DeepSeek Harness 20 天实战:第 16 天——使用 Python SDK 驱动 Agent

DeepSeek Harness插件化部署:从API调用到Agent工作流 在AI Agent工程实践中,仅调用大模型API往往难以满足真实业务需求。Harness作为连接模型与外部世界的执行框架,通过插件化机制让模型安全地调用工具、读写文件、执行代码。本文围绕DeepSeek Harness的安装配置、插件管理、API接入与排错展开,介绍从基础API调用到完整Agent工作流的落地方法,并重点解析“pnpm dsh web”卡住、插件权限控制等高频问题,帮助开发者快速搭建可用的AI助手。 阅读详情

DeepSeek Harness 20 天实战:第 16 天——使用 Python SDK 驱动 Agent

上一篇,我们梳理了 Session 事件、工具结果和遥测,重点是如何定位 Agent 任务发生了什么。

今天换一个角度:如果我们希望在自己的 Python 程序中提交任务、获取结果、观察事件,并在进程退出后恢复会话,应该怎么做?

DeepSeek Harness 提供 Python SDK,用于从 Python 程序启动并驱动 Harness 运行时。本文将完成一个边界清楚的最小示例,并解释结果字段、会话恢复和超时处理。

版本说明:本文依据截至 2026 年 11 月 21 日可查阅的 DeepSeek Harness 官方主分支源码与文档整理。项目仍处于实验性开发者预览阶段,SDK 接口、Profile 和模型支持可能变化。实践时请以安装版本的文档为准。

一、Python SDK 在架构中扮演什么角色?

Python SDK 不是把 Harness 的全部逻辑直接实现成一个 Python 函数库。官方文档描述的主要路径是:

  1. Python 程序创建 SDK 客户端。
  2. SDK 按需启动 Harness 运行时子进程。
  3. Python 与子进程通过标准输入输出上的逐行 JSON-RPC 通信。
  4. Harness 运行时负责 Agent、模型路由、工具和 Session。
  5. SDK 将结果与通知交还给 Python 程序。

可以把职责分为两层:

层次主要职责
Python SDK管理运行时连接、提交输入、接收结果与通知
Harness 运行时加载 Profile 和插件、执行 Agent、维护会话及工具

这种分层带来一个重要结论:Python 代码能调用什么,不只由 SDK 决定,还取决于运行时加载了什么 Profile 和插件。

二、安装与运行前提

官方用户指南列出的前提包括:

  • Python 3.10 或更高版本。
  • 安装版本支持的平台与架构。
  • 可用的模型服务和对应凭据。
  • 独立的工作区和 Harness home。

官方列出的安装命令是:

python -m pip install deepseek-harness-sdk

当前官方文档说明,安装 SDK 时会安装与其版本匹配的平台运行时包;正常使用打包运行时不要求系统预先安装 Node.js。平台和版本支持情况应以实际发布包为准。

两个需要明确的目录

运行 SDK 前,要区分:

  • cwd:Agent 使用的工作目录。
  • dsh_home:Harness 保存配置、Session 和其他运行资源的目录。

Python SDK 要求显式选择 Harness home,不会悄悄使用默认用户目录。实际使用中,应为实验选择独立目录,避免混入已有会话或插件配置。

凭据从哪里来?

当前 SDK 文档说明,运行时可以读取环境中的 DEEPSEEK_API_KEY;也可以通过 SDK 配置显式提供凭据。

实际项目中,优先使用受控的环境变量或部署的凭据管理方式。不要把真实密钥写进源码、会话提示或日志。

三、实践:提交一个不需要工具的简单任务

这个示例只请求一段文本回答,目的是先验证 SDK 初始化、模型调用和结果读取。

实验边界

准备以下内容:

  1. 一个可用的模型服务及凭据。
  2. 一个独立的 Harness home。
  3. 一个独立工作区。
  4. 当前安装版本支持的 Provider 和模型。

