Agent Harness 深度实践者 · 5 台机器 Agent 矩阵 · Model + Harness + Scene = Agent
我正在探索 Agent Harness 的前沿——如何让 AI 模型在真实场景中不翻车。
Scene ≠ Data。场景是数据的起源（因），数据是场景被压缩后的痕迹（果）。 Model 负责吃数据找模式，Harness 负责对接场景。 微信每天几十亿次真实对话——恋爱、吵架、谈生意、晒娃——这些场景的复杂性，远不是训练数据能覆盖的。
这几个项目是递进关系，从理论到产品逐层落地：
llm-harness-agent ← 理论研究（18 篇深度分析 + 论文数据库）
↓ 验证
deepseek_runtime ← 可复用的运行时内核（fork 了就能在 DeepSeek API 上搭 Agent）
↓ 封装为产品
deepseekagent ← 面向用户的完整产品（"一人公司"操作系统）
↓ 派生
├── deepcode ← DeepSeek V4 深度优化的 AI 编程助手
└── oh-my-deepseek-harness ← Hermes 插件：注入满血 DeepSeek 能力
| 项目 | 它能帮你做什么 | 适合谁 |
|---|---|---|
| llm-harness-agent | 不用从零啃论文——18 篇深度分析把 Agent 架构的坑和方案讲清楚，附带完整论文引用数据库 | 想理解 Agent 技术选型的产品经理和开发者 |
| deepseek_runtime | 在 DeepSeek API 上搭本地 Agent，不用自己写安全、会话、证据——fork 了就能用 | 在 DeepSeek API 上做二次开发的 Python 开发者 |
| deepseekagent | 说需求，它帮你调度一整家公司的 AI 部门——出代码、出文案、出报表，你不需要会写代码 | 想一个人干一个团队活的创业者/独立开发者 |
| deepcode | 专为 DeepSeek V4 定制的编程助手，reasoning_effort 控制、Harness 约束、飞书/微信里也能管代码 | 用 DeepSeek V4 写代码的开发者 |
| oh-my-deepseek-harness | 一条命令给 Hermes Agent 装上 DeepSeek 满血插件——意图路由、推理强度自动切、上下文自动压缩 | Hermes Agent 用户 |
还没完，另外两个项目也可以看看：
| 项目 | 它能帮你做什么 |
|---|---|
| openclaw-wechat-plugin | 本地 Agent 通过微信服务号对话，比微信官方还早开源 |
| claude-code-webui | Claude Code 的 Web UI，移动端适配 + 国际化 |
Agent Loop KV Cache MCP (Model Context Protocol) Multi-Agent Context Engineering Tool Use Reasoning Prompt Engineering vs Context Engineering vs Harness Engineering
- 18 篇 Agent Harness 架构深度分析
- Hermes 路由/记忆层源码级修改实践
- 5 台机器跨平台 Agent 矩阵的运维经验
- 方舟众测 AI 模型评测标准化流程
- 微信 / 电话：15527321668
- 邮箱：yuanchenglu001@gmail.com
- 袁成路。DeepinOS 开源Linux操作系统开发者，编程猫产品总监 → 迷你编程创始人。
"Your model lives and dies on the data you feed it. Harness 也一样——它活得好不好，取决于你喂给它什么场景的压力。"