登录社区云，与社区用户共同成长
邀请您加入社区
确认了一个关键事实：DeepSeek 官方确实有独立的，不是社区泛称。它已经列在 DeepSeek API 文档的 Agent Integrations 中。
这组数字出自 DeepSeek Harness 官方 X 账号的周日披露，Bloomberg、SCMP 同日转引，关键数据互相一致：日活统计的是 11 月 4 日当天通过官方 API 连接的用户，Token 消耗也是同一口径下的服务端统计。用户付出的不只是账面上的钱，还有行为数据——这层交换不会出现在官方披露里，但它大概率是这盘账中隐藏的一栏。插件带来场景，场景带来消耗，消耗摊薄推理成本，成本优势
从 Claude 最新工程实践出发，说明为什么许多领域子智能体应收回主循环，以及 Skills、Tools 和渐进式披露如何替代专家角色。文章同时给出保留子智能体的判断标准、迁移评估方法，并讨论 DSH Super-Agent 中任务级架构与系统级运行时的关系。
DeepSeek Harness 通过“能力缝”（Capability Seam）架构，将子 Agent 提升为独立运行时能力，实现边界约束、委派深度与会话续接的硬性契约。相比传统依赖 prompt 的隐式规则，dsh 以 Service Definition + Provider + Consumer 架构，使模型仅感知统一调用入口，底层执行能力可配置替换，无需修改代码或 prompt。其插件化
本文介绍如何为 dsh-superagent 扩展 webhook Source，通过 hookq CLI 工具实现消息轮询与响应。系统定义事件映射规则，将队列消息转化为 Trigger，支持按对话和 @ 通知过滤，并基于 Zod 验证配置与消息结构。通过分层设计（翻译、通道、轮询）完成源集成，实现从接收、处理到回复的完整闭环，展示可扩展的自动化系统构建路径。
别再复读DeepSeek通稿了：Super-agent 源码里有什么、没什么、还差什么
本文详解 DeepSeek Harness Superagent 架构的核心设计：Runtime 作为组合根，负责初始化与生命周期管理；Engine 为领域状态唯一写入者，通过端口（Ports）与各组件交互，实现触发、评估、任务与回复的完整闭环。核心类遵循单一职责与单向依赖原则，命令同步执行，事务保障一致性。通过 Intake、Evals、Tickets 等模块协同，支持源事件处理、决策流转与异步
从启动链路、profile 补丁层、cordis 服务树，到 agent-loop、工具契约、事件溯源与安全沙箱，逐层拆 DSH 的真实实现，并给两个可落地的实战：写最小工具插件、搭 CI 专用 profile。
同样调用大模型 API，为什么别人能做出可自主调用工具的 Agent，而你只能一问一答？本文基于 ReAct 思想，用 100 行 Python 从零手写最小 Agent，不依赖 LangChain、AutoGen 等框架。代码拆解四大核心模块：LLM 大脑、工具函数、消息记忆、Think-Act-Observe 执行循环，使用 DeepSeek API 演示工具调用流程。适合新手吃透 Agent
DSH（DeepSeek Harness）是 profile 驱动的 agent 宿主：profile 决定装什么、AGENTS.md 决定脾气、沙箱决定边界、会话决定可复盘。本文从安装讲到插件、子代理、定时任务和 10 个实测坑，附 Windows 全流程命令与真实数据。
铜匠实验室（TongjiangLab）由一人用AI流水线打造，54门高中理科课件均以1MB自包含HTML文件形式呈现，无需登录、断网可用，内容对齐人教版教材，支持3D交互与实时参数调节。项目采用“事实表+外壳复用+人工质检”模式，实现低成本高效产出，开源后迅速走红。其核心在于：技术去重化、教育内容轻量化，真正实现“双击即用”的教学自由。
本文介绍 DeepSeek Harness Superagent 的部署与运维，涵盖安装、启动、检查、升级及排障。核心为独立 superagent profile，隔离运行环境，支持 GitHub Agent 账号与可选 Feishu Bot。需配置 Node.js、pnpm、git、gh-cli 等依赖，通过专用 wrapper 实现权限隔离。安装后需设置 cordis.patch.yml 中的
面板只回答三个问题：现在有什么需要我处理吗？系统是否健康、是否在做正确的事？某一件工作的完整历史是什么，从 Trigger 到 Eval 再到 Ticket？这三点就是整个面板的产品定义。其他内容要么服务这三问，要么被删除。传统后台喜欢把状态堆在一起：运行中的 Session、消息计数、模型名称、配置版本。这个面板拒绝这样做。它把健康状态折叠起来，把需要人的东西提前，并让所有数字都能点击到证据。这
