言传"的东西。340B 药品项目的计费逻辑、建筑行业的合规要求、法律行业的风险偏好——这些需要真实经验的东西，AI 只能辅助，不能替代。 用户信任更没变。用户选择你的产品，不是因为你的 AI 有多强，而是因为他们相信你能解决他们的问题。信任来自真实的对话、可靠的交付、长期的承诺。这些 AI 帮不了你——只能靠你自己。 把这些串起来看，创业的本质没变：找到真实的问题，构建解决方案，把它变成一个重要的公司。这句话在 2020 年、2026 年、2030 年都成立。工具在变，但创业的核心——为真实的人解决真实的问题——从未改变。 路径压缩，本质不变 The Founder’s Playbook 用一句话总结了 AI 对创业的影响：AI 把每个阶段的时间轴压缩了——验证从几个月变成几周，原型从团队工作变成个人工作，运营从小团队变成 AI 加一个人。 但压缩的是时间，不是工作本身。你仍然需要验证、需要构建、需要发布、需要规模化。你仍然需要判断力、领域知识、用户信任。你仍然需要在每个阶段做出正确的选择——只是现在，你有更好的工具来执行这些选择。 这让我想到一个关于摄影的类比。数码相机和 Photoshop 让"拍一张好照片"变得前所未有的容易——你不再需要暗房、不需要对曝光的精确控制、不需要等胶片冲洗。但"什么值得拍"和"怎么构图"的判断力，仍然是摄影师的核心能力。工具变了，审美没变。 给 AI 原生创始人的三句话 读完这本书，走完这个系列，我想留三句话给正在或准备打造 AI 原生公司的创始人。 ...