⌘ K
… 读取采集状态 同步中...
雷

#DeepSeek

今日 2 条
8月19日周三
  3. APPSO79

    DeepSeek Harness 重新定义「插件」：基础设施插件化的技术思路

    DeepSeek Harness 将模型、会话、沙箱、文件系统视为可替换的插件模块，基于 Cordis 框架实现「万物皆插件」的 Harness 设计。插件通过 inject 声明依赖，注册行为可撤销，核心 seam 结构包含 Service Definition、Service Provider 和 Consumer 三个角色。

    推荐理由：原文拆解了 DeepSeek Harness 将基础设施插件化的技术机制，给出了可替换架构的具体设计细节。

  6. 硅星人Pro80

    DeepSeek大幅涨价如何削弱其性价比优势

    DeepSeek V4 Pro和Flash涨价显著推高了调用成本，削弱了原有的性价比标签。OpenCode测算显示，单次典型Flash请求在峰时费用变为原来的4.62倍，平台额度内的请求次数大幅减少。结合DRadar评测，涨价导致DeepSeek在综合成本—能力图上退出前沿区间，部分档位被Luna覆盖。

    推荐理由：通过测算OpenCode和DRadar的数据，展示了涨价如何削弱DeepSeek在综合成本和推理能力上的原有性价比优势。

  7. Hugging Face Blog56

    ALTK-Evolve 研究：智能体记忆量需按模型能力调整

    IBM Research 团队在 Hugging Face 发布研究，探讨智能体自蒸馏记忆的最佳注入策略。研究显示，不同能力层级的模型需要不同剂量的指南集：gpt-oss-120b 通过精选检索获得 +16.1pp 任务完成率提升，仅增加 5% token 成本；DeepSeek-V3.2 使用完整指南集获得 +9.5pp 提升；而接近能力上限的模型收益甚微或无增益。

8月18日周二
  3. 智能涌现68

    千问办公开源上下文基础设施 MyContext，补齐办公 Agent 短板

    阿里千问办公开源上下文基础设施 MyContext，可将钉钉、飞书、文档及本地多源数据自动加工成持续更新的工作档案。该产品采用三态合并与差异化处理策略，解决上下文矛盾与高成本问题，每条信息可溯源以降低模型幻觉。结合钉钉与千问办公应用，其旨在构建从数据、上下文到执行的完整闭环，以应对约 95% 企业级 AI 试点因缺乏数据基础设施而未达预期的行业痛点。

    推荐理由：原文展示了将企业多源数据提炼为结构化上下文的方法，有助于理解办公 Agent 落地的核心瓶颈。

  5. 硅星人Pro83

    DeepSeek Harness 社区涌现11款特色插件

    DeepSeek Harness 在 GitHub 上三天获得近13万 Star，其核心特性“一切皆插件”催生了超过6000个第三方仓库。文章盘点了11款代表性插件，包括将对话渲染为可交互网页的 dsh-genui、支持设计文件编辑的 dsh-openpencil，以及接入视觉模型和浏览器操作的 dsh-vision-toolkit 与 dsh-browser。

    推荐理由：文章梳理了11个插件的差异化功能，展示了社区如何重塑Agent的交互、视觉与协作边界。

  9. APPSO51

    DeepSeek API 实施峰谷定价及宇树、苹果等最新科技动态汇总

    DeepSeek API 于 8 月 17 日实施峰谷定价，高峰时段部分模型价格最高涨幅达 1100%，旨在平衡算力拥堵并引导错峰调度。同期其他重要动态包括：宇树科技科创板上市在即并展示「超人」机器人；苹果与阿里建立 AI 双轨制合作，千问接入 Apple 智能并联合训练专属模型；OpenAI 解散安全储备团队；支付宝发布全栈智能体商业底座。

8月17日周一
  1. Datawhale63

    DeepSeek Harness 插件架构解析

    Datawhale 团队深入解析 DeepSeek Harness（DSH）的核心架构 Cordis，揭示其“一切皆插件”的设计理念。文中详细拆解了基于 Profile、Bundle、Patch 的三层组装机制，并阐述了 Fiber、inject、effect 三个关键机制如何保证插件在加载、依赖管理和卸载清理上的可靠性，展示了 Agent 框架在运行时动态替换模型与工具链的深度定制能力。

  3. 人工智能学家78

    DeepSeek Harness v0.1 Developer Preview 深度拆解：AGI 自进化的「后悔药」

    DeepSeek Harness v0.1 Developer Preview 基于 Cordis 动态组件框架实现「一切皆插件」架构，支持 Agent 在运行中生成、替换和撤销自身组件。该机制通过可撤销副作用和响应式协同依赖确保系统状态可恢复，但面临 V4 API 涨价导致的成本压力及插件数量扩张引发的 O(n²) 复杂度风险。

    推荐理由：原文将 DeepSeek Harness 的自进化机制拆解为 Cordis 框架，读者能据此理解可撤销副作用与依赖管理如何支撑 Agent 修改自身运行时。

  5. 腾讯研究院79

    深度解析 DeepSeek Harness 开源 Agent 基础设施

    腾讯研究院分析 DeepSeek 基于 MIT 协议开源的 Harness 开发者预览版。该系统将 Agent 循环、工具与沙箱拆分为 Cordis 插件，并预设标准、PTC、极简、创造四种运行模式，仅追加事件日志用于全链路回放与审计。