本文详解 DeepSeek Harness Superagent 提示词系统的结构与权限：团队可编辑通信、任务范围、交付要求及技能，但工具描述等代码层内容不可修改。系统提示按优先级组装，核心规则由代码强制执行，提示词仅影响模型行为。Built-in 内容支持覆盖与版本追踪，变更生效即时且可追溯。强调角色分离、自动化决策与最小干预原则，确保 Agent 严格遵循规则，仅在必要时触发人工介入。
本文介绍DeepSeek Harness Superagent执行模型，从工单（Ticket）创建到PR提交与恢复的全流程。每个工单拥有独立Session与目录，通过阶段状态（如working、person_answer、idle）驱动执行流转。Executor以OS用户身份运行命令，支持后台任务与并发控制，保障自动化与人工干预无缝衔接。关键机制包括：自动准备目录、执行变量注入、子代理权限隔离、超
本文详解DeepSeek Superagent授权模型中工单生成机制：通过“显式请求”与“推断候选”区分权限，基于Admission Table配置接收范围，确保仅授权用户可发起工作。消息在订阅路径下绕过审批，但受限于Ticket Mandate；已结束工单可通过主Session恢复。系统严格分离权限与上下文，保障安全与可追溯性。
又崩了 ≠ 没恢复部分中断对只接一家的人不是小事原因未公布 ≠ 可以传谣跟进姿势：看状态页更新 · 自己是否单点依赖 · 热搜只当线索关注「不想加班」。字节扣子要下线了？标签：#DeepSeek #大模型 #AI #科技 #服务器 #不想加班。
把 DeepSeek Harness 的官方 Web UI **一个字节不改**地装进原生窗口：Windows / Linux / macOS 走 Electron，鸿蒙端有两个独立版本，Android 端跑在系统 WebView 上。整整四个 edition，共享同一套「进程内 Host + webserver + 同源数据面」的骨架，换来统一的 **零 CORS、零鉴权、零自定义协议、零新增
DeepSeek Harness Superagent 构建了一套基于核心概念的智能工单系统，以 Source、Thread、Eval、Mandate 与 Ticket 为核心，通过规则驱动实现事件感知、决策评估与任务执行。系统强调幂等性、审计与状态分离，支持多源事件聚合、动态策略更新及跨执行器协作。关键设计包括：Ticket 与 Assignment 解耦、Correlation 增强上下文、P
dsh-superagent 以“注意力即最贵资源”为核心设计哲学，主张一切功能、交互与配置必须创造大于其消耗的价值。项目坚持少即是多：仅在授权下行动、静默执行、精准发声、结构化提问、按影响停顿、诚实汇报。设计上精简概念、收敛设置、面板聚焦待办、文档有序递进。责任始终在人，强调从窄范围试用、降噪、避免制造虚假忙碌。后续架构、模型与部署皆由此原则推导，目标是在对的时间提供对的帮助，其余时刻保持沉默。
DeepSeek 放出的 dsh-superagent-prototype 不是新模型，而是把 Agent 从「问一句动一下」改成「长期在线盯仓库事件」的研究原型。本文拆解接单、执行、持续跟进三层机制，Mandate 授权、Router/Worker 隔离、五种状态与重启恢复，并给出 observe→auto 的落地清单与安全边界。
编排层以 MIT 开源，最直接的影响是把试验门槛降到了很低：任何团队都可以读到"请求如何变成任务、任务如何被独立执行"这套设计，并在其上做渠道适配、权限改造或执行体替换。在国内生态里，这可能催生一批围绕钉钉、企微、飞书等渠道的适配实现——类似的多渠道 Agent 框架此前已零星出现[12]，但大多缺少一个被广泛讨论的编排层设计参照，dsh-superagent 恰好补上了这个位置。但开源编排层也把
大模型正从“代码片段生成器”进化为“端到端项目构建者”！DeepSeek-v4.1-Flash-1017 通过自我反馈强化学习，能直接交付可运行的游戏或3D模型，且API无缝升级、价格不变。想知道你的产品如何借力？三个今天就能落地的建议等你来看 🚀
上周把一个跑了三个月的单层 Agent 系统推倒重写了。原来所有任务都丢进一个队列，由一个总控循环挨个取出来执行，结果一到晚高峰就堵：长任务占着线程，短任务排半天；某个子任务失败了，整条链路卡死，谁也不知道卡在哪。重写后改成了 Router 加 Worker 的双层结构，事件驱动，失败的任务丢进后台静默复现并修复。