下面的模型名称来自官方示例;如果你的部署不支持该模型,应替换为适配器实际支持的模型。

from pathlib import Path

from deepseek_harness import DeepSeekHarness


def main() -> None:
    # 将这两个路径替换为自己环境中的独立目录。
    dsh_home = Path("/absolute/path/to/isolated-dsh-home")
    workspace = Path("/absolute/path/to/disposable-workspace")

    with DeepSeekHarness(
        dsh_home=str(dsh_home),
        cwd=str(workspace),
        provider="deepseek-official",
        model="deepseek-v4-flash",
    ) as harness:
        result = harness.run(
            "请用一句话解释什么是上下文窗口。不要调用工具。",
            session_id="python-demo-001",
        )

        print("Session:", result.session_id)
        print("Finish reason:", result.finish_reason)
        print("Response:", result.final_response)


if __name__ == "__main__":
    main()

执行前,应按实际环境替换路径并配置凭据。首次运行会涉及启动运行时和调用模型;不要把示例中的提示语当成工具权限控制。

为什么使用 with?

DeepSeekHarness 会按需启动运行时子进程,并在同一个实例中复用它。退出上下文管理器时,SDK 会关闭相关资源。

如果不使用 with,应在适当的清理路径中调用 close()。运行时进程的生命周期应由应用明确管理,尤其是在异常或服务关闭时。

四、RunResult 里有什么?

当前 Python SDK 的高层调用返回 RunResult。官方文档列出的主要字段包括:

字段用途
session_id接收本次输入的 Session 标识
final_response活动区间中最后提交的根 Session 助手文本
finish_reason最后一个根 Session 轮次的结束原因,可能为空
events活动区间内的根 Session 事件
notifications根 Session 及已知子 Session 的相关通知

final_response 是方便使用的最终文本,但不应单独作为成功判断。调用方还需要检查 finish_reason、异常和业务结果。

对于普通提示,官方文档描述的活动区间从输入取得持久化收件确认开始,到 Agent 下次整体空闲结束。区间内可能包含其他重叠活动,因此最终文本不一定只能由这一次提示单独决定。

一个保守的结果检查方式

result = harness.run(
    "请用一句话解释什么是上下文窗口。不要调用工具。",
    session_id="python-demo-001",
)

if result.finish_reason != "completed":
    raise RuntimeError(
        f"Agent activity did not complete normally: {result.finish_reason}"
    )

print(result.final_response)

这里将 completed 作为这个普通问答示例的预期结束状态。对于命令、取消、输出上限或其他活动,应结合当前 SDK 文档处理对应结果;不要把所有非空文本都视为成功。

五、在同一 Session 中继续对话

在同一个 Harness 实例中复用 Session 标识,可以继续该会话的上下文。

例如,在第一次调用之后:

follow_up = harness.run(
    "结合刚才的回答,再解释为什么需要为输出预留空间。",
    session_id=result.session_id,
)

print(follow_up.final_response)

这适合同一个连续任务。如果两个任务互不相关,应使用不同 Session 标识,避免无关历史相互影响。

同时,Session 隔离不自动意味着文件系统隔离。两个 Session 仍可能使用同一工作区或相同外部凭据,具体取决于运行时配置。

六、进程重启后恢复会话

如果 Python 进程已经退出,不能只假设重新创建一个同名句柄就等于从持久化存储恢复。

当前官方 Python SDK 提供 resume_session():

from deepseek_harness import DeepSeekHarness

saved_session_id = "python-demo-001"

with DeepSeekHarness(
    dsh_home="/absolute/path/to/isolated-dsh-home",
    cwd="/absolute/path/to/disposable-workspace",
    provider="deepseek-official",
    model="deepseek-v4-flash",
) as harness:
    session = harness.resume_session(saved_session_id)
    result = session.run(
        "请根据之前的讨论,用一句话总结输出预留的作用。"
    )

    print(result.finish_reason)
    print(result.final_response)

恢复时应保留原 Session 标识,并使用原先的 Harness home 和相应工作区。

官方文档说明:

  • resume_session() 恢复已持久化历史,并准备好继续执行。
  • 缺失、不可读、不兼容或正在被占用的 Session 会报错,不会静默创建替代 Session。
  • start_session(id) 只打开延迟使用的句柄,不等于请求恢复持久化会话。
  • 恢复 Session 不会恢复之前的 Shell、浏览器或其他外部进程。

