DeepSeek enthüllt den "Selbstentwicklungs"-Plan: Harness lässt KI wie beim Spielen mit Lego Plugins entwickeln

Ursprünglicher Titel: "Der 'Selbstentwicklungs'-Plan von DeepSeek wurde enthüllt"

Jay berichtet aus dem Aofeisi Quantum Space | WeChat-Account QbitAI

Die neueste Arbeit von DeepSeek in Zusammenarbeit mit der Peking-Universität hat den Schleier über die Harness-Version des Wals gelüftet.

Mit dem Titel "A Programming Paradigm for Spatiotemporal Composability" (Eine Programmierparadigma für die zeitliche und räumliche Kombinierbarkeit) klingt es etwas kompliziert, aber du musst dir nur einen Satz merken ------

Der gesamte Text dreht sich um Cordis, das Herzstück des Schwarzen Wals, eine „Lego-Basisplatte“, die beliebig einsteckbar ist.

Hier gilt: Alles ist ein Plugin, alles kann umgestaltet werden.

Das erklärt auch, warum die Offenheit des „Schwarzen Wals“ so hoch ist und die offizielle Seite die Leute ermutigt, Plugins zu erstellen und Harness zu modifizieren.

Ein informationsreiches Papier, das auch das Ergebnis der langen Vorbereitungszeit des DeepSeek Harness-Teams ist, hat schließlich in Form des großen Schwarzen Wals einen beeindruckenden Erfolg erzielt.

Es ist bemerkenswert, dass dies die siebte Arbeit von DeepSeek in diesem Jahr ist und auch die N-te Zusammenarbeit mit der Peking-Universität.

Insgesamt über achtzig Seiten, ich habe das Papier von Anfang bis Ende durchgearbeitet und einige Punkte zusammengefasst ------

1. Cordis bietet eine universelle dynamische Kombinationssemantik. Komponenten, die durch Kontextmanagement verwaltet werden, können dynamisch geladen, entladen und ihre verwalteten Nebeneffekte automatisch zurückgewonnen werden.

2. Die mathematische Grundlage stammt aus zwei klassischen Konzepten der Typentheorie: Effekte und Nebeneffekte.

3. Es handelt sich nicht um ein Labor-Spielzeug. Dieses Design läuft bereits seit vier Jahren im Koishi-Chatbot-Framework, über 4000 Community-Plugins wurden in Produktionsumgebungen validiert.

Und all dies dient demselben Ziel ------

Selbstentwicklung.

01 Zeit und Raum, die zwei Hürden der Selbstentwicklung von Harness

In der Softwarewelt gibt es eine kontraintuitive Realität: Die meisten Pluginsysteme erfordern nach dem Deinstallieren eines Plugins einen Neustart des gesamten Host-Prozesses.

Das bedeutet, dass möglicherweise nur ein Plugin gelöscht wird, aber alle bereits geladenen Plugins mit neu gestartet werden.

Ja, „Plugins“ sind in der Tat etwas, das man einsteckt und nicht mehr herausziehen kann.

VSCode ist ein typisches Beispiel.

Das Papier besagt, dass bis zum 9. Juni 2026 von den 100 besten Erweiterungen im VSCode Marketplace 87 ausführbaren Code enthalten, der einmal aktiviert nicht zur Laufzeit einzeln deinstalliert werden kann. Nach Deaktivierung oder Löschung muss der gesamte Erweiterungs-Host neu gestartet werden.

Das ist nicht nur ein Problem von VSCode. Das Papier weist darauf hin, dass fast alle Plugin-Architekturen solche Mängel aufweisen, nur in unterschiedlichem Maße.

In einem normalen Pluginsystem ist das schon kompliziert genug, aber wenn die Kosten nur ein Neustart sind, ist das noch akzeptabel.

Aber im Kontext von Agenten ist das ein ganz anderes Problem.

Ein gewöhnlicher Sattel ist normalerweise mit vielen Dingen gefüllt: Werkzeugsets, Ausführungsumgebungen, Berechtigungssteuerung, Sandbox, Sitzungsstatus, Gedächtnissystem... es ist bereits ein extrem komplexes Ingenieursystem.

Und jetzt trifft man auf die „selbstentwickelnde KI“, die wie ein Sun Wukong ist, und man könnte versehentlich alles selbst ändern.