    推荐理由：拆解了 Harness 作为模型外运行层的控制变量作用，对比了 PTC 等四种模式的工程取舍。

  6. K姐研究社49

    用办公小浣熊桌面版把秋招求职流程重新捋一遍

    K姐用商汤办公小浣熊桌面版把27届秋招的简历优化、行业调研和自动投递流程跑了一遍。办公小浣熊桌面版新版本可直接访问本地文件、操作浏览器，内置5个以上模型并接入 DeepSeek-V4-Pro-0813，登录送6000积分（网页端3000+桌面端3000）。实测中它调用行业研究员skill产出带来源的公司分析，并自动打开招聘官网填写表单，找到17个匹配岗位，投递按钮由本人手动点击。

8月16日周日
  4. APPSO68

    Anthropic 拟收购 Decart 并筹备 IPO，DeepSeek 开源 Agent 框架 Harness

    Anthropic 正与投资方讨论以超 2 万亿美元估值推进 IPO，同时洽谈以约 60 亿美元收购以色列 AI 公司 Decart，旨在利用其软件提升芯片算力效率。DeepSeek 开源了 Agent 框架 Harness 开发者预览版，该框架支持 88 页论文 22 分钟翻译，并于 8 月 17 日启用最高 27 元/百万 tokens 的 API 峰谷定价。

8月15日周六
  1. Datawhale76

    GLM-5.3 与 GPT-5.6-Sol 生产级抠图应用实测对比

    Datawhale 成员李秀奇将 GLM-5.3 接入 DeepSeek Harness，与 GPT-5.6-Sol 进行了同题生产级抠图 Web 应用实测。核心功能覆盖和算法效果两项打平，但 GLM-5.3 在前端细节、AI 味规避和服务端安全上更完整，例如默认带了登录限流、安全响应头和会话清理功能，还主动补上了历史任务重跑和批量评测两个清单外的功能。

    推荐理由：原文对比了 GLM-5.3 与 GPT-5.6-Sol 在完整生产级任务中的差异，读者可据此理解国产模型在工程细节上的实际表现。

  2. 卡尔的AI沃茨85

    DeepSeek 开源 dsh Agent 框架：实测 PTC 模式与 Cordis 插件系统

    DeepSeek 开源 Agent 框架 dsh，上线 GitHub 一个多小时即破 2 万星，第二天达 6 万。框架核心是 Cordis 插件系统，支持把模型接入、工具注册、审批策略甚至主循环全部做成插件。

    推荐理由：实测展示了 dsh 中 PTC 和 Cordis 插件系统如何让不同模型产出更复杂的任务结果，读者能看出 Harness 与模型协同的实际效果。

  4. DeepTech深科技71

    Social Gym 评测 7 个 AI 模型的社交推理能力，GPT-5-mini 在欺骗与战略维度领先

    卡内基梅隆大学团队发布 Social Gym 基准，让 GPT-5-mini、GPT-4o、Qwen3 等 7 个模型参与狼人杀、囚徒困境等 21 款自带输赢规则的游戏，以量化其战略、欺骗及心智理论能力。

    推荐理由：研究通过 21 款社交游戏量化 AI 模型在谈判与欺骗中的表现，并提出了无需微调的 SPaRTan 复盘方法。

  6. AI信息Gap91

    DeepSeek 开源 Agent 底座 DeepSeek Harness

    DeepSeek 于 8 月 13 日开源 AI 智能体底座 DeepSeek Harness，主打“一切皆插件”架构，两天内获 95k Star。其核心插件系统 Cordis 支持插件可逆卸载，团队负责人为前 Jane Street 量化交易员崔天一，底层理论源自科依诗（Koishi）框架。

    推荐理由：原文给出了架构设计和社区插件生态，读者可以据此判断它如何实现智能体能力的灵活组装。

8月14日周五
  1. AI产品阿颖55

    GLM-5.3 实测评价：后训练驱动的能力提升

    作者评测 GLM-5.3 指出其在不增加参数的前提下，通过强化后训练实现了能力跃升。文中分享了利用该模型开发排版工具及排查线上并发订单 Bug 的实战案例。文章还结合 Scaling Law 与 Loop Transformer，分析了智谱在后训练阶段引入网络安全等复杂环境训练的策略。

  2. Datawhale66

    DeepSeek Harness 插件安装与开发教程

    DeepSeek Harness 支持通过插件扩展能力，文章提供了两种实践路径。开发者可基于 Node.js 环境编写最小 `greet` 插件，通过 `cordis.yml` 配置实现工具注册与调用；也可安装如 DSH Vision Toolkit 等生产级插件，配置视觉模型 API Key 后在会话中直接执行图片问答、OCR 和裁剪等任务，无需从零开发。

  4. 智能涌现68

    腾讯混元资深研究员徐灿转岗微信WeLM团队

    腾讯混元资深研究员徐灿近期加入微信WeLM团队，从事大模型研发。徐灿曾在微软发布WizardLM，拥有后训练与Agent方向经验，其转岗被视为补充WeLM在训练、推理及复杂任务执行方面的力量。文中指出，WeLM转向MoE架构，并正在开发支持微信原生AI助手“小微”的Agent能力，WeLM与混元团队在资源与人才上存在协作与竞争关系，共同支撑腾讯在微信场景下的AI入口战略。

    推荐理由：原文梳理了混元与WeLM两套研发体系的资源与人才流动，帮助理解腾讯微信AI的底层技术路径。