因此,继续任务前仍需检查外部世界状态。尤其是上次中断时正在执行有副作用的操作,不能仅凭 Session 恢复成功就盲目重试。

七、观察运行通知

第 15 篇介绍了事件与运行轨迹。Python SDK 可以在高层 Session.run() 中接收通知。

下面的示例只打印通知方法名,避免默认把完整载荷中的文件内容或其他敏感信息输出到日志:

from deepseek_harness import DeepSeekHarness


def observe(notification) -> None:
    print("Notification:", notification.method)


with DeepSeekHarness(
    dsh_home="/absolute/path/to/isolated-dsh-home",
    cwd="/absolute/path/to/disposable-workspace",
    provider="deepseek-official",
    model="deepseek-v4-flash",
) as harness:
    session = harness.start_session("python-observe-001")

    result = session.run(
        "请简要解释工具调用的作用。不要实际调用工具。",
        on_notification=observe,
    )

    print("Finish reason:", result.finish_reason)
    print("Response:", result.final_response)

当前文档说明,on_notification 可以接收该 Session 树中的活动通知;RunResult.events 则只包含根 Session 事件。若任务使用子 Agent,不应把两者当作完全相同的数据集合。

生产应用应根据需要选择和脱敏通知字段,而不是无条件记录完整提示、工具参数和结果。

八、Profile 会影响 SDK 的能力

当前官方文档区分了完整 sdk Profile 与 sdk-minimal Profile。

Profile适合的理解方式
sdk较完整的 SDK 运行时组合,提供当前文档所述的原生命令等能力
sdk-minimal独立的最小组合,提供其明确列出的能力;并非完整 Profile 的简单开关

官方文档说明,sdk-minimal 包含 Shell、本地执行、JSONL Session 和自动压缩等能力,但不包含完整 Profile 的全部工具与设置能力。它对不支持的斜杠输入也可能按普通提示处理。

因此:

  • 不要因为 Profile 名称带有 minimal,就假设它天然只读或没有命令执行能力。
  • 不要假设完整 Profile 支持的每个原生命令在 sdk-minimal 中都有相同行为。
  • 自定义 Profile 必须保留 SDK 所需的服务端能力,否则可能在启动或初始化时失败。

权限仍需结合 Profile、实际工具、沙箱和部署环境单独确认。

九、超时、异常和重试

将 SDK 接入应用时,需要区分三个状态:

  1. 调用正常返回,任务完成:检查 finish_reason 和业务结果。
  2. 调用正常返回,但任务未正常完成:例如返回了错误或达到输出上限。
  3. SDK 抛出异常:可能涉及初始化、协议、传输或通知观察等失败。

超时不等于任务回滚

当前 Python SDK 文档明确指出,超时或观察回调失败不会自动回滚运行时已经执行的工作,也不构成自动重试的依据。

此外,request_timeout_seconds 限制的是协议响应等待,并不是对后续全部 Agent 活动的总时长保证。

如果任务可能创建资源或修改外部系统:

  1. 保留 Session 标识和相关操作标识。
  2. 检查 Session 事件及外部系统状态。
  3. 确认上次操作是否已发生。
  4. 再决定能否安全重试。

对于只读、可重复的查询,也应根据服务限制设置合理的重试策略,而不是无限重试。

十、审批与无人值守程序

Python 程序可能没有交互界面,但 Agent 使用的工具仍可能遇到需要审批的操作。

当前官方 SDK 文档说明:如果应用选择接收客户端审批请求,应先准备好并发的请求处理线程或循环,再启用相应选项。审批决定是一次性的;无效响应或连接丢失会按关闭策略处理。

不要在无人值守程序中把所有审批请求自动批准。应先明确:

  • 哪些操作本来就不应出现在该工作流中。
  • 哪些操作可以在受限环境中执行。
  • 哪些操作必须交由授权人员判断。
  • 没有应答方时,任务如何停止并报告。

第 17 篇会进一步讨论 Headless 与 ACP 自动化中的执行边界。

十一、常见问题排查

1. 导入失败

检查安装的发行包是否为 deepseek-harness-sdk,以及运行脚本使用的 Python 环境是否与安装时一致。导入模块名是 deepseek_harness。

