+devsam

[+devsam @devsam_ye]

未来基本上就是中国 + 半自治准主权马斯克财阀

[The Mind Scourge @TheMindScourge]

Increasingly US industrial strategy is just “let Musk handle it”

Which makes sense. He has genuine convening power. People organize towards his interests. The system *wants* him to succeed

It’s a lot for any one person

But the future is basically China + the Semi-Autonomous Quasi-Sovereign Musk Zaibatsu

[Max For AI @MaxForAI]

这两天看了很多关于 DeepSeek Harness 的讨论，但很遗憾，99%的讨论都没有真正搞懂DSH想要做什么。

有人把它当成一个产品，认为 UI 粗糙、配置复杂、完成度低，所以 DSH 是个失败的 Agent 产品。

也有人把它放到 Codex、Claude Code 旁边比较，讨论谁的 Coding Agent 工作流更完整。

这些讨论看起来都对。

但如果仔细看 DSH 的架构，以及最近关于 Harness Self-Improvement 的一系列研究，我认为更值得讨论的问题其实是：

DeepSeek Harness 可能是在为 Harness 层的 RSI 准备一套 Runtime。

首先，今天绝大多数 Agent 都可以粗略抽象成：

Agent = Model + Harness

Model 提供底层的推理与决策能力，Harness 则定义模型如何观察环境、能够采取哪些动作，以及整个执行过程如何组织。

例如Codex、Claude Code，乃至更加开放的 Pi，都已经拥有越来越强的 Harness 扩展能力。

开发者可以通过 Skill、Plugin、Hook、Extension 等机制加入新的工具和工作流，Pi 甚至允许替换内置 Tool、修改 Context 与 Compaction。

但今天这些系统的 Harness，主体上仍然是由人类设计和演化的。

模型可以使用这些扩展能力，甚至帮助人类编写新的 Skill 或 Extension，但「应该修改 Harness 的哪一部分、修改以后是否真的更好、是否应该保留这个修改」通常还没有成为模型自身持续执行的优化循环。

DSH 的在这一点上非常不同。

DeepSeek 官方对它最核心的描述是：Everything is a Plugin。

这里的 Everything 包括 Model、Tool、Skill、Session、Sandbox、Storage、Agent Loop、Scheduling，甚至 UI。

也就是说，传统 Agent 系统里很多被视为固定 Runtime 的部分，在 DSH 中都被重新暴露成了可以组合和替换的模块。

仓库里的 Core 也采用了 event-sourced session log，并将 system prompt assembly、tool registry、agent、agent loop 等能力拆成相对独立的 subsystem。

这看起来很工程师，甚至有点太技术狂了。

但如果把目标从「让人方便开发 Agent」换成「让 Agent 修改自己的 Harness」，这套设计就有了另一层意义。

因为 Harness RSI 首先需要解决的，并不是模型够不够聪明。

而是三个非常工程化的问题：

- Harness 是否可以被修改。
- 修改前后的 execution trajectory 是否可以被完整观察和比较。
- 一个修改是否能够被验证、保留，并进入下一轮迭代。

只有这些条件存在，Agent 才可能从：

Model → 使用 Harness

逐渐进入：

Model → 观察自己的失败 → 修改 Harness → 重新运行 → 比较结果 → 保留有效修改

也就是把 Harness 本身放进优化循环。

刚好在这里推荐一下之前看过的 RHI 这篇论文，也就是 Recursive Harness Self-Improvement，研究的正是这个方向。

RHI 把 Harness 表示成 Agent Loop 的 specification，让系统根据自己历史版本之间的 execution feedback，不断修改 Harness。

在30个机器学习研究任务中，只经过少量 Harness 迭代，低 reasoning effort 的 Agent 就可以超过对应 maximum reasoning effort 的配置，同时推理成本最高降低约60%。

更值得注意的是，论文发现性能提升主要并不是来自「模型思考得更久」，而是来自更好的 task-specific context management 和 inter-agent information flow。

这意味着一个很重要的事情：

Agent 能力的上限，并不完全取决于模型，很大一部分也取决于 Harness。

同一个模型，给它不同的 Context 管理方式、工具结构、信息流、验证机制和 Agent Loop，可以表现得像两个完全不同的系统。

因此 Harness 本身就成为了一个可以优化的对象。

但事情走到这里还没有结束。

真正重要的是 Harness RSI 如何重新影响 Model。

RHI 的论文里有一个我认为很关键的观点：

Harness 不只是 inference-time scaffold，它同时也是 data-generating component。

因为 Harness 决定模型：看到什么 Context、什么时候调用什么 Tool、如何获得 environment feedback、失败以后如何重试、如何进行 verification、以及最终留下什么样的 execution trajectory。

