登录社区云,与社区用户共同成长
邀请您加入社区
本文记录一次内部 8 卡 RTX 3090 服务器上的可复跑对比测试。比较对象为同一份 Qwen3.8-27B 主模型权重:一侧使用 vLLM,另一侧使用 SGLang + DFlash2 投机解码。本文仅描述测试环境、方法和结果,不包含服务器地址、账号、密钥或业务数据。
总结核心观点:GitHub Copilot 目前无法直接“切换”为本地模型,但通过成熟的开源模型和工具链,完全可以构建一套功能相近、数据本地、可控性高的替代方案。未来,随着开源模型能力的持续提升和部署工具的简化,“本地 Copilot”的体验将无限接近甚至超越云端服务。介绍 CodeLlama、StarCoder、DeepSeek-Coder 等开源代码大模型的发展,说明其代码能力已接近甚至部分超
8月13日,DeepSeek 发布首款智能体产品 DeepSeek Harness(dsh),开源 1 小时 GitHub Star 破 2 万,数日突破 15 万,超越 Grok-1 登顶 GitHub 最快增长开源项目榜单。业内给它起了个外号——"Agent 界的 Android"。如果你最近刷技术社区,应该已经被 DeepSeek Harness 刷屏了。这个产品有点特殊:它不是大模型,而是
本文介绍了DeepSeek Harness(DSH)这一AI代理开发框架的核心概念与实践指南。主要内容包括: 框架定位:DSH采用"Model + Harness"架构,强调"一切皆插件"的设计理念,提供高度可定制化的开发底座,与开箱即用的成品Agent形成对比。 快速入门:详细说明了30分钟上手指南,包括环境准备、两种安装方式(npx快速启动/源码开发)、首次配置的5个关键步骤和验证任务。 四种
回顾全文,DeepSeek 的涨价并非孤立事件,而是大模型行业从低价获客走向可持续商业化的一个缩影。它促使开发者和企业重新审视供应商锁定风险,也把模型能力、价格与工具链的整合推到了选型决策的中心。以 GLM 5.3 为代表的新一代模型,在编程、网络安全和长上下文等关键场景上展现出接近甚至超越国际主流模型的能力,同时通过开源与开放生态降低了迁移门槛;DeepSeek Harness 与 ZCode
v0.1.0-rc.8 是 DeepSeek Harness 在快速迭代周期中一次密度较高的版本:多模态、子代理管理、Windows 适配三条主线同步推进,SQLite 后端的不兼容升级换取了长期性能收益。对于已在使用 dsh 的开发者,图文混合输入和web_search并发查询是最值得立即体验的两项改进;计划升级的用户务必提前处理 SQLite 数据备份。
硬件走 CERN 开源硬件许可,软件走 MIT,作者是摩洛哥一个小工作室,README 里写"从一个小工作间开始,现在有 1.9 万工程师星标"。Apple Silicon 上的 LLM 推理服务器,昨天第 8 今天掉到第 10,但日增星从 78 涨到 370,翻了 4.7 倍。今天空降第二的新面孔,定位是"本地多智能体编排器"——把你在终端里跑的 Claude Code、Codex、Grok 等
DeepSeek Harness 15款必装插件推荐 火爆开源的DeepSeek Harness(DSH)插件生态已超1700个,如何筛选实用工具?本文精选15款高价值插件,覆盖四大场景: 体验升级:桌面端封装(deepseek-harness-desktop)、Web UI全家桶(dsh-web-ui)、高效侧边栏(dsh-better-sidebar)、终端操作(dsh-TUI)、内置插件市场
DeepSeek Harness(简称dsh)是 DeepSeek AI 开源的 agent harness(“一切皆插件”,TypeScript,MIT,开发者预览版)。它不是原生安卓 App,而是 Node.js 命令行 + 本地 Web UI。在安卓上最干净的用法就是Termux 里跑dsh web,手机 Chrome 直连 localhost——因为 Termux 原生运行在安卓上,它的1
DeepSeek Harness Desktop 桌面端技术解析 项目简介 将DeepSeek Harness(DSH)原样封装在Electron桌面环境中,通过Cordis插件扩展桌面能力,不修改官方源码(以submodule形式引用),实现零fork开发。 核心功能 双模式呈现:兼容模式(原生窗口+Web UI)与高级模式(Win11/macOS原生视觉特效) 桌面集成:系统托盘、Profil
这些流程结束之后,模型厂商们通常还会写一个“技术报告”
本文介绍了如何配置 DeepSeek Harness(DSH)以接入自定义模型(如小米 MiMo),涵盖安装、配置及常见问题排查。
本文介绍了一个高效RAG问答系统的架构设计与实现,采用5层解耦架构(前端层/API层/编排层/RAG核心层/基础设施层)。核心创新在于双层Pipeline设计:第一层使用BM25+Softmax归一化实现FAQ精确匹配(命中率62%,响应50ms),第二层处理复杂问题的完整RAG流程。系统通过Redis双重缓存、热门问题预存、意图识别(规则+LLM)等优化,显著减少不必要的语义检索。技术栈选用BG
GLM-5.3 + Kimi K3 + DeepSeek V4 Pro 模型同时接入 DeepSeek Harness,前端 + 后端全栈 2 大任务横评测试,到底谁是 AI 编程之王?