2. 运行时无法启动

检查:

  • 是否显式提供有效的 dsh_home。
  • 当前平台是否有匹配的运行时包。
  • 选择的 Profile 是否存在且包含 SDK 服务端。
  • 目录权限和运行时诊断信息。

3. 初始化阶段提示模型不可用

检查 Provider 是否由当前 Profile 注册、模型名称是否被适配器支持,以及可选推理强度是否适用于该模型。初始化失败不等于模型已经收到并处理提示。

4. 有 final_response,但任务状态异常

同时检查 finish_reason、事件和应用自己的验收条件。模型输出了文字,不必然代表任务按预期完成。

5. 无法恢复旧会话

检查 Session 标识、原 Harness home、持久化后端、格式兼容性及是否已有其他写入者占用。不要在恢复失败后静默创建同名新任务并当作原任务继续。

6. 通知回调失败后,外部状态不确定

检查回调异常和 Session 轨迹。观察失败不会撤销已经发生的运行时操作;对于外部副作用,先核对实际状态再处理。

总结

Python SDK 提供了从 Python 程序驱动 DeepSeek Harness 的高层入口,但应用仍需要管理运行时、Session 和操作边界。

今天需要记住:

  1. Python SDK 通过 JSON-RPC 与独立 Harness 运行时通信。
  2. 显式配置独立的 dsh_home 和工作区,并管理子进程生命周期。
  3. 同时检查 final_response、finish_reason 和必要的事件,而不是只看最终文本。
  4. 持久化恢复使用 resume_session();它不会恢复外部进程。
  5. 超时或观察失败不意味着任务回滚,重试前要核对外部状态。

下一篇,我们将继续讨论 Headless 与 ACP 自动化:当 Agent 在没有图形界面的环境中运行,或通过协议与其他客户端协作时,如何处理生命周期、权限和结果交付。

参考资料

  • DeepSeek Harness 官方源码:Python SDK README
  • DeepSeek Harness 官方文档:Python SDK 入门指南
  • DeepSeek Harness 官方源码:Python SDK 最小示例
  • DeepSeek Harness 官方源码:SDK JSON-RPC Server 包说明
  • DeepSeek Harness 官方源码:SDK 包组说明
从传统客户端到AI Agent平台:基于DeepSeek Harness的迁移实战指南 AI Agent作为能够感知环境、进行决策并执行动作以完成特定目标的软件实体,正成为现代应用开发的重要范式。其核心原理是通过大语言模型作为“大脑”,结合记忆存储和工具调用能力,实现智能化任务处理。这种架构的技术价值在于解决了传统客户端开发中功能耦合、更新困难、智能化能力有限等痛点,通过插件化设计实现功能的独立开发与热插拔。在实际应用场景中,AI Agent框架如DeepSeek Harness为开发者提供了构建、编排和管理智能体的统一平台,特别适用于需要自然语言交互和自动化处理的场景。本文以DeepSeek 阅读详情

相关推荐

Deepseek Harness 实战:从零构建个性化 AI Agent 开发指南

AI Agent(智能体)作为能够感知环境、自主决策并执行行动的软件实体,其核心原理在于整合大语言模型的推理能力与外部工具的执行功能,通过规划、工具使用、记忆和反思等机制实现复杂任务自动化。这一技术价值在于将人工智能从单纯的对话交互升级为能够主动解决问题的智能系统,广泛应用于数据分析、自动化流程、智能客服和代码辅助等场景。传统Agent开发面临模型集成、工具管理、记忆系统搭建和流程编排等高门槛挑战,而开源框架的出现正致力于解决这些痛点。本文聚焦于Deepseek Harness这一开源Agent开发平台,它

weixin_30621711的博客 422

深度拆解 DeepSeek Harness:一文看懂 快速本地上手

DeepSeek Harness 不是又一个 Agent 产品,而是一套把"Agent 的一切组成都变成可插拔零件"的操作系统级基座——78 行插件配置撑起整个运行时,连 Agent 循环本身都可以被你换掉。模型是发动机,而 DeepSeek 这次开源的是整辆车的底盘图纸。本文基于 deepseek-harness 0.1.0-rc.5 源码(2026-08)撰写,项目迭代迅速,细节请以最新仓库为准。