Das ist auch der Ansatz, den DeepSeek in diesem Papier zur Selbstentwicklung wählt:

Zukünftige Agenten könnten basierend auf Aufgaben selbst ein Werkzeug generieren, dieses Werkzeug zur Laufzeit einfügen und, wenn sie ein Problem feststellen, es selbst ersetzen.

Wenn man jedes Mal, wenn man eine Zeile Code ändert, den gesamten Prozess neu starten muss, könnten alle zuvor gesammelten Kontexte und Caches verloren gehen.

Das nennt man zeitliche Kombinierbarkeit.

Wenn die Abhängigkeiten zwischen Modulen von jedem Modul selbst gepatcht werden, heute überprüft man, ob A vorhanden ist, morgen vermutet man B... und schon könnte man versehentlich zyklische Abhängigkeiten einführen, die beim erneuten Laden explodieren.

Das nennt man räumliche Kombinierbarkeit.

Und diese beiden Herausforderungen sind genau die Probleme, die Cordis lösen soll.

DeepSeeks Lösung

Zunächst müssen zwei mathematische Konzepte ergänzt werden, die auch die beiden theoretischen Säulen dieses Papiers sind ------

Effekte und Nebeneffekte.

Einfach gesagt beschreibt der Effekt „den Einfluss des Programms auf die Welt“; der Nebeneffekt beschreibt „die Einschränkungen der Welt auf das Programm“. Beide stehen in einer dualen Beziehung: Das Effektsystem bereichert die Typen, das Nebeneffektsystem bereichert den Kontext.

Aber es gibt ein Problem: Im Kontext von selbstentwickelnden KI ist das Framework dynamisch geladen.

Klassische Effekte/Nebeneffekte sind Werkzeuge für statische Typsysteme.

Um sowohl die zeitliche als auch die räumliche Hürde zu überwinden, hat das Team diese beiden Konzepte für die Laufzeit von Agenten angepasst und aktualisiert ------ „umkehrbare Effekte“ und „reaktive Nebeneffekte“.

Umkehrbare Effekte (revertible effects) zielen auf die zeitliche Dimension ab.

Die zentrale Definition ist nur ein Satz: Jede Änderung des Kontexts muss mit einer expliziten Umkehrfunktion versehen sein, sodass die Nebeneffekte umkehrbar sind.

Beim Laden von Plugins wird jede Statusänderung mit der entsprechenden Umkehrfunktion aufgezeichnet und in einer „Rückgängig-Kette“ in der Reihenfolge gestapelt.

Beim Deinstallieren von Plugins wird diese Kette umgekehrt ausgeführt, sodass der Systemstatus genau auf den Zustand vor dem Laden des Plugins zurückgesetzt werden kann.

Man kann sich das wie einen Stapel Teller vorstellen, bei dem der zuletzt hinzugefügte zuerst entfernt wird.

So bleibt die zeitliche Reihenfolge intakt.

Reaktive Nebeneffekte (reactive coeffects) sind für die räumliche Dimension verantwortlich.

In Cordis können Komponenten deklarieren, welche Abhängigkeiten sie benötigen, um die Abhängigkeiten auflösbar zu machen.

Zum Beispiel könnte ein Chat-Plugin sagen, dass es einen Nachrichtenadapter und eine Datenbank benötigt. Wenn beide Abhängigkeiten erfüllt sind, wird es aktiv. Fehlt eine, bleibt es inaktiv, startet nicht sofort und gibt keinen Fehler aufgrund eines leeren Verweises aus.

Wenn der Anbieter erscheint, wird der Abhängige automatisch aktiviert. Wenn der Anbieter entfernt wird, stoppt der Abhängige zuerst, wartet, bis er seine Effekte zurückgezogen hat, bevor der Anbieter die Deinstallation abschließt.

Wenn der Abhängigkeitsanbieter deinstalliert wird, wird der Abhängige automatisch deaktiviert; wenn die Abhängigkeit wieder online geht, wird der Abhängige automatisch wiederhergestellt. Diese topologische Anordnung erfolgt nicht durch manuelles Schreiben des Entwicklers, sondern wird automatisch aus den Deklarationen abgeleitet.

Die Kombination beider Konzepte bildet den Kern von Cordis.

Die intuitive Bedeutung von „zeitlicher und räumlicher Kombinierbarkeit“ im Titel des Papiers liegt genau darin.