所以当 Harness 发生变化以后，改变的不只是一次推理结果。

它实际上改变了模型未来训练数据的分布。

更好的 Harness 产生更干净、更有效的 trajectories；

这些 trajectories 用来训练更强的模型；

更强的模型又能够发现此前弱模型无法发现的、更高阶的 Harness bottleneck。

于是 Model 和 Harness 不再是「模型升级，脚手架跟着适配」的单向关系，而开始形成共同进化。

最后，从今天的产品完成度看，DSH 是个彻头彻尾的半成品。

UI 很粗糙，门槛很高，普通用户完全没有理由选择它。

如果这不是 DeepSeek 发布的项目，它现在大概率根本不会获得这么大的关注。

很可能只会在少数研究 Agent、Harness、Self-Improvement 的人之间流传。

但这恰恰可能才是 DSH 有意思的地方。

DeepSeek 根本没想做下一个 Codex。

这也是我现在理解 DSH 最重要的角度。

从系统设计上看，DSH 至少提供了一块非常适合进行 Harness Self-Improvement 实验的土壤：

把原本写死的 Agent Runtime，变成一个高度模块化、可替换、可观测的 Runtime。

所以我不会用「它是不是比 Codex 好用」来评价 DSH。

真正应该评测的是Agent 能不能自己提出 Harness 修改？

能不能根据真实任务结果验证这些修改？

能不能把有效改变持续沉淀下来？

最终能不能用改进后的 Harness 产生更好的训练数据，再反过来更新 Model？

如果这些环节能够真正闭合，那么 DSH 的意义就远远不是一个 Agent Harness，它对应的是一个更大更未来的方向。

过去，我们优化模型，然后给模型写 Harness。

未来可能是模型和 Harness 互相优化。

Model 改变 Harness。

Harness 改变 Agent 的行为。

新的 Agent 行为产生新的训练数据。

新的训练数据再改变 Model。

到这里，Harness 才真正从「模型外面的脚手架」，变成 AI 自我改进循环的一部分。

所以我觉得 DSH 最可能的成功方式，甚至不是半年以后所有人都开始使用它。

而是半年或者一年之后，一个新的 Agent 突然爆火。

大家扒开它的架构一看：

哦？底下思路居然是 DSH。

[+devsam @devsam_ye]

@Rustallintsla spaceX价值对标太阳，是无限的，tesla没法无限造车，没那么多需求，机器人也一样，另外数据中心、startlink扩展比fsd和robottaxi快多了，来钱更容易

[+devsam @devsam_ye]

@brianchoi_tesla 3~5年内，SpaceX 可能发展的更快，就AI数据中这一块业务，来钱比tesla快多了，SpaceX也不会在2-3万亿原地等你

[+devsam @devsam_ye]

从地球到星际时代，Elon的统战价值，与他公司市值成正比。

[+devsam @devsam_ye]

@faultbugs @seti_park @GONOGO_Korea @Alisvolatprop12 不是吧，空军一号空间有限，只能容纳核心人员，其他CEO在别的随行飞机上

[+devsam @devsam_ye]

@Tsla99T 已经屏蔽2个这样的人了，不能让这种人污染我的时间线😀

[+devsam @devsam_ye]

@elonmusk Thank you once again for showing China the way.

[+devsam @devsam_ye]

@iamai_eth 所以投资的第一性原理是：投能最大规模的获取太阳能，将光子转为智能，恒星级别scale

[Gene Munster @munster_gene]

https://t.co/o7cyoxnIhl

[+devsam @devsam_ye]

@peng_hellen 把目标转向月球是因为太空算力的发展需要

[+devsam @devsam_ye]

@seti_park I think its xAi

[+devsam @devsam_ye]

@nikitabier need a grok translator please 🙏

[+devsam @devsam_ye]

@onenewbite @JasonZX Grok imagine 对世界模拟器和机器人训练很重要

[+devsam @devsam_ye]

@0xAxe1 @CharlesXBoy @xsupport 你是在国外吗，我的也还是谷歌

[+devsam @devsam_ye]

为了好玩，我试着把最近美国AI顶尖企业的格局，跟《三国演义》里的各方势力对应起来。我个人超爱吴国，尤其是孙策。😉

苹果 = 袁绍：手握遍布全球的iPhone、Apple Watch、iPad 等顶级终端设备，还背靠华尔街大佬们的雄厚资金。但在AI时代转型的关键期，优柔寡断、迟迟下不了决心，最终被大势裹挟，渐渐走上下坡路。

谷歌 = 曹操：IT时代初期，权倾一时（操之能也），却后来被苹果压制，沦为老二的尴尬位置。可AI时代一开启，它认定这条路是唯一的出路，把所有资源砸向AI模型开发（挟天子以令诸侯），一举击溃苹果势力，重登霸主宝座。

