dsh：更偏“批量任务 + 自动运行 + 评分输出（报告/指标）”。你关心的是：“模型在这组任务上到底多好？稳定不稳定？改动后提升多少？” Claude Code / Codex CLI：更偏“对话/指令驱动 + 代码变更 + 你主导验收”。你关心的是：“这个库/这个功能能不能被它改出来并通过我的验收？”... 展开详请

DeepAgents 在 Harness Engineering 方面有几个值得说的点。它把 Agent 循环拆成可插拔的中间件层，每个环节能单独替换增强，不是写死的循环。checkpoint 机制让长任务可以断点续跑，很多框架跑到一半崩了就全白费。工具调用层做了 schema 校验和自动重试，token 不白烧。核心思路是把 Harness 从固定循环变成可编排管线，比单纯做对话包装有用得多。上手不难，但中间件组合策略得花时间调。... 展开详请