把 Agent 从一次对话，变成可替换、可恢复、可审计的运行时。
系统拆解 DeepSeek Harness 的插件化 Agent 运行时：Cordis 插件树、能力接缝、可回放事件、Turn/Step 生命周期、工具管线与 Profile 配置，并给出 traeai 的渐进式采用路线。 本页不是仓库 README 的复述，而是一条从机制、执行到产品落地的完整阅读路径。
先抓住四个约束
想理解 DeepSeek Harness 解决什么问题、运行时如何组成、事件为什么能回放，以及现有 Agent 产品该借鉴哪些设计，而不是直接照搬整个技术栈。
Service Definition、Provider 与 Consumer 分开，工具不绑定某个模型、文件系统或沙箱。
模型可见内容来自持久 SessionEvent；刷新、恢复、Fork 与审计拥有同一事实来源。
Profile、Bundle 与 patch 逐层组合运行时，只替换需要变化的那一行能力。
工具执行前统一经过策略、审批与沙箱，执行结果再回到可追溯事件链。
本站判断
Agent 从一次性对话走向可恢复的长期任务后，模型、工具、审批、沙箱、任务和持久化必须拥有稳定边界。DeepSeek Harness 提供了一套值得拆开研究的参考实现。
从底座到覆盖层
每层只回答一个问题：基础能力有哪些、跑在哪个宿主、选择哪组能力、当前用户要覆盖什么。配置按顺序组合，实际启动树可被检查。
模型、工具、会话、持久化、沙箱、审批、设置、凭据与遥测等基础插件。
dsh-web-app 或 dsh-headless 提供不同宿主，但消费同一组运行时服务。
Profile 选择命名组合，Bundle 同时分发插件代码与 Cordis 配置行。
Profile、用户 home 与 CLI patch 逐层覆盖，不必 fork 核心来替换一项能力。
Cordis context 负责服务、类型化事件和可撤销 effect。这里展示概念结构，不代表 traeai 需要直接引入 Cordis。
能力目录
能力接缝把 owner、实现和直接消费者写清楚。例如工具只消费 ctx.fs，将本地文件系统换成沙箱或远程实现时，不需要复制一套工具。
| 服务接缝 | 职责 | 实现 / 消费者示例 |
|---|---|---|
| ctx.llm | 模型消息与流式输出 | DeepSeek / Pi AI / Replay |
| ctx.sessions | 追加式会话与事件流 | Agent / Query / Fork / Feedback |
| ctx.sessionPersistence | 持久化同一套 SessionEvent | JSONL / SQLite |
| ctx.fs / ctx.shell | 文件与命令执行 | Local / Sandbox / E2B / PowerShell |
| ctx.sandbox / ctx.approval | 隔离与授权决策 | Local sandbox / ACP bridge |
| ctx.subagents / ctx.jobs | 子 Agent 与后台任务 | In-process / ACP / Codex / Jobs |
| ctx.web | 搜索与网页抓取 | Exa / Perplexity / HTTP fetch |
| ctx.storage / telemetry | 状态、脱敏与诊断 | JSON / SQLite / OpenTelemetry |
Turn / Step 生命周期
一个 Step 是一次模型请求及其工具调用；一个 Turn 可以包含多个 Step，直到没有待处理输入。agent/* 事件控制过程，session/event 支撑恢复、转录、Fork、UI 与 SDK。
认领用户输入与 inbox 消息，建立本轮控制边界。
消费者可拒绝或改写模型输入，再开始一次模型 step。
从持久事件推导历史，经 agent/request 进入 llm/stream。
流式 chunk 用于实时界面，完成消息写回 SessionEvent。
tool/call 依次经过 pre-execute、execute 与 post-execute。
有后续工具结果则进入下一 step，否则完成当前 turn。
控制面
steering、暂停、继续、状态观察、请求拦截与错误处理。
事实面
用户消息、模型响应、工具调用、结果与其他可回放 SessionEvent。
副作用边界
工具系统的价值不只是“能调用”。真正的运行时还要保证可见性、参数、权限、执行与记录拥有一致语义。
Agent 只看见当前 Profile 与策略允许暴露的工具定义。
解析调用参数，统一错误语义，保留 correlation 与父事件关系。
在副作用发生前检查权限、凭据、预算、沙箱和人工审批。
Consumer 只依赖能力定义，Provider 处理具体外部协议与重试。
结果、错误与 Artifact 作为持久事实追加，供恢复和审计。
给 traeai 的路线图
