前言¶

DeepSeek Harness（DSH）的典型用法是给一个任务定义 prompt 和 workspace，然后运行 Agent。如果希望 Agent 在迭代中逐步变强，通常的做法是手动调整 system prompt 或反复重写任务脚本。这种方式对开发者要求高，且难以在多个任务间复用经验。

Recursive Harness 插件引入了两层递归演化机制，在模型权重不变的情况下，让 Harness 自身进化：任务内部做 Propose → Probe → Compose，任务之间通过 Reflector 积累经验库。这套逻辑来自 Google Research 的 Harness² 论文（arXiv:2610.14224）。

下面介绍这个插件如何工作，以及如何安装和配置。

插件定位¶

名称：dsh-plugin-recursive-harness
维护者：Bear0117
状态：实验性（experimental）
适用范围：DeepSeek Harness 0.2.x（测试于 0.2.0-rc.2）
Node.js 要求：22.19 或 24+

插件的目标是：当模型权重固定时，通过演化 Harness（包括 system prompt、guardrails、tool guidance、memory 和 skills）来提升 Agent 表现，并在不同任务间复用成功模式。

核心机制¶

插件在两个维度做递归演化。

任务内：Propose → Probe → Compose¶

对每个任务，插件按以下流程运行：

Propose：模型提出两个候选 Harness。一个偏通用，用于强化推理和工具纪律；另一个偏领域，增加 memory、guardrails 和一个 skill。每次提出后，运行一轮 baseline（参考运行）。
Probe：两个候选 Harness 在隔离的 headless dsh 实例中运行，各自拥有独立的任务 workspace。先通过 objective checks 决定是否通过，再通过行为指标（工具错误、步数、token 数）比较，可选模型 judge 做第三级判断。
Compose：互补的赢家合并后再次验证；如果合并变差，则回退到表现最好的单候选。

每次迭代后，新的 active Harness 会写入 $DSH_HOME/recursive-harness/active/，新 Session 会自动加载。

任务间：Reflector → Experience Library¶

插件维护一个时间顺序的 Experience Library，记录哪些 Harness 配置在哪些任务上有效。每次运行结束后，Reflector 将结果写入 Markdown 条目，供后续任务的 Propose 使用。

演化范围¶

插件可以演化的组件包括：

systemprompt
guardrails
tool_guidance
longTermMemory
skills（SKILL.md + 小脚本）

以下内容保持不变：

AGENTS.md
.dsh/
.git/
lockedSurfaces 中列出的路径

安装与启用¶

安装命令（以 web profile 为例）：

dsh plugin --profile web add dsh-plugin-recursive-harness

安装后重启 dsh web，终端会打印 [recursive-harness] ready: …。

更新插件：

dsh plugin --profile web update dsh-plugin-recursive-harness

如需立即更新到指定版本（因为 pnpm 默认只使用一天前发布的版本），可加版本号：

dsh plugin --profile web add dsh-plugin-recursive-harness@0.1.0

移除插件：

dsh plugin --profile web remove dsh-plugin-recursive-harness

删除残留文件：

删除 recursive-harness 条目（如果在 cordis.patch.yml 中添加过）
删除 ~/.dsh/recursive-harness/（如不保留 harness 版本和经验库）

配置说明¶

配置文件位于 profile 的 cordis.patch.yml（web profile 为 ~/.dsh/profiles/web/cordis.patch.yml）。添加 id: recursive-harness 条目后，其 config 会替换插件的默认配置。

一个最小配置示例：

- id: recursive-harness
  config:
    proposer:
      engine: llm
      endpoint: http://127.0.0.1:8000/v1/chat/completions
      model: my-model
      apiKeyEnv: ""        # 环境变量名
      allowEgress: false   # 是否允许访问非回环地址
      allowHttpHosts: []   # 允许的 HTTP 主机
      judge: true          # 启用模型 judge（第三级判断）
      jsonMode: false      # 是否发送 response_format=json_object
      extraBody: {}        # 额外的请求体字段
    probe:
      templateProfile: web     # probe 继承此 profile 的模型和凭证
      provider: ""             # 覆盖 probe 使用的模型提供者
      model: ""                # 覆盖 probe 使用的模型
      blockedTools: []         # 这些工具的任务永不被 probe
    lockedSurfaces: []         # 任何 candidate 都不能触碰的路径
    protectedPatterns: []      # 正则表达式，匹配则拒绝 candidate
    maxConcurrency: 2          # 并行 probe 子进程数
    maxTokensPerIteration: 120000
    probeTimeoutMs: 600000