zhuxianglong66的博客 2059

DeepSeek Harness IDE:从AI辅助编程到AI驱动开发的范式转变

在AI编程助手日益普及的今天,大语言模型(LLM)与开发工具的融合正从简单的代码补全向更深层次的智能协作演进。传统IDE如VSCode、IntelliJ的设计核心是围绕人类开发者的交互习惯,通过插件形式集成AI功能,但这种方式往往将AI限制为被动的“建议器”。而AI原生开发环境则代表了一种范式转变,其核心原理是将AI智能体(Agent)作为主动的“执行者”,赋予其理解项目上下文、调用工具链、自主规划任务的能力。这种转变的技术价值在于重构了开发工作流,从传统的“编辑-保存-运行”循环,升级为以“任务”为驱动、

weixin_34302561的博客 461

DeepSeek Harness 从入门到精通

公司网关、自建服务器、不在目录里的服务,用添加自定义提供方填小写(永久标识,请求、已保存会话、模型默认值、凭据引用都依赖它,之后不可改名);填显示名称、基础 URL、API 协议、凭据;至少添加一个模型;保存前可以先在模型目录里点获取可用模型,它会对当前草稿的基础 URL 发起探测;选中的候选只更新草稿,保存才落库。Provider ID 需要改名的正确姿势:添加新提供方,再删除旧的。

万猫学社 486

DeepSeek Harness实战:从原理到部署的Agent智能体工程化指南

在大模型应用开发中,AI Agent智能体已成为连接模型与业务场景的关键技术,但工程化落地却常常成为瓶颈。模型调用、工具编排、异常兜底和可观测性等问题,往往比模型选择本身更耗费精力。DeepSeek Harness作为一套面向Agent生命周期的编排框架,通过统一封装模型接入、规划执行、插件注册与记忆存储,将ReAct循环等底层机制标准化,帮助开发者从繁琐的调用链路中解放出来。其插件机制使能力边界清晰可控,配合Docker或源码部署方式,能够快速搭建智能客服、自动化流程等业务系统。本文从Agent开发的痛点

weixin_33851177的博客 348

DeepSeek Harness:Agent工程化框架的插件与工作流实战指南

Agent工程化是当前将大模型能力落地到实际业务的关键技术路径,其核心在于将模型调用、工具使用与任务编排封装为可复用的系统能力。通过插件机制与工作流编排,开发者能够构建出具备自动化决策与多步骤处理能力的智能体服务。这类框架不仅降低了应用开发门槛,还为批量任务处理、API接口服务等场景提供了标准化解决方案。从环境部署到插件开发,从工作流设计到接口调用,工程师可以在统一架构中实现高效协同。DeepSeek Harness正是围绕DeepSeek模型打造的轻量级Agent工程化框架,它整合了模型调用、工具注册、插

weixin_33976072的博客 471

【AI Agent】DeepSeek Harness(dsh)源码与架构深度分析

官方 SAFETY.md 更直接指出:项目尚未经过安全审计,不能视为 secure / production-ready。官方 architecture.md 明确说明:Cordis 是 dsh 的基础框架;model adapter、tool registry、session log、agent loop 本身也都是 plugin,因此可以通过配置替换。官方甚至明确写出:不存在需要 patch 的 privileged core,而是通过 mounting plugin 扩展系统。

m0_58426858的博客 1348

DeepSeek Harness是什么?从部署配置到实战避坑全攻略

从大模型工具调用和智能体(Agent)等基础概念切入,说明大模型需要“挽具”来连接外部工具和执行多步任务。然后介绍DeepSeek Harness的两种形态(官方仓库和社区集成),以及如何通过官方API或本地Ollama等方式接入DeepSeek模型。接着讲解Continue、Cline、Codex Harness等主流插件的配置方法,并给出网页抓取、知识库问答、周报生成等实战案例。最后解析常见报错与配置冲突问题,澄清Harness与Agent的区别。帮助开发者快速掌握DeepSeek Harness的核心