特斯拉 = 孙策：在好战精神和战斗力上无人能敌，开辟了Physical AI领域（长江以南），在这里没人——哪怕是谷歌——能撼动它的地位。而且，它特别厌恶下面要说的刘表阵营。

OpenAI = 刘表 + 刘璋：AI时代伊始，最先筑起自己的山头，抢下军阀宝座。但不会用人，那些被埋没的天才纷纷投奔其他英雄麾下，最终在决战中惨败，势力日渐凋零。

Anthropic = 刘备：起步时被众人忽略，却赢得少数有远见的人才的青睐和追捧。创始团队无人离散，新加入的人才自豪感和归属感爆棚，这帮精锐在与巨头的对抗中毫不落下风，活脱脱就是蜀汉初代的顶尖人才。而且，它正一点点蚕食OpenAI的地盘（荆州入蜀），过程跟蜀汉建国如出一辙。

[SETI Park @seti_park]

재미삼아, 최근 미국의 AI 첨단기업들의 판도를 보면서 한번 삼국지에 등장하는 세력들과 매칭해 보았습니다.

전 개인적으로 오나라, 그 중에서도 손책을 좋아했었습니다. 😉

-----

애플 = 원소: 전 세계에 널리 퍼진 iPhone 및 애플워치, iPad 등 최고의 엣지 디바이스를 가지고 있고, 월가의 큰 손들로부터 빵빵한 자금 지원을 받았고 있었으나, AI 시대로의 전환기에 우유부단하게 결단을 못내리다 결국 대세에서 밀려나 내리막길에 앉게 됨

구글 = 조조: IT시대 초기에는 막강한 권세를 지니고 있었으나(조등), 이후 애플에 밀려 2인자 이미지였음. 하지만 AI 시대가 열리자 이 길만이 살 길이라며 전 자원을 AI 모델 개발에 투입하여(협천자) 애플 세력을 박살내고 1인자 자리에 오름

테슬라 = 손책: 호전성과 전투력 만큼은 겨룰 자가 없을 정도로 최강이며, Physical AI 영역(장강 이남)을 개척하여 여기서 만큼은 그 누구도, 심지어 구글도 싸우면 테슬라를 이길 수 없음. 그리고 후술할 유표 진형을 매우 증오함. 🤣

OpenAI = 유표+유장: AI 시대가 열리기 시작할 때, 가장 먼저 자기만의 세력과 진형을 세워 군벌로서의 입지를 선점함. 하지만 인재를 알아보지 못하고, 중용 받지 못한 인재들이 다른 영웅들의 진형으로 흘러가며, 결국 최종 대전에서 밀려 서서히 세력이 쪼그라 들게 됨

Anthropic = 유비: 초기에는 다들 무시하였으나, 그 잠재력을 알아본 소수의 인재들로부터는 샤라웃을 받음. 창업 멤버 중 아무도 이탈하지 않았으며, 이후 들어가는 인재들 모두 자부심과 만족도가 하늘을 찌르고, 이러한 소수 정예들이 다른 초대형 기업들과 견주어 밀리지 않는다는 점이 촉의 1세대 인재들 같다는 느낌이 들었음. 그리고 야금야금 OpenAI의 영역(형주-촉)을 갉아먹어 들어가고 있는 것이, 촉한의 설립 과정과 비슷해 보였음

[+devsam @devsam_ye]

@CharlesXBoy 反对的人太在乎短期市场波动，看不到太空算力基建几乎是无限的，optimus造再多市场终究有限，如果卫星不限定tesla芯片，spaceX市值可能比tesla的高出不止一个量级。从第一性原理出发，能获取太阳能最多的公司是spaceX。

[+devsam @devsam_ye]

@CharlesXBoy 老马说过AI5也可以小批量上天，估计最早明年就可以跟星链v3一起上天了

[+devsam @devsam_ye]

@jason_chen998 应该再加Tesla，加上物理AI才能闭环，也就是合并后的X，20年后可能是太阳系的东印度公司，其实力可能远超地球上任意一主权国家，当然中国可能是个变量，如果可以在10年内造出星舰级别的火箭的话

[+devsam @devsam_ye]

@Rustallintsla 无论是特斯拉还是SpaceX，当下最迫切的是AI芯片。特斯拉提供芯片，SpaceX提供运力和卫星。先把算力提上去，加速Optimus和Grok训练。这两者也是互相成就的。至于火星，那是后面的事。只要有足够算力，物理AI和数字AI飞轮转起来，无论是火星还是其他星球，都会变成比较简单的支线任务。