DeepSeek Harness 的架构:一个近乎空白的内核,为什么是核弹
南京大学《生成式软件工程》第九讲整理稿。这一讲不教怎么用 DSH,而是拆它为什么这样设计。先从一个一百五十行的 mini agent 讲起——它在高铁断网时直接死掉,由此展开 API 中断重试、指数退避、订单状态未知这些真实产品必须付的代价。中段是本讲的理论核心:架构是受限与自由的取舍,MapReduce 与 LAMP 都证明了这一点。后半段逐层拆 DSH:微内核、事件总线、以 session 事件日志为唯一事实来源,以及插件到底能做什么、又有什么做不到。
本文整理自南京大学《生成式软件工程》第九讲,B 站编号 09-Raw 26。原片长约 89 分钟,字幕 1,229 条、约 2.8 万字。
字幕由语音转写,产品名错听较多。本文按上下文订正;确实无法还原的只描述行为,不猜名字。
这一讲和外面那些 DSH 教程不一样。
那些讲的是怎么用:装哪个版本、模式怎么选、插件怎么装。这一讲讲的是它为什么长成这样——以及同样的问题换成你来设计,你会怎么答。
开头他先给了个前提:你一旦有了 agent,就立刻拥有了一家现代公司的架构。你是 CTO,下面有架构、产品、UI、前端、后端,每个 agent 还带子 agent,子 agent 还能再往下分。
**所以你需要一套组织架构,也需要一套版本管理。**而这套东西现在正在被重新发明。
从一个一百五十行的 agent 说起
上一节课的学生作业是一个 mini agent——大约一百五十行,遵循所有 agent harness 都有的那个循环:模型推理,返回工具调用,执行,结果回灌,再推理。
它能用。他拿它做了一个真任务:在高铁上让 agent 生成一个南大仙林校区的三维地图。
结果比预期好。它自己去 OpenStreetMap 抓了真实的地理数据,然后建模。图书馆建得相对准,从上往下看几何形状是对的。计算机楼明显不对——十层楼的高度做成了别的比例。
你观察它的 trace 就知道它怎么做到的:网上有大量现成数据源,那个网站连篮球场都会画出边线。它先爬数据,再自己补:地图上没有东西的地方,它标成绿地;大门那个位置它当成了一栋楼,门口铺满了树。
给它一句更好的提示词——把每一块区域单独划出来,先想清这块区域的功能再建模——再把 token 消耗抬上去,能修到不错的程度。
但这东西做不成产品。
因为上一版有一个不切实际的假设:网络服务不会中断。
他在高铁上跑得正顺,网断了,进程直接终止。一百五十行的 agent 没有会话保存,没有恢复,没有断线重连。中间结果全丢,只能从头再来。
复杂性从这里开始爆炸
顺着这一个假设,往下推会撞出一连串问题,而每一个都不是能靠加几行代码解决的。
**重连要多久。**你在美国的数据中心访问服务,和在别处挂了很多层代理访问,网络环境完全不同,超时设置也该不同。
**重试间隔怎么定。**等间隔重试没有意义——一秒失败,下一秒大概率还是失败。所以要指数退避,两秒、四秒、八秒。而如果是物理故障级别的断网,可能要两三分钟才恢复。
**服务端和客户端不一致怎么办。**这是最狠的一个。
你的客户端发起支付,服务端收到后就下单了。因为这笔钱要转给银行或航空公司,那个事务在服务端已经结束,不可能等你确认再提交。
而你手机断网了。
于是界面上转着圈,应用不能崩,还得告诉用户:**你的订单处于一个我不知道的状态。**可能成功,可能失败,但因为和服务端失去同步,客户端自己也不知道。
这就是本质复杂性。它没法避免。
产品和 MVP 的区别
他顺着这个结论给了一个判断。
如果直接把一份详尽的需求丢给 agent 实现,大概率会陷入 slop。因为 agent 有一个很强的倾向:赶紧把任务完成,不去想未来还会发生什么。
而 MVP 的价值在这里——它逼你先验证假设。像那个 mini agent,一跑就暴露了「网络稳定」这个假设不成立。
于是需求膨胀了,而这次膨胀是有依据的。
一个残酷的假设:上线五十万行之后老板改主意
他做了一个完整的推演。
假设你给 AI 生成了一份面向办公场景的产品需求书:左边栏是项目,右边栏是几种视图,Agent 能整理周报、列出延期事项、生成 Word 文件。清单里还包括历史检索与任务复用、模板与偏好、执行预算与用量、账号与数据管理、外部内容隔离、用户反馈与问题诊断,以及一堆非功能需求。
然后你带着 agent 写了五十万行,上线了。
这时老板说:下一个版本照那个新的群聊式产品做。
