系列：DeepSeek Harness 源码实战 ｜ 进度 14/16 原文仓库：https://github.com/deepseek-ai/deepseek...

最近在往 AI 应用方向转，习惯拿真实业务流程练手。这次挑的是劳动仲裁的庭前质证：开庭前，用人单位会提交一整箱证据：员工手册、规章制度的民主程序材料、工会通知函...

Computer Use 解决的是 Agent 与现有软件之间最后一段执行连接，传统 Agent 依赖 API、MCP、CLI、数据库或其他结构化接口，这些接口...

系列：DeepSeek Harness 源码实战 ｜ 进度 7/16 原文仓库：https://github.com/deepseek-ai/deepseek-...

去年这个时候，我和团队花了三天搭出第一个 Agent 原型：接个 LLM、挂几个工具、套个流式输出，跑起来像模像样，演示的时候老板都点头了。然后我们开始往生产推...

LangGraph 是 LangChain 团队打造的开源 AI Agent 编排运行时。和主打 "单体自进化" 的 Hermes 不同，LangGraph 不...

系列：DeepSeek Harness 源码实战 ｜ 进度 1/16 原文仓库：https://github.com/deepseek-ai/deepseek-...

在前两章实战中，我们落地了数据分析Agent、研发运维Agent，完成了企业业务、技术研发两大核心场景的AI自动化落地。本章聚焦民生与教育赛道，打造个性化教育辅...

在前七章中，我们完成了AI Agent的推理规划、反思纠错、工具调用、多智能体协作、RAG知识库增强等全部底层能力搭建。此时的Agent已经具备完整的「大脑」和...

在前几章我们搭建了Agent的记忆系统、推理规划、工具调用、多智能体协作能力，Agent已经具备完整的自主思考与外部交互能力。但此时的Agent仍然存在两个致命...

🍃DeepSeek Harness最重要的特性就是一切皆插件，Everything is a Plugin。🍃现在变化最大的是插件生态。官方推荐的 dsh-pl...

前面章节我们掌握了 LLM 底层原理、Prompt 工程、结构化输出能力。但目前的 Agent 仍然存在一个致命问题：无记忆能力。

它是一个 Graph Agent Runtime——一个由确定性 Rust 内核驱动、允许 LLM 动态修图、支持多 Agent Loop 并行协作、可中断恢复...

​前面的文章，我们已经分别介绍了 Context Engineering、Function Calling、Structured Output 和 RAG。这些...

🍃DeepSeek Harness 更偏“智能体基础设施”。是面向智能体开发者的开放式 Agent Runtime，核心目标是让模型、工具、沙箱、记忆、执行循环...