traeai 已有会话、事件、产物、Run、Memory、自动化与独立 Worker。下一步是让这些对象遵守同一套运行时合同，而不是先建设插件市场。
先做
随后
后置
暂不照搬： Cordis 动态运行时、任意 JavaScript 插件加载、通用终端与 IDE 产品面。它们会扩大运行时复杂度与安全边界，却不是内容生产平台当前最紧迫的问题。
有出处的结论
本专题基于 DeepSeek Harness 官方仓库与架构文档整理，核对版本为 master HEAD 99f6f02、根包 0.1.0-rc.7。它仍处于 developer preview；下方把官方机制、本站判断与 traeai 落地建议明确分开。
DeepSeek Harness 是可组装的 Agent 运行时与参考实现，不是一个可以直接 new 出来的单一 Agent 类；Web、headless、SDK、沙箱、子 Agent 和工作流围绕同一插件体系组合。
DeepSeek Harness · README仓库当前仍标注 developer preview，根包版本为 0.1.0-rc.7；生产采用应固定 release 或 commit，不能跟随开发中的 master。
DeepSeek Harness · package.json模型、工具、会话、持久化、文件系统、审批与遥测都通过服务定义、Provider 和 Consumer 构成能力接缝；消费者依赖稳定接口，而不是某个具体后端。
Capability seams and core services模型可见内容必须能从持久 SessionEvent 重建；实时 agent/* 事件用于 steering、状态观察与控制，不能替代可回放事实。
Agent turn and step lifecycleProfile 是命名运行时组合，Bundle 分发代码与 Cordis 配置，patch 可按 id 替换或插入配置行；扩展能力优先通过组合，而不是 fork 核心。
DeepSeek Harness · ArchitectureCordis context 承载服务、类型化事件和可撤销 effect；插件卸载时，其注册产生的 effect 会一并回收。
Cordis primer最值得吸收的是可替换能力、可回放事实和可组合配置；traeai 无需为此替换 Next.js、Supabase、Pi 与现有 Worker。
traeai · DeepSeek Harness 研究报告优先补齐事件协议、Replay 投影、统一 Run 状态机与 Policy Gate；动态插件市场、任意 JS 加载和通用 IDE 能力应后置。
traeai · 渐进式采用路线回到官方原文
专题中的机制描述均可回到下列仓库文档核对。版本与开发状态会变化，生产决策应重新确认最新 release。
独立整理，非 DeepSeek 官方站点。仓库使用 MIT 许可证，第三方依赖仍须查看原仓库的 THIRD_PARTY_NOTICES.md。
来自 traeai
站内文章按采集持续更新，与上方截至 2026-08-18 的架构研究快照分开维护。
Claude Code 源码泄露揭示了 Agent Harness 的三层工程本质：执行层、状态层与治理层；其‘零上下文管理’、auto-dream 记忆机制与 CLI 优先哲学，定义了下一代 Agent 基础设施的设计范式。
入选理由：Agent 上限不由模型智商决定，而由 Harness 的工程深度决定——它像机甲，不提智力但极大扩展能力。
Google 的 LEAP 框架将通用 LLM 与形式化数学编译器 Lean 及验证器结合，使 Lean-IMO-Bench 一次求解率从低于10%提升至70%，并以一模型解决 Putnam 2025 全部 12 题，超越专门化金牌系统。
入选理由：LEAP 通用 LLM 一模型解决 Putnam 2025 全部 12 题。
2026年将是AI Harness之年，通过护栏、验证和自动化处理器等工程手段，无需修改Prompt即可将不可靠的AI Agent转化为稳定可控的系统，这是通往AGI的关键基础设施。
入选理由：AI Harness包含工具注册、上下文压缩、护栏、循环与验证五大核心组件，能将不可靠模型锚定在可控代码环境中。
DeepSeek Harness桌面版通过本地化安装和插件系统，将AI助手转变为可自动化办公的生产力工具，支持文档处理、定时任务和自定义插件开发。
入选理由：DeepSeek Harness桌面版支持Office/PDF文件处理，处理速度达300 tok/s
Harness Arena通过实际任务执行结果比较AI代理工具，帮助用户评估不同harness的性能差异。
入选理由：Harness Arena使用相同任务和模型配置测试不同代理工具
Agent harnesses通过增强AI模型的持续执行和规则管理，成为GPT包装器的下一代解决方案。
入选理由：Agent harness可兼容GPT、Claude、Google Gemma等多模型，实现模型解耦
