给运行中的 Agent 中途插话：steering 的原理与实现
文章讲清了 Agent steering 的实现原理，即把执行循环的粒度从 turn 降到 step，在 step 边界开放可写的 inbox，让用户补充的话在下一个 step 被模型读到而不打断当前任务。
借鉴点
把 turn 拆成 step 并在 pre-step 边界合并 inbox，能换掉现在只能 cancel 重来的插话流程；代价是要自己处理消息幂等、落盘和长工具调用拉长边界。
公司与模型
DeepSeek 最新动态
DeepSeek（深度求索）的模型发布、开源权重、技术报告与 API 价格变化。
41 条精选近 30 天 40 条共收录 220 条
更新
DeepSeek的精选
掘金精选AI 评分7878 掘金精选AI 评分7878 万字长文拆解 DeepSeek Super-agent 与企业知识库架构及落地实践
作者拆解 DeepSeek Harness 团队 10 月底开源的 Super-agent 架构，核心是把单会话 Agent 改成 Router 调度层加 Worker 执行层的常驻系统，Router 只做路由不配执行工具，Worker 隔离并发。
借鉴点能拿走 Router-Worker 双层配置、AGENTS.md 规则和 Worker 知识库 Schema 三段模板，落到知识沉淀与本地部署线；前提是先把高频知识结构化沉淀，任务复用率低时这套账算不过来。
掘金精选AI 评分7373 阿里云 ECS 上用 DeepSeek Harness 加 RAM 子账号完成运维部署
作者在 2 vCPU / 1.8 GiB 的阿里云 ECS 上只亲手做了两件事，装 DeepSeek Harness 和开通 RAM 子账号，其余建库、部署项目、开二级域名、扩证书、排查故障都交给 Agent 执行。
借鉴点能拿走一套人机分工模板，人只装 DSH 和开 RAM 子账号，其余建库、开二级域名、扩证书、排障交给 Agent；代价是要自己定授权范围和密钥轮换，写操作还得人工点头。
掘金精选AI 评分8282 读完 DeepSeek Harness 源码后，作者整理出约 1000 行最小 CLI Agent 的施工图
作者通读 DeepSeek Harness（DSH）源码后，给自己列了一份约 1000 行、零第三方依赖的 Python 最小 CLI Agent 施工图，含 10 个模块、7 个决策点和 12 条不变量。
借鉴点能拿走事件日志当唯一真源、历史靠投影推导、结果按模型顺序提交这套骨架，落到软件工厂的 CLI Agent 主循环；代价是要自己补 max_steps 和 dispatch 层超时，没有 OS 级沙箱时 bash 只能始终 ask。
掘金精选AI 评分7878 DeepSeek Super-Agent 核心特性拆解与安装实战
作者逐层拆解 DeepSeek Harness 团队开源的 Super-Agent 原型 dsh-superagent-prototype，梳理其 Router-Worker 双层架构、事件驱动两级过滤、Thread 订阅直通、Inline & Spill 加链式召回、存算分离与 Watchdog 五块设计。
借鉴点能拿走 Router-Worker 双层分派、Fast/Slow Path 两级事件过滤和 Thread 直投三条设计，落到多任务 Agent 产线；代价是要先装 DeepSeek Harness、不支持 Windows、0.1 原型很吃内存。
掘金精选AI 评分7171 深度剖析开源编码 Agent DeepSeek-Reasonix：用前缀缓存把长会话 Token 成本降 80%
作者拆解了 30k star 的开源终端编码 Agent DeepSeek-Reasonix，它不做上下文压缩，而是用缓存优先、只追加的会话循环把长会话 Token 成本降下来。
借鉴点能拿走三层上下文分区加只追加日志的会话设计，把长会话前缀缓存命中率拉高，落到本地编码 Agent 和长文档 Agent 的降本上；代价是强绑 DeepSeek 前缀缓存，换模型优势即失效，且上下文只增不减会撞窗口上限。
钛媒体精选AI 评分7171 DeepSeek Harness 团队发布 Super-agent 设计探索文章并开源原型
DeepSeek Harness 团队 10 月 31 日晚发布技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，配套原型 dsh-superagent-prototype 同日在 GitHub 以 MIT 协议开源。
借鉴点router 只做分派、worker 上下文隔离并自行订阅话题，可换掉主智能体高频协调的串行派单；代价是两级消息过滤和 watchdog 要自己搭，异步 ReActLoop 尚未默认开启。