你的需求全部崩塌——交互模式的根基变了。
他在这里引了一句玩笑:怎么杀死一个程序员,改三次需求就行。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["详尽需求<br/>左栏项目 · 右栏视图"] --> B["五十万行上线"]
B --> C["老板:照群聊式产品改"]
C --> D["交互根基崩塌<br/>需求全部作废"]
D --> E["大厂:拉通对齐 · 闭环沉淀 · 再发一版"]上图是需求的寿命:越是把当期需求做到极致,遇到摧毁性变更时越难转身。
架构是受限与自由的取舍
这一段是全讲的理论核心,也是它区别于所有工具教程的地方。
他先从一个具体场景切入:如果你对着需求文档让 agent 设计架构,agent 会顺着需求走。需求里提到「工作区」,它就会给工作区做一个类,然后设计工作区和 agent 层、和会话怎么交互,再决定会话状态放数据库。
这个设计非常自然,大厂也常这么做。
但架构意味着没有免费的午餐。
**做了设计,就有了边界。**好处是每个模块可以独立开发,于是马上能启动大量子 agent 并行堆出来。代价是自由度被限制了——将来需求变化时,如果架构适应不了,抽象就开始泄漏,项目越来越难维护。
反过来,你也可以做一个极致自由的架构:每个模块都是一个进程,进程之间发消息。
这个架构非常干净,也非常自由。但它没有用。
因为他没有约束:什么时候发什么消息、消息怎么管理,全都没有规定。它退化成了教科书上的 actor model——说得对,确实能这么实现,但它没有告诉你任何该做的事。
换句话说,越自由的东西越不好开发。
两个历史证据
他用两段历史说明这不是 DSH 独有的问题。
**MapReduce。**2004 年那篇论文做的事很聪明:你只要把计算写成 map 和 reduce 两个函数,剩下的并行、容错、调度全归它管。
这是一个很硬的取舍——它限制你的编程模型,先 map 再 reduce,别的写法不行。
代价很明显:只适合离线批处理,处理不了实时到达的数据,比如银行订单。所以后来有了 Spark,有了 Flink 这种流式引擎。
但在它适用的场景里,收益巨大。因为 Google 当年的根本问题是:**机器一多,系统就不那么可靠了。**跑全互联网的索引,几乎总会碰到某台机器出故障。
而你在自己电脑上做大作业时的基本假设是「我的机器不会突然消失」。Google 不能这么假设,它必须用系统抽象来解决。
**LAMP。**另一段历史。
这套架构引领了互联网十几年,WordPress 就是典型产物。但你从单机服务几百人,到服务一亿人、十亿人,架构每一个点都成了瓶颈——先分库分表,再拆服务器,然后各种抽象泄漏。
不是 LAMP 错了,是它的假设过期了。
事件溯源也有代价
他甚至把上一讲讲的事件溯源也拉回来做了一次自我批评。
那个架构概念很干净:一切皆事实,只追加,所有人看到的都是事实的推导。
但代价有两条。
第一,性能难做。当前状态完全由历史推导,这个成本要付。
第二,有些事你偏偏就是想 hack 当前状态。
他举了个特别真实的例子:教务员想让你强行毕业,没有理由,就是让你过。在一个没人知道的时刻,悄悄搞定。
在事件溯源里这件事很难办——你得加一个特殊事件,叫「强行毕业」,配一条特殊处理规则。而因为它在不可篡改的历史里,它会被审计到。谁提交的这条事件,一查就知道。
所以你没法用「我也不知道当时怎么回事」搪塞过去。
他的总结很简单:**架构和需求匹配的时候,它就是最合适的。**LAMP 在单机能扛住时就最好,PHP 在当时就是最好的语言。假设一变,它就成了阻力。
从零看 DSH:一个近乎空白的内核
铺垫到这里,才进入正题。
他给了时间线:2026 年 6 月 10 日晚上十一点,一个空项目启动。第一个提交里写着要做微内核、做需求分析、做操作系统。
「他想造一个航母。」
而航母的第一块钢板,定的是第一原则:一切皆插件。
它像操作系统:内核不需要知道每个进程在干什么,只要能把进程组合起来、让它们互相调用。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
K["微内核<br/>只管生命周期与插件装配"] --> B["事件总线<br/>唯一协作通道"]
B --> P1["插件:UI"]
B --> P2["插件:工具"]
B --> P3["插件:模型推理"]
