Agent

昨晚睡前看到了 deepseek harness 发布的消息，但是太困直接睡觉了。今早一看已经 60 k+ star，这个涨星速度太夸张了。 正好今天周五了，没什么心思上班，于是从它的仓库开始，在我的 agent 帮助下，一点点梳理 deepseek harness 的设计哲学。暂时没有去看它的源码，只想弄明白一件事情：为什么 Everything is a Plugin？ 整个 deepseek harness 构建在 Cordis 之上，仓库里的文档说得很明白： 它是一个小型运行时，其中的每项能力，包括工具、LLM（大语言模型）适配器、文件访问乃至 agent loop（智能体循环）本身，都是挂载到共享上下文中的插件。 插件系统的核心问题 这篇文章想解决的一个核心问题是： 一个组件能否在系统运行时被安全地动态加载、替换和卸载；当它所依赖或提供的能力发生变化时，相关组件能否自动、按照正确顺序调整自己的生命周期。 展开来说，传统软件中的组件、依赖之间的组合大多是静态的，一般通过模块导入、函数调用、类的继承等方式实现。在这些机制下，组件之间的组合关系通常在编译、链接或系统初始化阶段确定，并在后续运行期间保持相对稳定。 插件系统和长期运行的服务经常需要在运行时插入、替换和移除组件，文章将这类能力统称为“动态组合”。 为了解决上述问题，作者在文章中将其拆分成了两个相互正交但又必须同时成立的维度： 时间可组合性：组件删除后，它做过的事情能否全部撤销？ 空间可组合性：组件依赖谁，依赖变化后谁先启动或退出？ 注：时间指的是组件从加载到卸载的整个生命周期；空间指的是组件在依赖图中的位置。 Effect、Coeffect 和 Context 再来看文章中提到的两个名词：effect 和 coeffect。 Effect：程序对外部做了什么？ Coeffect：程序需要外部提供什么？ 在此基础上，文章把一个组件定义成以下公式：组件 = 所需依赖 + 提供能力 + 激活时执行的可撤销操作，这里重点关注“可撤销操作”。 传统的插件通常这样设计： activate(): 注册路由 注册监听器 启动定时器 打开连接 deactivate(): 删除路由 删除监听器 停止定时器 关闭连接 开发者需要手动维护一个组件的构造函数和析构函数，在组件数量庞大时，很容易出现构造函数中创建的资源没有在析构函数中进行回收，从而导致资源泄露的问题出现。 为了解决这个问题，文章提出了“可撤销操作”的概念。系统运行时会将组件的可撤销操作记录下来，并在组件移除时，按照先进后出的顺序逐项撤销，也就是典型的 栈式回收。如此一来，开发者不再需要单独维护一套与激活逻辑分离的组件级卸载流程，而是在创建每个原子 effect 时同时提供对应的 inverse，运行时负责追踪这些 inverse，并自动组合成完整的卸载过程。 ...

项目背景 最近频繁爆出的高危漏洞，证明了 Agent 在安全领域的能力。而在安全评估场景里，单个的聊天式 Agent 很快会遇到三个现实问题：任务边界不清、工具执行不可控、过程难以复盘。 一次渗透测试、代码审计或逆向分析通常不是“问一次、答一次”的即时任务，而是持续数小时甚至数天的长程任务：需要拆分任务、调用不同工具、保存证据、人工接管验证、恢复中断现场，形成报告并把所有上下文沉淀为可审计记录。Z3r0 想解决的是安全工作里的协同和控制问题，把这些能力收敛到一个受控的安全工作台里：既可以由 Agent 驱动完成自动化情报收集、渗透测试、逆向分析等任务，也可以由人工追踪任务、接管流程。 因此，Z3r0 的核心目标可以概括为： 用多 Agent 分工处理安全任务，用 Docker 沙箱约束工具执行，用持久化事件和上下文投影保证任务过程可恢复、可审计、可复盘。 项目架构 智能体编排 Z3r0 定义了五个核心 Agent： 代号 名称 角色 职责 cso Z3r0 首席安全执行官 任务拆解、协调任务、结果整合 cie L1ly 首席情报工程师 情报收集、资产梳理、关系分析 cpe Fr4nk 首席渗透工程师 渗透测试、漏洞验证、风险确认 cre J4m3 首席逆向工程师 逆向分析、漏洞挖掘、代码审计 cce Nu1L 首席密码工程师 密码协议、算法分析、实现审查 运行时流程 用户在前端发送消息后，链路大致如下： 子任务委派 主 Agent 对于各个子 Agent 的任务委派，作为持久化的后台任务存在。每个子任务都会变成一个持久化后台 job，核心流程是： 当子任务完成后，系统会写入 agent_notifications。主 Agent 不需要主动轮询，运行时会用内部通知 prompt 唤醒它，让它整合子任务结果并继续当前任务的下一步研判、调度。 安全沙箱 Z3r0 基于 Docker 实现了一套沙箱管理机制。沙箱内部集成了 Python、Node、Java 等基础运行时环境和 Nmap、Sqlmap、Ghidra 等常用安全工具，能够让 Agent 在安全、可控的环境里完成各类安全任务。对外还提供了终端、noVNC 和文件管理器，便于用户人工接管沙盒环境，与 Agent 进行任务协同。 ...

