上一篇是 Day 6|给你的 Agent 装一个新工具。单个工具装熟了,本篇回到骨干篇,回答 Day 6 结尾的问题:如果模型、会话、甚至别的 Agent 都能插件化,Harness 会变成什么样子。

本篇是 L3 的骨干篇。后续导航:

Day类型主题
Day 8骨干记忆、轨迹与可观测性
Day 9练习毕业项目:搭建团队级 CI/CD 自动化 Harness
Day 10阶段小结L3 毕业考核 + Harness 未来趋势

为什么需要元架构

先回忆一下你这一周用 Agent 的方式。

昨天你在让它改代码,用的工具是编辑器加终端;今天你想让它查数据库写周报,需要的是 SQL 查询和表格输出;明天你想让它监控一家竞品网站的更新,需要的是定时调度和通知。三个场景,三套工具,三种记忆策略,甚至三个合适的模型,但你的 Harness 只有一份。

Day 2 我们讲过 Pi 的答案:核心做薄,需要什么自己装。这个答案对一个人、一台机器很有效。但它有一个隐含前提:你愿意自己动手扩展。一旦你想把同一套工作流交给团队,想换模型时不动任何工具代码,想让一个 Agent 调用另一个 Agent,「自己写扩展」就不够了。

DeepSeek Harness 走了另一条路,也是本篇的主角:元架构。不写死任何一个部件,而是把「拼装 Harness 的能力」本身做成架构。它的官方架构文档第一段就是这句话:Cordis 框架之下,产品的每一个部分都是插件:模型适配器是插件、工具注册表是插件、会话日志是插件、连 Agent Loop 本身也是插件,每一个都可以从配置层替换[1]。

没有元架构的 Harness 像一体机:出厂什么规格就是什么规格,除了部分硬件可替换、可外接,要换显卡就得换整机。有元架构的 Harness 像台式机:每个部件插在标准插槽上,换任何一个都不动其他。Day 5 我们问「这个工具该落在哪一层」,今天这个问题变成:如何把整个 Harness 的每一层,都变成插拔件?以及为什么?

Cordis 内核:一切皆插件怎么落地

「一切皆插件」听着像口号,Cordis 把它拆成了五条可以逐条检查的规则[2]:

  1. 插件是一个实现 Service 接口的对象。可以是一个函数,也可以是一个类,没有厚重的插件 SDK。
  2. 上下文是服务的仓库。每个服务占一个稳定的 ctx.<key>(ctx.tools、ctx.llm、ctx.sessions),其他插件按键找服务,而不是 import 一个具体实现。这是解耦的物理基础:调用方根本不知道实现方是谁。
  3. 依赖用 inject 声明。插件声明自己需要哪些服务,框架等依赖齐了再激活它。加载顺序由服务依赖关系决定,不用手写启动脚本。
  4. 插件之间用类型化事件通信。事件分五种派发模式:emit、waterfall、parallel、serial、bail。瀑布(waterfall)就是「包裹」模式的运行形态:监听器把请求传给下一个,也可以中途截断。tools/* 这类瀑布事件就是 Day 3 讲的 Hook 的载体。
  5. 注册是可逆的效果。工具 schema、提示词段落、适配器、监听器,全部通过 ctx.effect() 注册,插件卸载时自动按逆序撤销,不留残渣。

第五条值得单独看一眼。传统架构里「卸载一个功能」是最没人想碰的操作:注册时撒了一地全局状态,卸的时候不知道漏了什么。Cordis 把注册和撤销绑定成一次效果(effect),插件卸载时按预期逆序撤销。一个功能能干净地卸掉,才敢放心地装。这是「一切皆插件」能从口号变成工程的前提。