DeepSeek近期接连发布两大重磅产品:V4Pro大模型和开源框架Harness(v0.1)。V4Pro展现强大Agent能力,而Harness采用MIT协议开源,提供模块化插件架构(基于TypeScript),支持工具调用、任务执行和二次开发,内置四种模式适配不同场景。其创新点包括:Cordis元框架解决插件生态治理难题、时空可组合性编程范式(含北大合作论文支撑)、全链路调试系统。尽管处于早期
DeepSeek Harness 保姆级教程:从「一行命令跑起来的 Agent」到「双击即用的桌面驾驶舱」
本文介绍了DeepSeek Harness Windows桌面应用的开发历程,从解决命令行启动的痛点出发,经过多轮迭代最终采用WebView2方案。文章重点分享了三个关键技术问题:1) 通过就绪探测和自动重载解决启动竞态;2) 实现单实例窗口还原;3) 自主研发SVG到ICO的零依赖转换管线。应用采用四层架构设计,确保进程管理的精确性,并通过MIT许可证开源。项目特点是每个技术方案都源于实际需求,
3.拉取源码,git clone https://github.com/deepseek-ai/deepseek-harness.git,如果下的比较慢,可以用迅雷下载压缩包,解压,进入项目目录。2. 安装 pnpm包管理器,在窗口执行 npm install -g pnpm,输入 pnpm -v 验证安装成功。,不要下最新非 LTS,安装完成在命定行窗口输入 node -v和 nmp -v 验证
摘要:该项目提供了一套开源工具,帮助开发者按DJI官方标准生成、校验WPML航线文件(包括template.kml和waylines.wpml),避免手动编写时的常见错误。包含两个核心功能:1)dji-wpml模块支持5种航线模板的生成、解析和验证;2)cloud-api模块处理大疆云API通信。工具特点包括零依赖(纯Python标准库)、内置安全防护、严格遵循官方规范,支持直接集成到Claude
文章摘要: DeepSeek 最新发布 DeepSeek V4 Pro 和开源框架 DeepSeek Harness,GitHub 上线2天Star数突破11.5万。Harness 作为AI模型的“身体”,负责接入文件系统、终端等工具链,让模型能在实际环境中执行任务。 核心特点: 插件化设计:模型、工具、技能等均可替换,支持运行时动态调整。 多种运行模式(标准/PTC/极简/创造)满足不同需求。
有效任务成本 = 完成任务期间的全部费用 ÷ 成功完成的任务数如果五次调用只有四次成功,第五次失败但产生了费用,也应计入分子。
跑分的是13个模型,覆盖Gemini 3、GPT-5、GPT-4.1和Gemma 3四个家族,每个模型开关thinking各跑一遍,每道题采样八次,攒出约450万条回答。出题全交给了模型:Gemini-2.5-Pro生成,Google搜索逐题验证,答案不唯一或题目有歧义的,连带整条事实一起丢弃。Gemini-3-Pro存下了94.5%的冷门事实,热门事实是99.5%,只差5个点。谷歌提出的「知识画
作为处理过后台服务、桌面窗口和外部子进程状态一致性的工程师,我认为桌面应用最难复现的故障,往往不是某个函数直接抛错,而是多个生命周期在错误时刻交叉:用户切换了 Profile,旧 renderer 还握着 service;窗口已经关闭,Host 却继续运行;包管理器父进程退出,后代仍占用文件;Electron 请求 relaunch,但 Cordis dispose 失败;新配置启动到一半就被写成
本文对开源Agent技能项目andrej-karpathy-skills进行静态评测。该仓库仅包含1份Claude行为规则文件(CLAUDE.md),属于纯Prompt资产而非传统软件项目。评测显示:无代码源文件/测试/CI/许可证等工程要素,静态扫描未发现风险模式,但Prompt内容安全需人工评审。项目价值在于提供Claude Code的语用风格调优和token优化参考,可作为Agent Ski
摘要:Caveman 是一款面向 Claude Code 的工业化 Token 压缩引擎,通过极简语言范式和精细化瘦身策略,官方实测可降低 65% Token 消耗。该项目采用 Go 高性能内核+多语言混合架构,包含 24 项细分压缩技能、22 个模块化组件,支持多场景适配。工程体系完备,拥有 7 条 CI 流水线、38 组测试用例和 20 份授权文件,静态风险主要集中在非核心模块。核心压缩引擎安
