DeepSeek 开源 Harness，最大的意义不是让你白嫖一个工具，是让你看到：一个认真的 Harness 长什么样。它有多复杂、为什么要这么复杂、复杂的代价是什么。Agent 的竞争力不在模型多聪明，在那层壳做得多扎实。至于我，这个系列写完了，但事情没做完。GEO Agent 每天都在遇到新问题，有些我能解决，有些我还在想。下一个系列可能会聊聊 GEO 本身——AI 搜索正在怎么改变内容分发

DeepSeek 开源 Harness，最大的意义不是让你白嫖一个工具，是让你看到：一个认真的 Harness 长什么样。它有多复杂、为什么要这么复杂、复杂的代价是什么。Agent 的竞争力不在模型多聪明，在那层壳做得多扎实。至于我，这个系列写完了，但事情没做完。GEO Agent 每天都在遇到新问题，有些我能解决，有些我还在想。下一个系列可能会聊聊 GEO 本身——AI 搜索正在怎么改变内容分发

本文对比了DeepSeek和自研GEO Agent在Skill加载机制上的不同设计哲学。DeepSeek采用自动扫描6个预设路径的"开源式插拔"方案，无需配置即可识别57个行业标准Skill，但会带来6242 Token的固定开销。其通过"渐进式披露"设计，仅加载Skill名称和简短描述来降低成本。而GEO Agent采用封闭式架构，自定义Skill格式和加载流程，强调安全可控，适合企业环境。两种

本文探讨了AI Agent开发中的"过度工具调用"问题及解决方案。作者发现，当用户简单问候时，GEO Agent会过度调用工具，生成冗长回复，导致响应慢、成本高。问题根源在于模型面对模糊意图时倾向于"广撒网"式调用工具。 作者提出"执行画像"解决方案，根据用户意图预设8种交互模式，限制每轮对话的步数、工具和输出长度。关键创新在于第一步工具限制和最后一步强制总结。实践显示，该方法将工具调用从6次降至

本文探讨了AI Agent开发中的"过度工具调用"问题及解决方案。作者发现，当用户简单问候时，GEO Agent会过度调用工具，生成冗长回复，导致响应慢、成本高。问题根源在于模型面对模糊意图时倾向于"广撒网"式调用工具。 作者提出"执行画像"解决方案，根据用户意图预设8种交互模式，限制每轮对话的步数、工具和输出长度。关键创新在于第一步工具限制和最后一步强制总结。实践显示，该方法将工具调用从6次降至

本文探讨了AI Agent开发中的"过度工具调用"问题及解决方案。作者发现，当用户简单问候时，GEO Agent会过度调用工具，生成冗长回复，导致响应慢、成本高。问题根源在于模型面对模糊意图时倾向于"广撒网"式调用工具。 作者提出"执行画像"解决方案，根据用户意图预设8种交互模式，限制每轮对话的步数、工具和输出长度。关键创新在于第一步工具限制和最后一步强制总结。实践显示，该方法将工具调用从6次降至

本文探讨了AI Agent开发中的"过度工具调用"问题及解决方案。作者发现，当用户简单问候时，GEO Agent会过度调用工具，生成冗长回复，导致响应慢、成本高。问题根源在于模型面对模糊意图时倾向于"广撒网"式调用工具。 作者提出"执行画像"解决方案，根据用户意图预设8种交互模式，限制每轮对话的步数、工具和输出长度。关键创新在于第一步工具限制和最后一步强制总结。实践显示，该方法将工具调用从6次降至

模型工具调用的 JSON 参数经常出现包壳、截断、旧字段名、字符串化等问题。本文基于真实 GEO Agent 项目，详细拆解 Vercel AI SDK 中 repairToolCall 修复回调的分层处理逻辑、DeepSeek 的标准化思路，以及概率输出与确定性执行之间的根本矛盾。做 agent 开发有一个不对外说的秘密：你写的代码里，有相当一部分不是在实现功能，是在给模型擦屁股。什么意思？模型

模型工具调用的 JSON 参数经常出现包壳、截断、旧字段名、字符串化等问题。本文基于真实 GEO Agent 项目，详细拆解 Vercel AI SDK 中 repairToolCall 修复回调的分层处理逻辑、DeepSeek 的标准化思路，以及概率输出与确定性执行之间的根本矛盾。做 agent 开发有一个不对外说的秘密：你写的代码里，有相当一部分不是在实现功能，是在给模型擦屁股。什么意思？模型

安全边界必须落在内核层，不落在应用层沙箱不可用时 fail-closed，不降级成不设防安全提示的时机在撞墙后，不在开局前这三条没有任何一条来自教科书，全是线上数据和生产事故堆出来的。关于 isolated-vm 的更多细节，建议直接读官方 README，里面 Reference 和 ExternalCopy 的语义写得很清楚。传数据用 copy，传能力用 Reference，而你永远不需要传能力