注意：proposer 需要一个 OpenAI 兼容的聊天补全服务器（如 vLLM、SGLang、llama.cpp、Ollama 或托管 API）。未配置前 proposer 为固定模板，不会向外部发送文本。

命令行接口¶

插件提供以下命令（可在 dsh 的会话中执行，也可直接用 npx dsh-recursive-harness）：

/harness inspect：查看当前 active harness 版本和已挂载的 skills
/harness start <task> 或 /harness start ./my-task.mjs：在后台启动一次演化运行
/harness status <runId>：查看运行状态
/harness cancel <runId>：停止运行并杀死子进程
/harness rollback [versionId]：回退到指定版本（不提供则回退到上一个版本）
/harness listExperience：列出 Reflector 保存的经验条目

命令行等效调用示例：

npx dsh-recursive-harness inspect | start | status | cancel | rollback | listExperience

状态默认存储在 ./.dsh-harness 目录下；可通过 --config 指定 JSON 配置文件。

自定义任务示例¶

任务文件是一个 ES Module，导出 task 或 tasks 数组。插件会写入 workspaceFiles 到空 workspace，运行 agent，将最终输出交给 objectiveCheck：

// my-task.mjs
export default {
  taskId: 'orders-report',
  split: 'dev',
  domain: 'general',
  prompt: '讀取 orders.csv，輸出 { total, byRegion } 的 JSON，byRegion 依名稱排序。',
  workspaceFiles: { 'orders.csv': 'region,amount\nEast,10\nWest,5\nEast,2\n' },
  expected: { total: 17, byRegion: { East: 12, West: 5 } },
  objectiveCheck(record, task) {
    const data = JSON.parse(record.finalOutput.match(/\{[\s\S]*\}/)[0]);
    const ok = data.total === task.expected.total;
    return {
      passed: ok,
      score: ok ? 1 : 0,
      details: ok ? [] : [`total 應為 ${task.expected.total}，實得 ${data.total}`]
    };
  },
};

注意：objectiveCheck 的结果详情会在传递给 proposer 前被脱敏（隐藏 expected 和具体错误信息），避免 proposer 过拟合。

适用场景与注意事项¶

适合使用此插件的情况：

需要在多个任务上持续优化 Agent 的 system prompt、guardrails 和工具使用方式
希望在任务间复用成功的 Harness 配置和经验
模型权重固定，但希望通过迭代改进 Harness 来提升性能

注意事项：

插件以当前 dsh 进程的权限运行，安装前应检查源码和许可证（MIT）
插件为实验性功能，当前在 dsh 0.2.0-rc.2 上测试通过
每次 probe 是一次完整的 agent 运行，需要根据 maxConcurrency 和 probeTimeoutMs 合理配置资源
插件不会向外部发送除 proposer endpoint 以外的数据，无遥测

生态背景¶

DeepSeek Harness 的设计理念是「一切皆插件」，社区目录由 SkillHub 独立维护，与 DeepSeek 或幻方无官方从属关系。本文介绍的插件只是社区项目之一。

总结¶

Recursive Harness 插件通过 Propose → Probe → Compose 和 Reflector → Experience Library 两层递归，让 Harness 在模型权重不变的情况下自我演化，并在任务间复用经验。对于需要在多个任务上持续优化 Agent 行为的开发者，这是一个可用的实验性工具。

插件目录页：https://www.skillhub.cn/plugins/Bear0117/dsh-plugin-recursive-harness
GitHub 仓库：https://github.com/Bear0117/dsh-plugin-recursive-harness

DeepSeek Harness 递归 Harness 插件

前言¶

插件定位¶

核心机制¶

任务内：Propose → Probe → Compose¶

任务间：Reflector → Experience Library¶

演化范围¶

安装与启用¶

配置说明¶

命令行接口¶

自定义任务示例¶

适用场景与注意事项¶

生态背景¶

总结¶

精选优惠券

DeepSeek Harness 递归 Harness 插件

前言¶

插件定位¶

核心机制¶

任务内：Propose → Probe → Compose¶

任务间：Reflector → Experience Library¶

演化范围¶

安装与启用¶

配置说明¶

命令行接口¶

自定义任务示例¶

适用场景与注意事项¶

生态背景¶

总结¶

精选优惠券

Related Articles