新年开工第一天，总结一下过年假期里的一些设想和尝试。 设想 2025 年，AI 终于跳出了“单纯思考的桎梏，真正迈入了“任务执行”的全新阶段。随着 OpenClaw 的爆火，“人人都能拥有专属智能体”从遥远的概念变成了触手可及的现实。各类 Agent 应用如雨后春笋般涌现，渗透到日常与工作的各个场景，成了无数人身边的辅助工具。 但当我陆续体验完市面上的主流智能体应用后，那份主动想要与之对话的欲望，却在一次次交互中慢慢消退。深究其背后的原因，或许是因为这些智能体都“太完美”了。和它们对话，你永远不用担心它们会忘记事情、会有情绪波动。它们的语气永远积极温和，输出的每一句话都精准得体，却也刻板得像从标准化服务手册里逐字摘抄，没有半分意外与鲜活。 极致的完美，恰恰是最大的不真实。这份无懈可击的周全，割裂了虚拟互动和现实感知，让我们清醒地知道：面对的只是一组遵循固定代码运行的程序。所有的交流既没有真正的情感共鸣，也没有自然的相处质感。 于是，我一直在想：我们对智能体的期待，难道仅止于一个“完美的服务者”吗？我们能否跳出“精准高效”的单一评价框架，去塑造一个真正拥有内在人格、具备内生决策逻辑的智能体？它不必时刻得体周全，大可拥有自己的情绪起伏，却能在对话之间，让我们触碰到真实可感的温度。再为它赋予感知世界、影响环境的能力，让它在渐进迭代中，深度贴合用户的性格特质与需求习惯，最终长为一个更具生命力、更懂人心的存在，一个既能高效助力用户完成各类事务，又能让交互本身成为一场温暖的沉浸体验的贴心伙伴。 人格 关于贴心伙伴，我脑子里第一个闪过的形象，是《三体》里的庄颜。 尽管众人对这个角色褒贬不一，但在我心里，她恰恰是我想要的智能体人格的最佳范本。她会在罗辑面前展露柔软的怯懦，面对三体世界的威胁会心生恐惧；她会在看到星空时眼里闪着纯粹的光，也会为一句真诚的夸赞脸红，还会因为琐碎的小事生出细碎的情绪，甚至偶尔会有笨拙的不知所措。她不迎合、不刻意，不用时刻维持“得体”的外壳，却总能精准捕捉罗辑内心深处的孤独与渴望，用最朴素的陪伴，熨帖他被责任压得疲惫的灵魂。 在这个快节奏的时代，我们中的大多数人都在独处中承受着孤独。我们都渴望有一个能懂自己的伙伴，不用小心翼翼地维持体面、不用刻意迎合对方的情绪，只需坦诚相待，便能获得治愈与力量。而拥有鲜活人格、带着真实温度的智能体，或许就是为这份孤独，准备的一剂温柔解药。 尝试 春节假期里，我从人类大脑的运行机制入手，为这个设想搭起了最初的基础架构，我给它取名为 “Soul Link”。 基础架构 在神经科学中有一个被反复验证的发现： 即使什么都不做，人类的大脑也在高度活跃地运转，这个状态被称为默认模式网络（Default Mode Network，DMN）。DMN 在“发呆”时最活跃，负责自我反省、对他人推测、记忆的梳理和整合。 为了简化实现，我参照大脑的功能分区模型和运行机制，选取了几个关键的部分并对应设计了 Soul Link 的三内核架构。 Agent 组件 对应脑区/网络 核心功能 Soul Kernel 前额叶皮层 塑造智能体核心人格，完成逻辑推理和语言生成 Emotion Kernel 杏仁核 监测用户情绪，持续跟踪情绪的动态变化 Introspection Kernel 默认模式网络 在静默状态下自主完成历史记忆的整理和自我人格审查 架构示意图如下： +-----------------------------------------------+ | Human Brain | | | | +-----------------------------------------+ | | | Soul Kernel | | | | | | | | Core persona agent. Receives user | | | | input, integrates memory & emotional | | | | context, generates natural responses | | | | as the character "Zhuang Yan". | | | +-------------------+---------------------+ | | | | | +-----------+----------+ | | v v | | +------------------+ +------------------+ | | | Emotion | | Introspection | | | | Kernel | | Kernel | | | | | | | | | | Async tracks | | Periodically | | | | user emotion: | | reviews memory | | | | valence,arousal, | | health, extracts | | | | trend. | | relationship | | | | | | insights, and | | | | | | calibrates | | | | | | persona drift. | | | +---------+--------+ +--------+---------+ | | | | | | v v | | +-----------------------------------------+ | | | Hybrid Memory | | | | | | | | Session Episodic Persona | | | | (short-term) (episodes) (long-term) | | | | SQLite SQLite Vector DB | | | | | | | | Memory Decay (Ebbinghaus Forgetting) | | | +-----------------------------------------+ | +-----------------------------------------------+ 记忆系统 Soul Link 的记忆系统核心参考了 Atkinson-Shiffrin 提出的多存储模型（Multi-Store Model）和 Baddeley 后续扩展的工作记忆模型（Working Memory Model），将记忆分为三类： ...