为 DeepSeek Harness Agent 注入自进化能力：零侵入式插件实战

在使用 AI Agent 进行日常工作时，一个普遍存在的痛点是：每次开启新会话，都需要重复告知模型那些本应"记住"的偏好——比如不要使用 emoji、避免堆砌项目符号、结论中不要出现"我们应当"等表述。说上三五遍还好，次数多了实在令人烦躁。更棘手的是，如果直接修改项目根目录的 AGENTS.md 文件，又担心影响其他项目的工作环境。 DeepSeek Harness（DSH）作为一款将模型、工具、上下文、子 Agent、计划模式全部插件化的 Agent 运行框架，其核心设计理念是"一切皆插件"。这为解决上述痛点提供了优雅的思路：既然一切皆可替换，那么扩展功能也应该通过插件而非修改核心代码来实现。

概述

dsh-evolve-modes 插件正是基于这一理念实现的扩展方案。该插件通过注入 agentPresets、commands、llm、systemPrompt、subagents、storageDomain、tools 等七个 service 注册点，在不 fork 核心代码、不修改 AGENTS.md 的前提下，为 Web 界面添加了四个独立的配置维度开关。 安装完成后，在输入区右侧会看到一行紧凑的控件按钮，点击后会弹出配置面板。四个维度可以自由组合，且组合设置会跟随当前 session，仅"自进化"选项会跨会话持久化（因为它涉及长期规则）。

四维度配置：重新定义 Agent 的工作方式

第一个维度是工作状态，控制 Agent 是"立即执行"还是"先出方案"。选择"计划"模式后，系统会启用 DSH 原生的计划持久化和审批流程，Agent 进入受限工作流，默认只允许 read、glob、grep、read_image 等基础操作，配合 exit_plan_mode 审批机制，可有效防止误操作。 第二个维度是推理策略。"标准"模式不做额外干预；"第一性原理"模式则会将目标、事实、假设、约束、推导、验证等六要素显式写入请求头，确保推理过程完整可追溯。关闭后只影响后续请求，历史证据会保留在 Trajectory 中供回溯。 第三个维度是质量门禁，提供了三种审查强度：关闭（零成本）、对抗性审查（由独立审查 Agent 查找风险和遗漏）和验收审查（对照原始任务逐条验收）。审查结果会显示在对应回复下方，但不会自动修改父 Agent 的产物，避免与项目 CI 流程冲突。

自进化机制：渐进式的偏好学习

第四个维度——自进化，是整个插件最具差异化的功能。与市面上常见的主动修改 system prompt 或代码的自进化方案不同，dsh-evolve-modes 采用"提议制"：插件会按批次（默认每 3 次回复一批，可在 1-100 之间调整）收集学习样本，但只生成待人工审阅的候选规则，不会自动修改任何后续行为。这种设计将最终决策权完全交回用户，这也是该方案能够安全引入生产环境的关键原因。 学习请求采用严格隔离机制：不继承父会话历史、不携带工具、不加载源目录的 AGENTS.md 或 CLAUDE.md，只以结构化 JSON 形式发送学习内容。证据规约同样严格：每条提议的证据必须逐字来自用户消息，助手推断和实现结果不能单独作为规则依据。

安装与实践建议

安装方式非常简洁，通过 DSH 官方 CLI 一行命令即可完成： dsh plugin --profile web add @graysilver/dsh-evolve-modes@0.3.1 安装后重启 Web profile，控件就会出现在输入区旁边。插件还提供了丰富的命令 API，支持通过命令行切换各维度设置，旧的单模式别名会自动迁移到新的四维组合。 根据实际使用经验，有几组值得推荐的组合：日常任务用"正常·标准·关"保持效率；高影响决策用"计划·第一性原理·关"先理清假设再做；交付实现前用"正常·标准·验收审查"逐条核对目标；对外发布内容时用"正常·第一性原理·对抗性审查"确保严谨；长期偏好沉淀则开启"正常·标准·关·进化"，每隔几天审阅一次提议，将真正反复出现的偏好写入规则库。

如有侵权，请联系删除。