DeepSeek开源了DeepSeek Harness(DSH),这是一款MIT协议的AI Agent运行框架,采用"一切皆插件"设计理念,支持自由组合模型、工具等组件。DSH内置4种运行模式,可帮助开发、测试和自动化流程。配置需要Node.js≥22和DeepSeek API Key,通过npx @deepseek-ai/dsh web命令启动Web界面。为简化使用,还提供了DSHDesktop
此处给出Windows系统上的下载过程。github上给出了两种下载使用方式分别是直接通过npm包管理器预编译的稳定版本。其次是从GitHub仓库,在本地编译并运行。此处我们给出的方式。
本文从整体架构、Profile 机制、Plugin 系统、Tool / Skill 工具链、配置加载、Web / Headless / TUI 多模式运行、MCP 集成及开发流程等角度拆解 dsh,并通过架构图、数据流和示例说明如何组织一个本地优先、可扩展的 AI 编程 Agent 运行时。
推出了一款名为"桃濑日和"的虚拟伴侣插件,为AI工作台增添温暖陪伴感。该插件提供暖色皮肤、樱花飘落特效,以及原创角色"桃濑日和"常驻右下角,能跟随用户鼠标移动并作出自然互动反应(眨眼、点头等)。特色包括:基于本地规则的状态感知(任务完成/报错时自动反馈)、严格的隐私保护(不读取对话内容)、完全离线运行。用户可通过GitHub安装,支持皮肤与角色功能独立开关。该项目旨在为工具类产品注入情感化设计,所
DeepSeek 官方开源了自家 Agent 运行时框架 DeepSeek Harness(dsh),GitHub 11.8 万 Star、MIT 协议。它主打"一切皆插件":模型、工具、技能、会话、沙箱、存储、调度、UI 全部由插件组合而成,配置层即可自由替换重组。本文从背景讲起,带你用 npx @deepseek-ai/dsh web 一条命令跑起 Web UI,配置 API Key、选择工作
飞书 × DeepSeek Harness:10 分钟把 DSH 装进飞书,聊天即算力。流式卡片让思考过程看得见,问答与工具审批点按即答;无需公网回调,扫码一键配置,17 条斜杠命令全量遥控会话,断线自愈、用量透明。开源新项目,欢迎试用反馈。
Pi Agent 是一款极简开源的终端编程智能体,能通过自然语言指令自动完成读代码、写代码、执行命令等编程任务。它解决了传统AI编程工具的厂商锁定、价格昂贵、功能臃肿等问题,具有以下特点: 支持30+模型厂商,可自由切换Claude、GPT等模型 开源MIT协议,核心仅保留read/write/edit/bash四个基础工具 支持订阅登录和API Key两种认证方式 提供会话树、项目规范文件等实用
DSH 是一个让 AI 真正动手操作电脑的工作台——能读写文件、执行命令、联网搜索,并支持子代理并行与长任务自动推进。其核心亮点是“创造模式”:AI 可自行生成新的 Agent 预设(让 AI 造 AI),以及“动态插件”机制:AI 当场写出新工具面板,经审批后立刻生效,且版本可回滚、副作用自动回收。写插件前 AI 会用 Inspect 查真实 API,避免幻觉。注意:创造模式相当于 shell
DeepSeek Harness 是 DeepSeek 开源的插件化智能体框架,能够围绕本地工作区读取和修改文件、执行命令、维护计划并调用工具。DSH Desktop 将 Harness、Web UI 与运行时依赖封装进桌面安装包,无需单独安装 Node.js,双击即可启动本地 AI Agent 工作台。本文介绍它的核心能力、架构设计、使用方法与适用人群。
从 31 行的read_filedefineTool 注册 → schema 进入模型视野 → 模型决策调用 → execute 真实执行 → render 回传 → 模型组织回答先写单测再谈发布:工具契约(参数校验、取消、结构化返回)是踩坑高发区,单测能提前发现发布前过一遍配置检查:files 白名单、peerDependencies、publishConfig.access会自动处理依赖路径,