前言¶

DeepSeek Harness（DSH）的典型用法是給一個任務定義 prompt 和 workspace，然後運行 Agent。如果希望 Agent 在迭代中逐步變強，通常的做法是手動調整 system prompt 或反覆重寫任務腳本。這種方式對開發者要求高，且難以在多個任務間複用經驗。

Recursive Harness 插件引入了兩層遞歸演化機制，在模型權重不變的情況下，讓 Harness 自身進化：任務內部做 Propose → Probe → Compose，任務之間通過 Reflector 積累經驗庫。這套邏輯來自 Google Research 的 Harness² 論文（arXiv:2610.14224）。

下面介紹這個插件如何工作，以及如何安裝和配置。

插件定位¶

名稱：dsh-plugin-recursive-harness
維護者：Bear0117
狀態：實驗性（experimental）
適用範圍：DeepSeek Harness 0.2.x（測試於 0.2.0-rc.2）
Node.js 要求：22.19 或 24+

插件的目標是：當模型權重固定時，通過演化 Harness（包括 system prompt、guardrails、tool guidance、memory 和 skills）來提升 Agent 表現，並在不同任務間複用成功模式。

核心機制¶

插件在兩個維度做遞歸演化。

任務內：Propose → Probe → Compose¶

對每個任務，插件按以下流程運行：

Propose：模型提出兩個候選 Harness。一個偏通用，用於強化推理和工具紀律；另一個偏領域，增加 memory、guardrails 和一個 skill。每次提出後，運行一輪 baseline（參考運行）。
Probe：兩個候選 Harness 在隔離的 headless dsh 實例中運行，各自擁有獨立的任務 workspace。先通過 objective checks 決定是否通過，再通過行爲指標（工具錯誤、步數、token 數）比較，可選模型 judge 做第三級判斷。
Compose：互補的贏家合併後再次驗證；如果合併變差，則回退到表現最好的單候選。

每次迭代後，新的 active Harness 會寫入 $DSH_HOME/recursive-harness/active/，新 Session 會自動加載。

任務間：Reflector → Experience Library¶

插件維護一個時間順序的 Experience Library，記錄哪些 Harness 配置在哪些任務上有效。每次運行結束後，Reflector 將結果寫入 Markdown 條目，供後續任務的 Propose 使用。

演化範圍¶

插件可以演化的組件包括：

systemprompt
guardrails
tool_guidance
longTermMemory
skills（SKILL.md + 小腳本）

以下內容保持不變：

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

安裝與啓用¶

安裝命令（以 web profile 爲例）：

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

安裝後重啓 dsh web，終端會打印 [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（因爲 pnpm 默認只使用一天前發佈的版本），可加版本號：

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

刪除殘留文件：

刪除 recursive-harness 條目（如果在 cordis.patch.yml 中添加過）
刪除 ~/.dsh/recursive-harness/（如不保留 harness 版本和經驗庫）

配置說明¶

配置文件位於 profile 的 cordis.patch.yml（web profile 爲 ~/.dsh/profiles/web/cordis.patch.yml）。添加 id: recursive-harness 條目後，其 config 會替換插件的默認配置。

一個最小配置示例：

- id: recursive-harness
  config:
    proposer:
      engine: llm
      endpoint: http://127.0.0.1:8000/v1/chat/completions
      model: my-model
      apiKeyEnv: ""        # 環境變量名
      allowEgress: false   # 是否允許訪問非迴環地址
      allowHttpHosts: []   # 允許的 HTTP 主機
      judge: true          # 啓用模型 judge（第三級判斷）
      jsonMode: false      # 是否發送 response_format=json_object
      extraBody: {}        # 額外的請求體字段
    probe:
      templateProfile: web     # probe 繼承此 profile 的模型和憑證
      provider: ""             # 覆蓋 probe 使用的模型提供者
      model: ""                # 覆蓋 probe 使用的模型
      blockedTools: []         # 這些工具的任務永不被 probe
    lockedSurfaces: []         # 任何 candidate 都不能觸碰的路徑
    protectedPatterns: []      # 正則表達式，匹配則拒絕 candidate
    maxConcurrency: 2          # 並行 probe 子進程數
    maxTokensPerIteration: 120000
    probeTimeoutMs: 600000

注意：proposer 需要一個 OpenAI 兼容的聊天補全服務器（如 vLLM、SGLang、llama.cpp、Ollama 或託管 API）。未配置前 proposer 爲固定模板，不會向外部發送文本。

命令行接口¶

插件提供以下命令（可在 dsh 的會話中執行，也可直接用 npx dsh-recursive-harness）：

/harness inspect：查看當前 active harness 版本和已掛載的 skills
/harness start <task> 或 /harness start ./my-task.mjs：在後臺啓動一次演化運行
/harness status <runId>：查看運行狀態
/harness cancel <runId>：停止運行並殺死子進程
/harness rollback [versionId]：回退到指定版本（不提供則回退到上一個版本）
/harness listExperience：列出 Reflector 保存的經驗條目

命令行等效調用示例：

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

狀態默認存儲在 ./.dsh-harness 目錄下；可通過 --config 指定 JSON 配置文件。

自定義任務示例¶

任務文件是一個 ES Module，導出 task 或 tasks 數組。插件會寫入 workspaceFiles 到空 workspace，運行 agent，將最終輸出交給 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 的結果詳情會在傳遞給 proposer 前被脫敏（隱藏 expected 和具體錯誤信息），避免 proposer 過擬合。

適用場景與注意事項¶

適合使用此插件的情況：

需要在多個任務上持續優化 Agent 的 system prompt、guardrails 和工具使用方式
希望在任務間複用成功的 Harness 配置和經驗
模型權重固定，但希望通過迭代改進 Harness 來提升性能

注意事項：

插件以當前 dsh 進程的權限運行，安裝前應檢查源碼和許可證（MIT）
插件爲實驗性功能，當前在 dsh 0.2.0-rc.2 上測試通過
每次 probe 是一次完整的 agent 運行，需要根據 maxConcurrency 和 probeTimeoutMs 合理配置資源
插件不會向外部發送除 proposer endpoint 以外的數據，無遙測

生態背景¶

DeepSeek Harness 的設計理念是「一切皆插件」，社區目錄由 SkillHub 獨立維護，與 DeepSeek 或幻方無官方從屬關係。本文介紹的插件只是社區項目之一。

總結¶

Recursive Harness 插件通過 Propose → Probe → Compose 和 Reflector → Experience Library 兩層遞歸，讓 Harness 在模型權重不變的情況下自我演化，並在任務間複用經驗。對於需要在多個任務上持續優化 Agent 行爲的開發者，這是一個可用的實驗性工具。

插件目錄頁：https://www.skillhub.cn/plugins/Bear0117/dsh-plugin-recursive-harness
GitHub 倉庫：https://github.com/Bear0117/dsh-plugin-recursive-harness

DeepSeek Harness 遞歸 Harness 插件

前言¶

插件定位¶

核心機制¶

任務內：Propose → Probe → Compose¶

任務間：Reflector → Experience Library¶

演化範圍¶

安裝與啓用¶

配置說明¶

命令行接口¶

自定義任務示例¶

適用場景與注意事項¶

生態背景¶

總結¶

精选优惠券

DeepSeek Harness 遞歸 Harness 插件

前言¶

插件定位¶

核心機制¶

任務內：Propose → Probe → Compose¶

任務間：Reflector → Experience Library¶

演化範圍¶

安裝與啓用¶

配置說明¶

命令行接口¶

自定義任務示例¶

適用場景與注意事項¶

生態背景¶

總結¶

精选优惠券

相關文章