weixin_34331102的博客 437

DeepSeek Harness打破GitHub记录,Agent开发迈向工程化

Agent开发是AI应用落地的重要方向,如何将大模型调用、工具使用与任务执行流程高效整合,始终是开发者面临的核心工程挑战。DeepSeek API提供了便捷的模型接入能力,但构建复杂Agent系统仍需一套稳定的执行框架来编排任务、管理工具调用并验证结果。DeepSeek Harness正是为此诞生的开源项目,它围绕任务编排,将CLI交互、本地部署、API接入和批处理等环节标准化,让开发者能快速搭建可运行的Agent雏形。该项目在GitHub上热度飙升,反映出社区对工程化Agent开发工具的强烈需求。文章从核

congsikuai0611的博客 397

服务器部署DeepSeek Harness:自建统一API接入层完整指南

Harness源自测试工程,在大模型应用中成为连接模型与上层Agent的关键控制层,统一处理API Key、上下文、工具调用与日志审计。服务器部署DeepSeek Harness,本质是搭建一个OpenAI兼容的模型网关,实现对官方API或本地Ollama/vLLM服务的集中路由与权限管控。该架构能有效避免密钥分散、调用不可审计、模型切换需改代码等痛点,适用于团队内部工具、数据安全要求高的场景。基于实际工程实践,从环境准备、官方API验证、本地模型部署,到自建FastAPI Harness服务并接入Code

weixin_34200628的博客 462

DeepSeek Harness:构建可验证AI智能体的工程化框架

在AI应用开发领域,大模型智能体(Agent)的"黑盒"特性常常导致输出不可控和问题排查困难,这阻碍了AI应用的工业化落地。为了解决这一挑战,可验证性架构应运而生,它通过系统化的设计确保智能体运行过程中的每一个决策和操作都可观测、可追溯。其技术原理在于建立事实采集、验证规则、执行协调和可观测追溯的分层架构,将传统软件开发中的调试与监控理念引入AI智能体开发。这种架构的价值在于将AI从"魔法"变为可系统化开发的工程,显著提升应用的可靠性、可维护性和可调试性。应用场景广泛覆盖复杂任务自动化、客服对话系统、研究辅

weixin_34021089的博客 427

MemOS Local 适配器层架构解析:OpenClaw / DeepSeek Harness / Hermes 三路 Agent 接入的桥接设计与实战指南

本文聚焦 memos-local-plugin 中 `adapters/` 目录的职责与实现:它如何把一个与 Agent 无关的 Reflect2Evolve V7 记忆算法内核(`core/`),翻译成 OpenClaw、DeepSeek Harness(DSH)、Hermes 三种真实 Agent 宿主各自能理解的事件、DTO 与传输协议。读完本文,你将掌握适配器层的四条核心职责(协议绑定、D

gitblog_00481的博客 445

DeepSeek Harness生态雷达:AI智能体安全操作Kubernetes的工程化实践

在AI工程化领域,智能体(Agent)正从辅助工具演变为能够自主执行复杂任务的执行单元。其核心原理是通过插件化架构扩展能力边界,调用外部系统API和命令行工具完成操作。这一技术的核心价值在于解决AI在真实生产环境中的安全可信问题,确保每一步操作都有据可查、有证可验。应用场景涵盖从代码提交到Kubernetes部署的完整CI/CD流水线,以及系统监控、故障排查等DevOps自动化任务。DeepSeek Harness通过创新的“生态雷达”机制,实现了对开发环境中插件、工具和API的自动发现与证据验证,为AI智

weixin_30855761的博客 363

DeepSeek Harness 架构解析

一个步骤是一次模型请求加上它调用的工具;一个轮次包含零个或多个步骤,它在领取首条输入之前打开,并在不再欠下任何工作时关闭。值得注意的是 “零个步骤” 这一情形被明确允许。后文会看到,这不是边界条件,而是一条被设计出来的路径。完整的轮次流程如下所示。