B --> P4["插件:你自己写的"]
S["会话事件日志<br/>唯一事实来源"] --- B
B --- S上图是这套架构的骨架:内核薄到几乎没有,插件之间不直接调用,只通过总线交换事件,而状态的事实来源是一份事件日志。
内核负责的事:进程管理
他拿操作系统做类比,讲得很清楚。
一个进程退出时,它持有的资源要全部回收。这是大家默认了很久的事——你们写 OJ 从来不管内存,因为知道操作系统会回收。
DSH 的内核(那篇论文里管这叫服务解析)做的就是这件事:插件声明它需要什么资源、会产生什么副作用,依赖会被自动加载;插件卸载时,依赖也应该被自动卸载。
理想情况下如此。
真正的难点是协同
但他立刻指出:光有插件还不够。
如果让插件随便发消息、随便协同,那就全乱了,等于没有架构。
所以真正有意思的设计是:给这个 agent harness 建一个世界模型。
这里面几层东西值得拆开看。
| 层 | 是什么 | 类比 |
|---|---|---|
| 会话事件日志 | 只追加,是唯一的事实来源 | 事件溯源的账本 |
| 事件总线 | 插件之间唯一的协作通道 | 消息总线 |
| 投影 | 从事实里算出来的视图 | 数据库的 view |
| 类型约束 | 事件格式不匹配就编译不过 | 类型系统 |
**关键在于第四层。**他说得很直白:类型不匹配,TypeScript 就不会编译这份代码。这相当于禁止你随便往别人那里发消息。
**而视图这一层特别值得说。**模型的历史不是存起来的,是从事件日志派生出来的。所以他做了一件事:把同一份历史投影成两种形态。
一种是给人看的对话界面,另一种是给开发者看的轨迹——工具调用、参数、结果、额外信息,全都能查。
**同一份事实,两种投影。**这是他能做出 TUI、能做出别的界面形态的根本原因。
那个「未提交的条目」
有一个设计细节他很欣赏。
模型的推理输出不是一次提交完的——它在不停吐 token。所以事件日志里可以有一个未提交的条目,代表这轮还没结束。
这个状态不持久化,但可以被看到。
于是你就能看到思维链动态地变化。
他点评:这是一个小的实现技巧,但它让「实时观察」变成了事件架构的自然产物,而不是额外加的功能。
插件到底能做什么
讲完骨架,他开始列举。这一段是整讲最有想象力的部分。
因为所有插件都挂在总线上、都能看到主会话,所以能做的事远超常规想象。
**做一个命令行界面。**原生设计是 Web,因为 Web 能装配出人类友好的界面。但你如果偏要剑走偏锋,就把所有用于装配 UI 的槽位全扔掉,只要会话和 agent,把总线上的事件投射到终端。
**甚至可以做两个终端同步。**他在一个终端里发消息,另一个终端能看到一模一样的内容,因为两边都只是在读同一份事件流。
**做一个 VS Code 那样的东西。**工作区就是目录,左边栏可以动态配置出编辑器、浏览器、终端,再加 git、side chat。他现场拼了一个,说这就是一个用许愿方式做出来的编辑器。
最关键的一层:创造模式。
普通会话里,agent 只有工作区目录的读写权限,外面还套着沙箱。而在创造模式里,它能看见整个世界:可以拆插件、加插件,甚至在 agent 一边运行的时候,一边往总线上挂东西。
这就是动态插件生命周期的意义——像操作系统里随时起一个进程、随时杀掉一个进程。
六个愿望:插件能做到什么程度
接下来他进入创造模式,现场许了六个愿。这一段我觉得比任何功能列表都有说服力。
| 愿望 | 做法 | 它证明了什么 |
|---|---|---|
| 在 token 消耗旁边放一个大号仪表 | 订阅推理事件,自己维护状态 | 非侵入式增强,完全不用碰系统其他部分 |
| 给办公软件加 AI | 锁住对象,把对象送到模型上下文,改完再送回来 | 一个没有任何 AI 能力的应用,能以最小改造接入整个生态 |
| 动态 UI 卡片 | 约定一个标记,模型输出带 JS 的卡片,塞进界面槽位 | 模型可以生成界面,界面里的点击又能注回上下文 |
| 成语接龙 | 点击按钮,JS 把一句话拼进上下文,模型接龙 | 交互状态可以借用会话历史承载 |
| 五子棋 | 界面里存棋盘,落子交给模型思考 | 状态在 UI、决策在模型,两者靠事件同步 |
| 把整个聊天框去掉 | 面对任务直接生成一个好的界面 | 界面是投影,不是本体 |
第二个愿望值得单独说
这是全讲我认为最有分量的一段。
