dsh-continual-evolve

English | 中文

DeepSeek Harness（dsh）的持续自进化插件：一套版本化、可审计、可回滚的 harness 状态层——提示词补充、记忆、技能、子代理规格——从会话轨迹中沉淀而来。

状态：Phase 3（benchmark 驱动验证闭环）已全部完成。 在 Phase 2 之上，评估矩阵执行器（host 平面 subagents、冻结运行时、结构化输出单元）驱动代码所有的计分板；非退化接受规则决定接受/拒绝，模型从不直接写聚合值。

背景

这个项目始于一个研究问题：harness 能自我改进吗？生产级版本长什么样？ 三条证据线塑造了答案：

• penguin-harness 证明了概念（benchmark → 评估 → 优化 → 接受/回滚），但代码层零强制——所有保证都是提示词契约。它的研究报告（docs/research/）成了本项目的硬化清单。
• prime-agent /refine 证明了工程形态：版本化 harness 条目、原子持久化、乐观并发、逆操作回滚。本包是在 DSH 插件表面上对该形态的原创实现。
• 学术工作（Self-Harness、AHE、HarnessOpt-Bench）提供了纪律：冻结评估运行时、代码所有聚合、非退化接受。

结果：模型提议，代码保证。 每一项机械化安全属性（schema 校验、快照、版本、审计、接受决策）都由代码强制——从不要求模型自觉守规矩。

为什么

Agent 在每个会话里积累可复用经验——重复失败、持久事实、可复用流程——然后在下个回合或下个会话忘掉。本插件把这些经验变成一等公民的持久状态：

• 版本化条目：按 prompt / memory / skill / subagent 分键，每条带来源与版本
• 证据链：每次进化追加一条携带 trigger / changes / evidence / outcome 的事件
• 确定性回滚：逆操作由已应用的结果生成——不需要 LLM 再猜
• 代码强制安全，而非提示词纪律：schema 校验、原子写、损坏降级、乐观并发、基础系统提示词不可变