掘金精选AI 评分7878 拆解 DeepSeek 开源 Super-agent 原型：授权链设计、实验数字读法与未实装的 Watchdog
作者逐文件核对 DeepSeek Harness 团队 2026-10-31 发布的 Super-agent 架构文章与同日开源的 deepseek-ai/dsh-superagent-prototype（MIT/TypeScript，三天 1.36 万 star），指出原型实装的只有授权门禁，文章主角 Watchdog 在 docs/007 中并不存在。
借鉴点能抄的是授权门禁三件套，主动行为默认影子模式只记账、准入规则写成代码而非提示词、凭证不可变且恢复前重验，可直接换掉现在靠提示词约束 Agent 越权的做法，前提是只支持单仓库且 Watchdog 未实装。
掘金精选AI 评分7878 主动性 Agent 的两级过滤工程实践：Fast/Slow Path 加 80 行可跑模拟器
作者用 80 行纯标准库 Python 复现了主动性 Agent 的 Fast/Slow Path 两级过滤，6 条模拟事件中 3 条在程序层被零模型成本滤掉、1 条被语义层拒绝，仅 2 条进入派发。
借鉴点能拿走 Fast/Slow Path 两级过滤的 80 行纯标准库模拟器和 observe/auto 双模式灰度，落到软件工厂的事件准入环节，代价是 Slow Path 用关键词替身，误报压力全转到提示词质量上。
掘金精选AI 评分7878 Claude Code 会话超 1M 上下文报 400 的抢救与预防配置
作者复盘一次 Claude Code 会话因消息 930665 token 加 128000 输出预留超过 deepseek-v4-pro 的 1048576 上限而全部请求报 400 的事故，指出 /compact 需先发全量记录所以同样失败。
借鉴点能拿走一套上下文超限的抢救顺序和两个 settings.json 配置，落到本地模型部署与软件工厂的长任务会话上；前提是接受输出预留从 128K 降到 64K，且 env 改动必须重启进程才生效。
掘金精选AI 评分7373 从 Super-agent 双层架构到事件驱动调度：Agent 自动化系统搭建教程
文章以 DeepSeek《Super-agent 设计探索》的 Router/Worker 双层架构为蓝本，讲如何用事件驱动把任务起点从人身上移开，解决人只能同时跟进 3 到 5 个会话的注意力瓶颈。
借鉴点能拿走两级过滤加路由表的事件调度骨架，代码可直接跑，落到软件工厂的告警、CI、日报自动化上；代价是慢路径语义判断要接真模型，且需自建事件中台和决策卡片。
掘金精选AI 评分7878 DeepSeek Harness 实测：两条命令装好，11 步写完 632 行代码，3 个测试全绿
作者在干净的 Ubuntu 22.04 上从零实测 DeepSeek Harness 0.2.1-rc.5，用 npx 或全局 npm 两条命令装好，让它写 Markdown 表格转 CSV 工具，1 轮 11 步产出 5 个文件、+678 行、合计 632 行代码，3 个测试 328 ms 全绿。
借鉴点能拿走 Node 22 门槛、npm 11 需 --allow-scripts 放行原生模块、headless 只认环境变量 Key 这三个坑，落到本地模型部署和软件工厂的 CI 环节，代价是预览版会有破坏性变更。
掘金精选AI 评分7272 LangGraph 实战第 5 讲：用 Function Calling 把交卷伪装成 tool 实现强制结构化输出
LangGraph 实战系列第 5 讲介绍让 LLM 稳定输出 JSON 的做法，即用 model.with_structured_output(Schema, method="function_calling") 把交卷伪装成一次 tool call，由 Pydantic schema 锁定字段、类型和枚举，返回类型化对象而无需手工解析。
借鉴点能拿走 with_structured_output 配 Pydantic schema 强制结构化输出的写法，落到知识沉淀和 Agent 派单链路上；代价是 schema 每轮占输入 token，DeepSeek 只能走 function_calling。
掘金精选AI 评分7878 browser-use 实战踩坑记录：CDP 混合启动方案与四层安全护栏
