---

一句话介绍

一份源码级的 DeepSeek Harness 中文学习资料：从 Cordis 插件框架到 Agent Loop 状态机，从工具执行管道到多代理编排，把 219 个包的 monorepo 拆成 15 篇可读文章、12 个可迁移设计模式、28 道面试题。

DeepSeek Harness 是 DeepSeek 开源的生产级 Agent Harness（Claude Code / Codex CLI 同类产品的底层引擎）。它的设计哲学浓缩为一句话：

事件流 + 可逆副作用 = 全部控制流。
循环本身没有特权——策略以监听器身份挂在事件上，能力以提供方身份挂在服务 seam 上。

An English abstract: A source-level deep dive into DeepSeek Harness, the plugin-based agent harness from DeepSeek. 15 in-depth articles explain its event-sourced session log, turn/step state machine, tool execution pipeline, sandbox (Landlock), context engineering (compaction/spill), multi-agent orchestration (subagent/workflow/goal), streaming LLM layer, and plugin-based web GUI — with real type definitions, code paths, design tradeoffs, and interview questions for agent engineering roles. Content is in Chinese.

✨ 为什么值得 Star

🧩 源码级证据	每一篇都标注 文件路径:行号，可直接回溯到 deepseek-harness 仓库对应代码
🏗️ 系统化拆解	15 篇文章覆盖从插件框架到 Web GUI 的完整架构，不是零散笔记
⚖️ 讲权衡，不讲名词	每个设计都回答"为什么这样设计 + 放弃了什么"，面试官最想听的正是这个
🎯 面向求职	12 个可迁移设计模式（每条带面试话术）+ 28 道高频题 + 扩展实战
🎨 在线可读	VitePress 站点部署于 Cloudflare Pages，全文搜索 + 代码高亮 + 目录导航

📖 内容地图

导读（3 篇）

• 为什么研究 DSH — 项目定位与学习它的四个理由
• 核心概念速览 — Cordis、事件、seam、scope、turn/step 术语表
• 架构总览 — profile/bundle 组装、40+ 服务地图、轮次流程

深度拆解（8 篇）

#	章节	核心内容
01	核心循环：Agent Loop	turn/step 状态机、inbox 队列、waterfall 拦截、工具调度 barrier/滚动池
02	工具系统与执行管道	九段流水线、双轨策略（瀑布+单调守卫）、类型安全 schema DSL
03	沙箱与权限	Landlock 自限制 launcher、审批升级、权限预设
04	上下文工程	prompt 组装、compaction（日志事件即锁）、spill、token 计量、技能系统
05	多代理编排	subagent 六种 Provider、受限 JS workflow、jobs、goal 循环
06	LLM 层与流式管道	StreamChunk 协议、BlockAssembler、重试持久化、凭据只存引用
07	Web GUI 与 API 层	插件化浏览器 Cordis、双 WS 流、增量折叠、Typert RPC
08	持久化与工程化	219 包 monorepo、双 face 构建、vendored 框架修改日志

面试冲刺（2 篇）

• 设计模式手册 — 12 个可迁移模式：事件溯源日志、能力 seam、失败类型化、有界委托……
• 高频面试题 — 概念/源码/系统设计/场景四类共 28 题

实战（1 篇）

• 扩展 DSH：加一个工具 — 五步验证流程 + 技能编写 + 进阶路线图

🏗️ 架构全景图

flowchart TB
  subgraph 组合平面["组合平面 · 静态"]
    Profile["profile<br/>(web / headless)"] --> Bundle["bundle 层<br/>(dsh-base → dsh-web-app)"]
    Bundle --> Patch["cordis.patch.yml<br/>+ --patch overlay"]
  end

  subgraph 运行平面["运行平面 · 动态"]
    Driver["Agent Loop 驱动器<br/>(turn/step 状态机)"]
    Driver -->|"agent/pre-step"| PreStep["拦截链<br/>(compaction / 技能 / 指令)"]
    PreStep -->|"agent/request"| LLM["ctx.llm 流式管道"]
    LLM -->|"assistant/chunk*"| Log["SessionEvent 日志<br/>(唯一真源)"]
    Driver -->|"tools/pre→execute→post"| Tools["ctx.tools 执行管道"]
  end

  subgraph 能力平面["能力平面 · seam"]
    Seam["Service Definition + Provider + Consumer"]
    Seam --- S1["ctx.shell / ctx.subprocess"]
    Seam --- S2["ctx.fs / ctx.sandbox"]
    Seam --- S3["ctx.subagents / ctx.workflowEngine"]
    Seam --- S4["ctx.llm / ctx.web / ctx.skills"]
  end

  Patch --> Driver
  Tools --> Log
  S1 & S2 & S3 & S4 --> Tools

🔬 Roadmap

深度拆解持续更新中。全部待深挖项整理在 research/backlog.md（56 条存疑项 → 12 个文章聚类）：

状态	计划
✅ 已发布	01~16 + 五篇补遗，共 26 篇；12 个主聚类全部消化
🔬 研究中	第二轮存疑项（消化过程中新发现的 20 条，见 backlog）

🚀 快速开始

git clone https://github.com/Bin-hy/dsh.git
cd dsh
npm install
npm run dev        # http://localhost:5173/
npm run build      # 输出 docs/.vitepress/dist

☁️ 部署（Cloudflare Pages）

本站在 Cloudflare Pages 上部署（https://deepseek-docs.pages.dev）：

构建命令   npm run build
输出目录   docs/.vitepress/dist
环境变量   NODE_VERSION: 22

无需任何自定义配置——仓库 push 到 main 后 Pages 自动构建发布。

🗺️ 学习路线建议

第 1 天  导读 3 篇          —— 建立心智模型（Cordis、事件、seam）
第 2 天  核心循环 + 工具系统 —— 理解 Agent 的"心跳"
第 3 天  上下文 + 多代理编排 —— 理解 agent 的"记忆"与"协作"
第 4 天  LLM 层 + Web GUI   —— 理解数据如何流动
第 5 天  面试冲刺 + 实战扩展  —— 输出自己的理解

📚 研究底稿

research/ 目录保存了 6 份原始研究笔记（约 4,000 行），是博客文章的素材底稿：

research/
├── 01-core-loop.md       核心循环与运行时
├── 02-tools-sandbox.md   工具系统与沙箱
├── 03-context-skills.md  上下文工程与技能系统
├── 04-orchestration.md   多代理编排
├── 05-llm-streaming.md   LLM 层与流式管道
└── 06-web-gui.md         Web GUI 与 API 层

每份笔记都包含：概念地图、模块与文件地图、真实类型定义（带 文件:行号）、执行流程、设计权衡、面试要点与诚实标注的存疑项。

🤝 贡献

欢迎以任何形式贡献：

• 纠错：任何与源码不符的表述，直接提 Issue 或 PR
• 补全：研究笔记中的 50+ 条存疑项是现成的深挖清单（如 E2B 远程沙箱、ACP 进程外传输）
• 翻译：英文版的翻译贡献非常欢迎

📄 License

本仓库中原创内容（博客文章、研究笔记、代码）采用 MIT License 开源。

本项目是对 DeepSeek Harness 的独立学习笔记，非官方文档；DSH 本身遵循其自身的 MIT License，文中引用均以学习研究为目的。

🙏 致谢

感谢 DeepSeek 开源 DeepSeek Harness——它把 agent 工程的共识最佳实践以生产级质量落地，是绝佳的学习范本。

---