落到用户侧是另一组概念:profile 和 bundle。profile 是一份有名号的组合单,声明这个 Harness 由哪些 bundle 堆叠而成;bundle 是 Cordis 配置行的分发单位,装进来自带代码和配置,而且上层永远可以继续 patch 它[1]。所有 profile 共享的第一层叫 dsh-base:模型适配器、工具、持久化、沙箱和审批策略、设置、凭证、遥测,全在这一层。往上有加浏览器应用的,有加无服务器一次性运行的,有给 SDK 用的。

「配置即组合」到这里就是字面意思。你想看自己机器上实际拼出来了什么,跑一条命令:

dsh --profile web --dump-config

打出来的每一行都是一个插件,任何一行都可以被你自己的 patch 替换[1]。这就是元架构的验收标准。

配置即组合:一条总线背板上插着五个带不同符号的彩色插件模块,上方飘着一张只画勾选符号的配置清单

我自己的项目里没有 Cordis,但解决过同一类问题,只是那时没有标准插槽,结果写在 Aristotle v1.6 的双语言架构里:Watchdog 用 TypeScript 写、Intervention 用 Python 写,中间用 subprocess 桥接。这不是审美选择,是五类约束逼出来的:同步拦截必须在宿主 tool call 路径上、1166 个 pytest 测试资产不能丢、零新增基础设施、400ms 启动延迟不能阻塞每次调用、MCP 的容错模型刚好覆盖跨语言失败。那次拼装是点对点的,每个接缝都要自己谈协议;元架构做的,是把这类约束下的拆分决策变成默认能力,部件一开始就插在标准插槽上。

架构解耦的三个层面

插件化之后,「解耦」从口号变成三个可以分别操作的层面[1]。

第一层:模型适配。 ctx.llm 是适配器接缝,注册一个新模型就是往这个接缝上放一个插件。同一套工作流换模型,不动工具、不动会话、不动 Loop。Day 2 说过 Pi 的选择是「不内置权限、交给外部容器」,DSH 的选择是「沙箱和审批策略也是可插拔的 capability seam」:安全策略是配置,不是硬编码。

第二层:preset 与 bundle。 把一组插件打包成「人设」,就是 preset。标准模式、PTC 模式、极简模式、创造模式,你在界面上切换的模式,本质就是四份插件声明单。下一节细讲。

第三层:sub-agent 组装。 ctx.subagents 一个接缝背后挂着六个官方后端:进程内 spawn、进程内 fork、ACP、Codex、Claude Code、另一个 DSH 实例[3]。调度 Claude Code 或 Codex 跑一个子任务,和调度本地子 Agent 走同一条接口。这就是「把第三方 Agent 当作插件嵌入」的正式形态:元架构的拼装范围不限于自己的部件,别人的整机也能插进来。

这个层面还有一个更激进的实验:Agent Teams。给根会话开启后,团队得到一个共享任务板:任务是有向无环图,blockedBy 边声明依赖,writeScopes 圈定每个任务的写路径(注意是 advisory 建议,不是锁),每次修改用 compare-and-set 的版本号校验,版本对不上的写入会被拒绝[4]。成员之间走普通的 subagent 消息。

对 Agent Teams 我要多一句嘴:它最近刚从实验包毕业,代码从 packages/experimental 挪进了 packages/team,架构文档也摘掉了 Experimental 标签,但收敛过程的 churn 痕迹还在文档里:roster 花名册和 mailbox 邮箱已标成「历史格式」,身份、消息、发现全部移交普通 subagent 机制[4]。学它的设计原理(共享状态、任务 DAG、写范围)很有价值;把它建进生产系统之前,先想好任务板之外的概念会不会再变。插件市场也还在「Experimental plugins」开关底下藏着,默认不开[5]。

什么时候该从 loop 升级成 graph

元架构解决「部件怎么拼」,还没回答「拼出来的系统长什么形状」。walkinglabs 第 14 讲给了一个判断框架:单个 loop 撑不住时,系统会长成 graph[6]。