烟云的计算 664

DeepSeek Harness插件化指南:从安装到自定义插件开发

在AI工程实践中,模型调用只是起点,如何高效编排模型、工具、数据流与任务逻辑,才是构建稳定AI工作流的关键。插件化架构通过将功能拆分为可替换、可组合的模块,让开发者无需重写核心代码,即可灵活扩展系统能力。DeepSeek Harness正是这一思路的典型实践,它围绕DeepSeek API将输入处理、模型调用、上下文管理、输出解析等环节全部抽象为插件,形成一套“一切皆插件”的解耦式控制框架。这种设计不仅降低了工具链的集成成本,还能按需加载不同插件组合,快速适配多轮对话、工具调用、结构化输出等真实业务场景。本

weixin_34234721的博客 386

SAP采购申请详述;以及采购计划协议/交货计划行

SAP采购申请详述;以及采购计划协议/交货计划行

saplakes的博客 4350

DeepSeek Harness:智能体状态管理框架的原理与实践

在AI智能体开发中,状态管理是构建复杂应用的核心挑战。状态管理涉及智能体在任务执行过程中产生的中间数据、上下文记忆和会话历史的持久化与结构化存储。其技术原理在于为智能体提供明确的状态归属和生命周期管理,通过结构化数据模型将会话历史、工具调用记录等转化为可查询、可分析的信息。这一机制的技术价值在于实现了智能体的记忆连续性、决策可追溯性和多会话协作能力,解决了传统开发中状态易丢失、难管理的痛点。在应用场景上,状态管理框架广泛应用于客服机器人、自动化数据分析助手和复杂决策系统等需要多轮交互的AI应用。DeepSe

weixin_33812433的博客 311

matlab实现MSK调制解调

文章目录一、要求二、设计三、代码四、结果五、结论 一、要求 画出MSK信号产生的信息、I路、Q路信号对比图以及接收端解调的信息恢复的对比图。 二、设计 1.MSK调制 2.MSK解调 三、代码 clear all;clc; N=20; T=1; fc=10; Fs=100; bitstream=randi([0,1],1,N); bitstream1=2*bitstream-1; b0=1; for i=1:N encode_output(i)=b0*bitstream

Time_book的博客 1万+

AgentScope Java 2.0 企业级 Agent Harness 实战:从 ReActAgent 源码到 16 中间件生产级落地

Component@Tool(description = "根据订单号查询订单状态、金额、商品列表")@Permission(requireApproval = false) // 只读操作无需审批@ToolParam("tenantId") String tenantId // 租户隔离) {@Tool(description = "根据订单号查询物流追踪信息")) {@Tool(description = "发起退款申请,需要人工审批后执行")

qq_36021478的博客 594

图数据库Neo4j面试内容整理-Neo4j的性能

在执行复杂关系查询时,Neo4j 通过图结构的高效存储和查询机制,能够比传统的关系型数据库提供更快的性能,尤其是在涉及深层关系的查询时。通过合理的配置、优化查询和使用合适的硬件,Neo4j 可以处理大规模的数据集和高并发的查询请求,满足企业级应用的需求。Neo4j 在处理图数据时,通过优化图的存储、查询和遍历等方面,提供了高效的性能,特别适合用于需要处理复杂关系和多层次连接的应用场景,如社交网络、推荐系统、知识图谱等。:Neo4j 会根据查询的结构和数据的分布自动选择最优的查询计划。

不务正业的猿 588

Aurix TC3xx系列MCU ADC模块简介(一)

简单介绍英飞凌Aurix TC3xx系列单片机ADC模块的特点及内部结构。

m0_38045338的博客 6365

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

缘友一世的博客 407

汽车UDS诊断之诊断会话控制服务(0x10)深度剖析

DiagnosticSessionControl就是诊断会话控制。 请求消息定义 A_Data类型 参数名称 Cvt 字节值 助记符 #1 诊断会话控制请求SID M 0x10 DSC #2 子功能=[诊断会话类型] M 0x00-0xFF LEV_DS_ ...

心骗小白话的博客 7423
上一篇: DeepSeek Harness 20 天实战:第 15 天——运行轨迹、日志与可观测性
下一篇: DeepSeek Harness 20 天实战:第 17 天——Headless 与 ACP 自动化
codezzzsleep
博客等级 码龄5年 33粉丝 47原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址