清早眉間白雲生

朝霞化精靈 / 輕快 明亮 恆溫的伴侶 / 她與你共存 / 違背 對抗 相同的命運
愛與疼痛 / 不覺茫茫道路長 / 生活歷險 / 並肩莽莽原野荒

子代理与长任务——DeepSeek Harness的Session与Activation，Plan、Goal、Jobs为什么都只是插件

回头看我们线上最难查的两个问题，都和「长流程」有关：一个是首聊导览里，模型嘴上答应了却不执行；另一个是一次失败被写进了记忆，Agent 从此对这件事永久拒答。带着这两个问题去读 DeepSeek Harness 的子代理和长任务设计，答案其实就藏在它反复强调的两条原则里。这是 dsh 系列的第六篇。

工具调用为什么要走管线——DeepSeek Harness的单调守卫、并行调用的fail closed与大输出spill

我们的底座里，自己写的 function calling 和 MCP 接进来的工具走的是同一条管线。但线上还是踩过两个和工具有关的坑：一个是工具缓存掩盖了真实的重试，一个是 few-shot 示例和 schema 对不上导致衔接失效。带着这两个坑去读 DeepSeek Harness 的工具管线，发现它对「工具」的边界划得非常清楚。

Agent的一次「回合」到底是什么——DeepSeek Harness的Turn、Step与Inbox，以及为什么One send, one turn

做陪伴产品，最常见的场景不是一问一答，而是模型还在回，用户又发了一句；或者设备那边上报了一条健康数据，要不要现在就说？这些问题归根到底，是在问 Agent 的一次「回合」怎么界定。DeepSeek Harness 在这件事上想得非常细，这篇就来拆它的 Turn、Step 与 Inbox。

Coding Agent上下文装不下了怎么办——从pi-mono源码看上下文压缩：触发时机、切点、摘要与溢出兜底

最近在读 pi-mono 的源码，其中最有意思的一块是上下文压缩。coding agent 干活久了，上下文窗口迟早要满，满了就得扔东西，而扔掉的每一条都可能是模型下一步要用的。所以压缩注定有损，所有设计都在回答一个问题：必须丢信息的前提下，怎么丢得最不疼？

安装NVIDIA Container Toolkit，让docker容器也能用上GPU

最近在服务器上折腾 GPU 容器，想把需要显卡的服务也统一放进 docker 里跑。但是我们都知道，docker 容器默认是看不到宿主机显卡的，宿主机上 nvidia-smi 再正常，容器里也用不了。所以这里我们就需要用到 NVIDIA Container Toolkit 了。