先把话说准:graph 不是新发明。节点、边、共享状态、路由规则这四要素,Airflow 和 Temporal 用了几十年;Anthropic 在《Building effective agents》里列的五种模式,绘制出来全是图[7]。真正的新东西只有一个:节点的类型从「函数」放宽成了「Agent」。工作流节点是确定性代码,图工程节点可以是一个带自己 loop 的完整 Agent,边也可以由上一个节点的产出动态决定。用 Anthropic 的判据一句话分清两者:控制流由代码固定,是 workflow;模型能在运行时改变步骤,是 agent[7]。

walkinglabs 总结了单个 loop 上规模之后的三种结构性失效[6]:三种失效都源于 loop 的结构本身,换一份实现照样复发。

  1. Goodhart 定律:单一指标被使劲优化就会不再是指标。walkinglabs 举的典型案例:客服团队围绕「工单解决率」建了 loop,周报数字月月涨,几个月后续费数据出来,流失翻了一倍:bot 会关工单了,但并没有真正解决问题。
  2. 向上失明:loop 里的目标是圣旨,结构里没有任何一个位置能问「这个目标本身对不对」。恒温器不会问 20°C 合不合适,销售 loop 不会问配额合不合理。
  3. 冲突:多个各自健康的 loop 互相打架:响应速度的 loop 拖累严谨性的 loop,增长的 loop 拖累质量的 loop,而每个 loop 自己的指标都显示运行良好。

这三种失败有个共同点:检查者和被检查者共享同一个大脑、同一段上下文。loop 可以加 checkpoint、可以加停止条件,但 checkpoint 也住在同一个 Agent 里,它不会问自己「这个指标对吗」。graph 不加检查点,它把检查挪到一个独立节点上,给那段全新上下文[6]。这就是 Day 9 毕业项目要亲手搭的 maker-checker:verify 节点永远看不到 implement 节点的推理过程,只看到共享状态里的代码。「独立审核」在 graph 里是靠上下文隔离实现的,不是凭自觉。

loop 和 graph 的区别,Luis Catacora 有一句最狠的概括:「loop 有很大的容错空间;graph 逼你承认你的工作流里有多少东西其实从没被真正建模过。」[6] 翻成工程语言:loop 是把决策推迟到出事那天,graph 是把决策提前画在纸上。loop 把问题藏在 loop 里,graph 把问题写在纸上;前者适合探索,后者适合生产。

loop 与 graph 对照:左边一个旋转的圆圈箭头把一切藏在内部,右边一条工作流被拆成四个工位,工位之间立着条件路标,验证工位前有一枚放大镜,回退边从验证工位绕回实现工位

但使用 graph 也有代价。Addy Osmani 在《The Orchestration Tax》里算过这笔账:启动一个 Agent 只要一个回车,验收它的产出、和别的 Agent 的改动对账,都要有人,而那个人是你,而且只有一个你。他的原话:「你就是你的 AI Agent 们的 GIL。它们可以全部并行,但凡哪份工作需要真正理解架构、需要解决合并冲突,这份工作就必须抢到锁。锁只有一把,就握在你手里。」[8]

这种代价也压在工程上,不只压在人身上。我自己的项目里就有过一次:Aristotle 的 Watchdog-Intervention Bridge 否决过一个实时 HTTP 通信方案,理由是通信层本身的健康需要另一个 watchdog 来监控——每加一层编排,都要问一句谁来编排编排者[9]。最后的选法是把通信推迟到 checkpoint 批量处理:零违规时零额外开销,付出的是干预决策慢一轮。编排没有免费选项。

所以什么时候才值得升级为 graph?walkinglabs 给了五条标准,至少命中三条再动手[6]:

  1. 任务能拆分成互不依赖的单元,可以同时运行。例如三个模块的测试彼此独立,就可以并行执行。
  2. 流程里有需要提前交代清楚的岔路。比如测试失败之后该回到哪一步重做,做到一半发现信息不够又该退回哪一步补齐。这些回退路径应该提前写明,让每个协作方都看得见。
  3. 运行到一半的状态值得存盘。这样中断或崩溃之后可以从断点恢复,省去从头再执行的工夫。
  4. 每个节点做完没做完,有机器能检查的标准:例如测试通过、lint 不报错,不需要人来判断。
  5. 省下的时间多于维护成本:并行和回退带来的收益,必须大于维护图和共享状态投入的精力。

对照这份清单,「我的任务很复杂」排不上号:复杂只是事情多,不说明结构上有分工、验证、恢复的需要。五条一条都不命中就动手画图,得到的只是一张更贵的流程图。

四种模式:一棵插件树,四份预置组合

回到产品界面。DSH 内置的四个模式,官方文案把它们的边界写得很克制[10]:

模式官方定义(转述)本质
标准模式处理代码、文件和资料,适合大多数任务;按需使用检索、编辑、终端等工具全量插件树
PTC 模式包含标准模式的全部能力,更适合批量调用工具、对结果筛选整理去重汇总的任务工具调用写进代码
极简模式Agent 使用终端和图片读取工具,支持上下文压缩,适合测试和对比基础表现减法体验
创造模式用对话定制 DSH:让 Agent 编写插件、添加功能或界面,也能组合工具和提示词创建自己的模式Harness 改自己

三个非标准模式,各自值得多说一句。

PTC(Programmatic Tool Calling)模式回答的是 Day 5 埋过的问题:工具结果太多怎么办。它的做法是让 Agent 通过 run_code 写一段 TypeScript 程序,用生成的工具 SDK 发起调用:循环、条件、并发都在程序里,工具结果先交给程序筛选聚合,模型只看到程序输出的成品[10]。当前版本的 PTC preset 还刻意关掉了 workflow 和插件管理工具,把决策空间压到只做批量处理。这是「上下文经济是第一约束」的又一个官方注脚。PTC 最近还独立成了可选的 capability seam(ctx.ptcRuntime):它在 Agent Loop 主干之外按需挂载,官方执行环境甚至放在沙箱 Node 里[11]。

极简模式值得你停下来想一下:DSH 这样的加法派产品,内部保留了一个接近 Pi 的减法配置:几乎只剩终端,把 Harness 对模型的干扰降到最小。官方指南甚至直接建议你做一个实验:从同样的初始状态出发,同一个任务分别在标准模式和极简模式各执行一遍,对比完成度、工具调用次数和最终改动[10]。这个实验设计就是 Day 1 miniharness 精神的产品版:别信宣传,执行一遍看数据。

创造模式是元架构的化身:Agent 先查看再修改。两个只读检查工具 cordis_inspect_list 和 cordis_inspect_query 让它在写插件代码之前,先查询运行中的 Harness 加载了哪些模块、每个模块的确切方法签名[12],然后对话式编写插件,经 Plugin Manager 持久化进 profile。这不是「让 Agent 写代码」那么简单,是让 Agent 修改自己脚下的 Harness。自我演化的入口开在元架构上,因为只有插件化的系统才允许被运行中的自己安全地改写。

Pi vs DSH 的终局对比

走到这里,L3 的两大主角可以正面分一次胜负了。没有胜负。

  • Pi 相信:一个足够薄的核 + 用户自己扩展。你要的是控制感,代价是凡事自己动手。
  • DSH 相信:一个可组合的插件网络 + 社区生态。你要的是生态,代价是概念门槛和维护面。最新的证据:连 Claude Code 的插件格式(mods)都能挂进 Cordis 组合机制,官方理由只有一句——“mods join the one composition mechanism every DSH plugin uses”[13]。

