搜索
DeepSeek Harness(DSH) 的口号，大家应该都有所了解，模型、工具、Skills、会话、沙箱、存储、Agent Loop、调度，甚至 UI，一切皆插件。
在 AI 时代，只要你学得足够慢，你就可以不用学。年初 OpenClaw 最火的时候，为了养一只「龙虾」，有人专门买 Mac mini，有人从命令行开始补课，装环境、配模型、研究 Skill，顺便再和各种报错斗智斗勇。
第一次测试这个 Skill 时，我没有让 Flova 生成任何画面。
一个需求从零推到能开发，我得写调研问卷、拆竞品、出原型、写 PRD，就是给研发看的那份需求说明书，然后拉上研发测试设计法务开评审会，最后再补一份埋点方案，说清楚上线之后用户每个动作要记哪些数据。
一个 Skill，就能让 DeepSeek V4 Pro 超过 Fable 5？
太猛了，DeepSeek Harness 截至当前已经 112 k 的 Star 了，而这距发布仅仅过去三天。而且还在以惊人的速度增长...DeepSeek Harness 的核心就是：一切皆插件。说个不确切的比喻，有点 Agent 时代的 Obsidian 感觉了，自由度太高了。
万能的开发者老哥，已经光速搓出水印移除skill。没想到吧？你有张良计，我有过墙梯。项目名称也很直给，就叫watermarks-remover（水印移除器）。嚯！原来大家都在闷声发大财啊（doge）
最近我给WorkBuddy装了一个挺猛的Skill。它叫BrowserSkill，是腾讯开源的一套浏览器自动化工具。装好后，WorkBuddy可以直接进入你已经登录的浏览器，自己打开网页、搜索内容、点击按钮、连续翻页，最后再把结果整理成Excel和分析报告。
我做了一个骑行、跑步和徒步分析 Skill，叫 guizang-sports-skill（github.com/op7418/guizang-sports-skill）。
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。