他说自己第一个想接入的是办公套件。需要的抽象非常小,只要三个操作:
- 把某些对象锁住,别人先别编辑。
- 把对象从总线送到模型上下文。
- 把改完的对象拿回来,替换回文档。
只需要对一个成熟的办公软件做这样最小的改造,就给一个超级应用赋予了 AI 原生能力。
而且它顺带享受了整个插件生态的所有好处。
他的评语很尖锐:市面上很多产品是自己做一个编辑器,让模型生成内容,再让你拖框、加注释、让它改。
你为什么不反过来做——直接把它按进去。
第六个愿望:把聊天框去掉
这个愿望的哲学意味最强。
他说,你可以不要聊天框。面对一个任务,直接生成一个真正好的界面。
这句话背后的东西是:**界面只是会话历史的一种投影。**既然如此,聊天框就不是必要的,它只是一种实现。
这也解释了他为什么对架构这么兴奋——当界面是投影,你就能为不同任务生成不同界面。
但这套东西不是万能
讲到这里他没有顺势吹完,而是转成了自我批评。这一段是整讲最诚实的地方。
代价一:语义冲突没有解决
所有插件都用同一套事件,类型不匹配就编译不过。但这只统一了格式,没有统一语义。
他给了一个很具体的例子。
假设你装了十个上下文压缩插件,每个都把上下文压到二分之一。
**十次方就是一千零二十四分之一。**任何输出都被压到看不懂,信息全丢。
再比如,两个钩子都监听输入:一个负责检查,一个负责改写。检查在前还是改写在前?
这个问题架构没有规定,因为它属于应用的语义。
更极端的例子:一个钩子要求停止,另一个要求继续。它们直接冲突。而钩子跑到「停止」那一步时,系统就停下来了。
这种语义冲突,架构层面永远解决不了。
他的答案很直接:你可能需要另一个机制,比如一块共享白板,让插件在需要的时候互相协调。而一旦需要这个,抽象就有限,就泄漏了。
所以插件不是万能的,架构也不是万能的。
代价二:它把难题推给了生态
另一个代价更宏观。
传统路线是:需求确定,做产品,发布,挣钱。
**DSH 走的是另一条路:发布的时候发布了一个几乎空白的东西。**只有基础抽象和一些第一方功能,剩下的全交给开源生态。
他给了一个观察:社区做出来的东西,很多是高达驾驶舱那种,好看、好玩,但复杂度低。
他的态度很坦率:如果是我在第一方,我可能不会用这么好的东西去搭一个驾驶舱,我会做一些更了不起的。
**但这也是代价的一部分:门槛足够低,就很容易长出很多低复杂度的东西。**而生态的价值恰恰来自门槛低。
最后那个闭环
收尾他讲了一个场景,把整讲的论证收上了。
他要填一张表,需要列出从 2021 年到现在发表的所有论文。
用常规办法:打开办公软件,或者用 computer use 去点,要花不少时间,还要烧 token、疯狂截图。
而在这套架构里:接一个自己写的数据库插件,这个数据库能向模型提供必要信息——个人信息、论文列表、带的学生。办公软件要填论文列表时,把这个任务往总线上一丢,剩下的由生态里的工具、电脑、记忆一起协作把数据凑齐,一把头填好。
中间不需要 computer use,不需要多余的 token,不需要疯狂截图。
他说:这就是一个操作系统。你可以在这里闭环完成非常多的事情。
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
**第一,这一讲真正的价值不在介绍 DSH,在给出了一个判断架构的通用问句。**问了什么、放弃了什么、这个放弃在什么假设下成立。用这套问句看 MapReduce(放弃通用性换容错)、看 LAMP(放弃分布式换开发速度)、看事件溯源(放弃可 hack 换可审计),都能对上。DSH 也一样:**放弃语义一致性,换取插件组合的自由。**它没有解决冲突,只是把冲突挪到了应用层。
**第二,那个「高铁断网」的开场是整讲最好的教学设计。**它把架构讨论从抽象拉回到一个具体到不能再具体的场景:网断了,进程死了,一百五十行代码什么也没留下。从这里开始推复杂性,读者不会觉得是在听术语,而是在看他自己的项目会怎么死。
第三,第六个愿望值得单独记下来。「把聊天框去掉」听起来像炫技,但它背后的命题很硬:**如果界面是会话历史的一种投影,那聊天框就只是一种实现,而不是它应有的样子。**多数 AI 产品把聊天框当成唯一的界面范式,这个假设或许和「网络不会断」属于同一类。
一句话总结:**好的架构不是功能多,是约束下得准。**它替你决定哪些事不能做,然后让剩下的事变得容易——而 DSH 准的地方,是把「怎么组合」交给插件,把「什么算事实」留给自己。