作者用 Python 3.12 加 browser-use v0.13.14 给本地 AI 中控接上浏览器能力，记录了三个致命坑及解法。启动竞态改用自己拉起 Chromium 开远程调试端口、轮询 CDP 就绪后再交给框架，Windows 后台子进程一律 DEVNULL 防管道死锁，代理需显式加 --proxy-bypass-list=127.0.0.1,localhost。
借鉴点能拿走 CDP-Connect 自拉 Chromium 再轮询端点、DEVNULL 防 Windows 管道死锁、代理 bypass 本地地址、验证码关键词兜底上限 2 次，落到本地模型部署与软件工厂的浏览器工具链，代价是单任务 1~3 分钟且需高指令跟随模型。
掘金精选AI 评分7171 用 DSH 智能体加 DeepSeek V4.1 把一句话做成水浒 Unity 游戏
作者把 6 岁小朋友的一句「想玩水浒、能选好汉、打高俅」原样交给 DSH（DeepSeek Harness）智能体，配合 DeepSeek V4.1 在不到 3 小时内从空目录生成可玩的 Unity 游戏《水泊梁山 · 一百单八将》，代码已开源。
借鉴点可借鉴的是把 Unity 的 -batchmode、-runTests、-autotest、-shots 等命令行开关做成 Agent 自检回路，让它自己构建、截图、改错；代价是初始化顺序和材质缓存得自己管，且绑死 macOS 系统字体。
掘金精选AI 评分7575 糖糖写作作者复盘 LLM 应用架构：状态机加台账，260 章实测踩了五个坑
作者用 DeepSeek V4.1 Flash 搭了一套写长篇小说的 LLM 应用，分控制层 8 环节状态机、约束层 26 张按环节加载的规则卡、记忆层四本台账，连续推进 260 章约 70 多万字，返修率约 8%。
借鉴点能拿走三层架构（8 环节状态机、26 张按环节加载的规则卡、四本台账）和写回四约束、摘要固定字段拼装、裁剪顺序写死，落到小说创作与知识沉淀线；代价是短篇摊不平约 6 万字符固定开销，换题材要手动清台账。
掘金精选AI 评分7171 Anthropic 主张折叠 subagent、DeepSeek 主张加 Router，两篇 Agent 架构文章为何不矛盾
作者对比 Anthropic《When to fold subagents into your main agent loop》与 DeepSeek Harness 团队《Super-agent 设计探索》后认为两者并不矛盾，前者讲单任务内部把 subagent 折叠回单 loop 加 skills 和 tools，后者讲跨会话用常驻 Router 编排隔离的 Worker。
借鉴点能拿走的是把脚手架分成能力型和机械型两类，再按单任务内、跨任务两层决定拆还是建；落到软件工厂的 agent 编排上，前提是先有端到端 eval，否则折叠和加 Router 都只能凭感觉。
掘金精选AI 评分7171 老金带你玩AI 解读 DeepSeek Super-agent 设计文章与开源原型
DeepSeek 产品部发布 Super-agent 设计文章，把接消息、记任务关系的 Router 和实际执行的 Worker 拆成两层，让新需求能插进正在跑的任务。
借鉴点能拿走 Router 接话、Worker 执行的双层拆分和 observe 观察模式起步的配置路径，落到软件工厂的派单环节，代价是缓存读取 Token 从 605 万涨到 2323 万，且原型跑在本机、权限等同系统账号。
掘金精选AI 评分7575 拆解 DeepSeek dsh-superagent 的授权门控与 observe 模式，附 60 行 Python 模拟
作者拆解 DeepSeek Harness 团队开源的 dsh-superagent（MIT），重点讲它的授权模型和默认 observe 模式，并用 60 行纯标准库 Python 模拟门控逻辑。
借鉴点能拿走一套授权门控分级和 observe 灰度做法，用 60 行 Python 模拟显式请求与推断候选的分流，落到 Agent 派单流程上；代价是规则要团队自写，且真实实现还有 Mandate 版本校验等层未覆盖。
掘金精选AI 评分7474 Spring AI 流式对话两个隐藏成本：断连后模型仍在生成、会话记忆无上限
作者用 Spring AI 2.0.1 接 deepseek-chat 做流式对话，实测出两个不报错的坑：客户端断开后服务端与模型之间的流仍在消费 token，InMemoryChatMemoryRepository 只限单会话消息条数不限会话数量，10,000 个会话占 115 MB 堆内存，折算 10 万个约 1.1 GB。
借鉴点能拿走 SseEmitter 断连检测加 dispose 取消上游订阅、Caffeine 给会话数设上限两段可照抄代码，落到本地模型部署和软件工厂的流式接口上，代价是内存数只是数量级、断连省下的 token 未实测。