本文深度拆解大模型四条技术路线——闭源、开源、云侧（MaaS）、端侧，揭示其能力边界与适用场景。指出企业选型非“单选题”，而是基于“能力、可控性、弹性、延迟隐私”四维度的组合策略。通过混合路由示例与避坑指南，倡导“端云协同+本地定制”的分层架构，强调保持技术栈可替换性，实现成本、安全与体验的最优平衡。
用 Docker 部署 AstrBot + NapCat，把 QQ 接入 DeepSeek 打造 AI 智能机器人。本文给出可复制的 docker-compose 配置，覆盖 NapCat 扫码登录、AstrBot 适配器参数、DeepSeek 的 Key 与 Base URL 填写，并附 401、reading choices 等常见报错对照表。若想统一管理多模型 Key 与通道，可用 TaoT
大模型应用正从单纯的聊天问答走向能调用工具、查阅资料的智能体形态。理解Agent与RAG（检索增强生成）的原理，是构建这类系统的关键：Agent负责拆解任务与调用工具，知识库则通过向量化存储与语义检索，为模型补充私有资料。结合DeepSeek的高性价比API与Dify可视化编排平台，普通开发者无需底层算法基础，也能快速实现一个可交付的智能问答助手或资料检索系统。这类方案广泛应用于企业内部知识库问答
这次折腾下来，我觉得 LobeHub 最有意思的地方，是它开始把多个 Agent 的协作当成一套可以持续运行和管理的系统来做，而不是一次性的任务编排。以前自己搭 Multi-agent 的时候，解决的大多是一个任务怎么拆分给几个 Agent。任务只要一复杂，新问题就来了：进度、状态、异常如何处理、交接怎么做，如何验收。但这一轮实测也让我看到，能把任务分派出去和能稳定交付结果之间隔着一大截。
AI辅助写作虽高效，但直接粘贴至Word常遇公式乱码、表格错位、格式不符等问题。尤其原生OMML公式不被期刊或导师认可。推荐使用在线工具“向前文档解析”（https://docx.jackweb.cc），可一键将DeepSeek、ChatGPT等生成的LaTeX公式、化学式、表格等内容，精准转换为带网格线的自适应表格与标准MathType格式公式，支持导出.docx或PDF，完美解决排版痛点，大幅
DSH Go是支持手机本地运行Agent并远程接续电脑会话的开源Android客户端，采用Flutter+内置Linux运行时+WebRTC/SSH三重架构。评测基于固定commit快照（08d76f52）进行L3静态取证，确认源码可追溯，但未验证加密、稳定性或权限安全。核心结论：客户端、本地运行时、远程链路三者独立，必须分层验收；高敏感权限（如屏幕读取、辅助控制）需谨慎授权，AGPL协议分发义务
DeepSeek完成约150亿美元（1000亿元人民币）融资，投前估值达5000亿元，为中概AI最大单笔私募融资。领投方为宁德时代、腾讯，产业资本主导，凸显中国AI融资正从财务VC转向产业资本驱动。资金将用于建设内蒙古数据中心、部署华为昇腾芯片及扩充国产预训练产能，核心目标是锁定国产算力供给。与西方“芯片巨头锁客户”不同，中国模式是“产业资本锁基座”，形成“融资—算力—估值”闭环。该轮融资标志着“
想在飞牛NAS上跑通Hermes AI Agent却总被权限报错、微信回调401和公网流式超时卡住？这份手册按排错频率组织，30秒定位问题命令，带你搞懂配置边界，一次通过DeepSeek接入、微信回调与公网隧道部署🚀
本文记录了利用大模型（DeepSeek）将传统包装车间内容转化为多语言营销素材的实战过程。通过优化 Prompt 工程，实现了从中文生产细节到英文出口文案的高效转换，展示了 AIGC 在跨境电商与实体制造业结合中的实际应用价值。
DeepSeek公开Super-agent研究原型。以一条GitHub修复请求说明事件、授权、Ticket和执行会话怎样连接，解释Router与Worker分工，以及独立工作目录为何不等于安全隔离。
dsh-connect-ai-toolkit 是一款开源插件，可自动将 AI Toolkit 中的 WorkBuddy、TRAE CN、Qoder 等平台模型接入 DeepSeek Harness，免去手动配置代理地址与 API Key。插件自动读取本地代理信息与凭据，同步模型目录，仅需在界面中选择“新会话默认模型”，即可无缝使用多平台模型。支持跨平台来源识别、实时目录更新与安全内存存储，简化连接
DeepSeek
——DeepSeek
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
人工智能6S服务平台
AtomGit AI 社区
