创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

DeepSeek DSH瞄准受约束智能体执行

AI 总结

掘金·人工智能称,DeepSeek推出DSH智能体运行环境,通过工具、沙箱、记忆、审批和可扩展插件支持受约束的任务执行。文章解析其六层架构及Super-agent原型,涉及Router/Worker、链式召回、事件驱动、巡检和端云协同,但强调该原型仍是架构探索,并非现有产品性能的证明。

深度见解

DSH试图把记忆、调度、审批和恢复从用户转移至执行环境,为智能体处理超出单次对话长度的多步骤任务提供了一种基础设施方案。

DeepSeek Harness 实战与架构解析 (1).png

DSH(命令行叫 dsh)是 DeepSeek 推出的 Agent 运行环境。它给模型提供工具、沙箱、记忆和可组装的插件系统,让模型在一个受约束的执行环境里把任务从开始做到交付。本文从一次“整理周报”的任务出发,拆解 DSH 的六层结构,讨论 Super-agent 原型中的 Router/Worker、链式召回、事件驱动和端云协同,最后给出上手路径与局限。

一、从一个周报任务说起

周三下午,同事在群里丢来一句:“把上周的测试报告整理成一页周报,下班前给我。”

用聊天窗口里的 AI,流程通常是这样:打开对话框,描述需求,把散在三个目录里的 log 逐个打开、复制、粘贴进去;它回一段排版不错的文字;你复制出来改两个数字,再贴到群里。

#DeepSeek#DeepSeek Harness (DSH)#dsh-superagent-prototype

原文约 15 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。