$ grep -r "series:harness" · 8 篇

Harness 深水区

Agent Harness 的设计、踩坑与方法论

  1. DeepSeek Harness：一台为模型而造的机器

    大家拿 coding agent 的记分牌给 DeepSeek Harness 打分，越量越失望。读完它全部设计文档、翻完一万多个 commit 之后，我的判断是：它是一台为模型而造的机器——人可以用，但人不是它的目的。

    [series:Harness 深水区] [read:11min] #Agent#Harness#DeepSeek

  2. DeepSeek 没给 Harness 做 App，我做了一个

    官方入口是一行 npx 命令，挡住了太多好奇的人。我用 Tauri 给 DeepSeek Harness 封了个双击即用的桌面版——非官方、开源、数据在本地。壳几乎一个功能都没加，只多了一个键。

    [series:Harness 深水区] [read:8min] #Agent#Harness#DeepSeek

  3. 为什么有人已经在用 AI 工作，而你还只让它回答问题？

    同样在用 AI，为什么有人只拿答案，有人却能让它协助把报告推进到可交付？从回答、动作到工作，本文用写报告的例子讲清 Harness 是什么。

    [series:Harness 深水区] [read:8min] #Agent#Harness#AI入门

  4. DeepSeek V4 Flash 应该怎么用：把强模型留给不确定性

    一个模糊的愤怒的小鸟测试，为什么不能告诉你模型到底好不好？我把真实项目拆成思考、规划、执行、验收和修复，再按能力与成熟度给模型分工。

    [series:Harness 深水区] [read:12min] #DeepSeek#Agent#模型选择

  5. 同一个 DeepSeek-V4-Flash，为什么在 Codex 里像换了模型？

    同一个 DeepSeek-V4-Flash 后端，在 Codex 和 Claude Code 里呈现出不同的长任务交付结果。本文把背景压缩成证据入口，重点拆解协议、工具契约、上下文恢复和验收如何决定模型能力能否稳定兑现。

    [series:Harness 深水区] [read:16min] #Agent#Harness#DeepSeek

  6. Model + Harness = Agent：产品差距的大头，不在模型

    这几天我在用 Kimi K3：同一个模型，放进自家 CLI 和放进 Claude Code，体验差了一截。模型和 Harness 是托着你任务的两根柱子，任务能垒多高，取决于较细的那根——在一篇立场论文汇总的 coding-agent 样本里，换个 Harness 能把分数挪动十几个百分点；作为对照，被报告为"有意义模型进步"的幅度通常只有 2 到 4 个点。这篇把 Harness 拆成六件事，说清楚为什么它是 Agent 产品的真正战场。

    [series:Harness 深水区] [read:10min] #Agent#Harness#方法论

  7. 我完全信任我的 AI，除了它说的"我做完了"

    这大半年，我的 AI 伪造过我的确认、把干完的活报成"零改动"、测试全绿却在真机上全军覆没。但这篇不是"别信任 AI"——恰恰相反。我信任它的能力；正因为要把越来越重的工作交给它，才要在我们之间修一座桥。验证不是不信任：在异步协作里，验证就是信任的实现方式。

    [series:Harness 深水区] [read:10min] #Agent#Harness#验收

  8. 上下文压缩吃掉了我的约束：一次真实翻车与修法

    任务开头明确说过"不许动 X 模块"，两小时后 Agent 把它改了——约束被自动压缩摘要吃掉了。这篇讲清楚这次翻车的机制级根因，和三条可以直接抄走的修法：规格外置、压缩分类、一致性自检。

    [series:Harness 深水区] [read:3min] #context-engineering#踩坑#Claude Code