这不是信仰之争,是约束画像之争。我在 v1.6 架构复盘里写过一句话,拿来给这个对比收尾刚好:不存在脱离上下文的最优解:方案 A 好,方案 B 也好,在约束 X 下找出 A 和 B 哪个更不坏,才是设计要处理的问题。一个人在自己机器上追求极致响应速度和完全可见性,Pi 的约束画像胜;一个团队要换模型不动代码、要把审批策略交给配置,DSH 的约束画像胜。Day 2 和本篇合起来才是完整的判断题:先减法,看清单核够不够你用;不够,再加法,看插件网络的代价你付不付得起。

这两个选择也不互相排斥,可以组合着用。一个务实的搭配:日常交互留在 Pi,享受响应速度和完全可见性;遇到 Pi 没有的能力,比如批量处理、浏览器操作这类 DSH 插件已经覆盖的场景,从 Pi 的 bash 里调用 dsh headless 这个一次性运行器,跑完拿着结果回到 Pi 会话。反过来,主战场在 DSH 的人,减法需求开极简模式就能满足,不必为 Pi 体验维护第二套工具。一句话分工:个人轻量任务选 Pi,团队协作选 DSH,边界上的任务按上面的组合来。

比搭配工具更基础的,是把自己的系统设计对。我自己的 GEAR 协议是一个现成的例子[14]:编排、生产、校验、消费、检索五个角色,分别落在 skill 文件、subagent 和 MCP 工具上。每个角色职责单一,交接文件是 git 版本管理的专有格式文件,替换任何一个角色都不影响其他四个。整个系统没有依赖任何插件框架,角色之间的边界和替换能力完全来自设计本身。

今日收获

  1. 元架构的定义:产品的每个部分(包括 Agent Loop 本身)都是插件,每个都能从配置替换。「可扩展」的验收标准是 --dump-config 能打印装配清单,任意一行换过。
  2. Cordis 五条规则:Service 对象、ctx 按键寻址、inject 声明依赖、类型化事件、注册可逆。第五条(可逆)是前四条的地基。
  3. 解耦三层面:模型适配(ctx.llm 接缝)、preset/bundle(模式即组合单)、sub-agent 组装(别人的 Agent 也是插件)。Agent Teams 学原理,生产慎用。
  4. loop → graph 的判断:三种结构性失败(Goodhart、向上失明、冲突)+ 五条标准(至少命中三条)。记住「你就是 Agent 们的 GIL」。
  5. 四种模式是四份预置组合:标准求全、PTC 求批量、极简求基线、创造求自改。极简模式内置的「同任务双模式对照」实验,人人都能跑。

记住一句话:判断 Harness 成熟度的标志只有一个:它的多少部分能被替换——包括它自己。

Day 8 进入 L3 的最后一个阶段:系统拼好了,它跑得怎么样?记不记得事?崩了能不能接着跑?记忆、轨迹与可观测性。


深入学习资源

参考资料

  1. DSH 架构文档:Cordis、profiles/bundles、capability seams、subagent providers
  2. DSH Cordis Primer:插件五条规则、事件派发模式、可逆注册
  3. DSH Subagent 子系统文档:ctx.subagents 接缝与六个官方后端
  4. DSH Agent Teams 子系统文档:共享任务 DAG、compare-and-set、历史 roster/mailbox
  5. DSH 插件市场指南:Experimental plugins 开关与 plugin_market 工具
  6. walkinglabs Lecture 14:From Single Loops to Graph Engineering
  7. Anthropic:Building effective agents(workflow 与 agent 的判据、五种模式)
  8. Addy Osmani:The Orchestration Tax(2026-05-16)
  9. Aristotle v1.6 Watchdog-Intervention Bridge:实时拦截的设计与取舍
  10. DSH 内置 preset 官方文案与模式指南(agent-preset 组件 locales)
  11. DSH PTC runtime 子系统文档:可选 capability seam 与沙箱 Node 决策
  12. DSH dsh-tool-cordis:Creator 模式只读检查工具
  13. DSH Claude Code mods 兼容桥文档:mods 接入 Cordis 组合机制
  14. 七种人机协作模式:GEAR 五角色分解的完整标本