02 Koishi

Also, haben all diese Dinge praktische Validierung erfahren?

Ja.

Und das in nicht unerheblichem Umfang.

Das Papier verwendet ein Chatbot-Framework namens Koishi zur experimentellen Validierung.

Koishi** wurde auf Basis von Cordis entwickelt** und hat in vier Jahren über 4000 Community-Plugins angesammelt, die Sofortnachrichtensystemadapter, Datenbanktreiber, Verwaltungs-Console und verschiedene Benutzerfunktionen abdecken.

Laut GitHub ist Koishi ein plattformübergreifendes, erweiterbares und leistungsstarkes Chatbot-Framework.

Der Name und das Icon stammen von der Figur Komeiji Koishi aus dem Spiel "Touhou Project".

Komeiji Koishi ist eine Figur, die unbewusste Handlungen ausführt, und der Name symbolisiert sowohl das Thema des Chatbots als auch die Leidenschaft, die die Entwickler in das Projekt gesteckt haben.

Das ist auch eine interessante README.

Was ist Cordis?

Der Autor von Koishi erklärt, dass der Name Cordis aus dem Lateinischen für „Herz“ stammt und alles in Koishi von Cordis ausgeht.

Als ein Meta-Framework ist Cordis nicht an ein bestimmtes Gebiet oder Szenario gekoppelt.

Die Fähigkeiten, die es bietet, sind für die meisten Frameworks nicht außergewöhnlich ------ ein Pluginsystem, aber hinter diesem System steht ein Ziel, das die meisten Frameworks nicht erreicht haben: Umkehrbarkeit.

Er hinterließ auch diesen Satz:

Ich hoffe, dass es das Herzstück zukünftiger Software (zumindest der Software, die ich entwickle) werden kann.

Vier Jahre später hat das Papier von DeepSeek dies validiert.

Zunächst die Validierung der zeitlichen Dimension.

In Koishi kann der Administrator ein Plugin über die Konsole deaktivieren, und der Einfluss des Plugins auf das System wird sofort zurückgezogen, während andere Plugins weiterarbeiten.

Während der Entwicklung wird das Plugin nach Änderungen gespeichert und erneut angewendet, während Caches und Verbindungen unverändert bleiben.

Dann die Validierung der räumlichen Dimension.

Im Koishi-Ökosystem bietet der IM-Adapter Zugang zu Nachrichtenplattformen, der Datenbanktreiber bietet persistente Speicherung, und Funktionsplugins erklären diese als Abhängigkeiten für den direkten Zugriff.

Im tatsächlichen Betrieb werden nur die Plugins, deren Abhängigkeiten sich tatsächlich geändert haben, reaktiviert, während die Plugins, deren Abhängigkeiten unverändert bleiben, stillstehen.

Es ist wichtig zu beachten, dass diese Plugins normalerweise von verschiedenen Autoren unabhängig entwickelt werden, und die einzige Koordination zwischen ihnen erfolgt über die reaktiven Nebeneffekte, die Cordis betont.

Das zeigt, dass ein Satz dynamischer Kombinationsregeln tatsächlich in einem offenen Plugin-Ökosystem funktioniert, das von verschiedenen Autoren beigetragen wird.

Aber das Papier hat dieses Beispiel nicht als perfektes Demo verpackt.

Das Team gibt zu, dass derzeit nur Validierungsdaten aus dem Koishi-Ökosystem und der Programmiersprache TypeScript vorliegen, und es fehlt an kontrollierten Vergleichen mit alternativen Architekturen...

Aber das Wichtigste ist, dass es eine neue Richtung aufzeigt, eine Grundlage für Agenten-Harness, die der Selbstentwicklung dient.

Das jetzt veröffentlichte DeepSeek Harness ist die Upgrade-Version von Koishi Cordis.

03 Vorstellung der Autoren des Papiers

Zum Schluss sprechen wir wie gewohnt über die Autoren des Papiers.

Es gibt insgesamt drei, die sich über die Peking-Universität und DeepSeek erstrecken.

Der Hauptautor heißt Yifan Shi, kommt von der Peking-Universität und ist auch Mitglied von DeepSeek.

Nach eingehender Recherche stellte sich heraus, dass sein Name bereits im DeepSeek V3 Technical Report erwähnt wurde.

Das Projekt, das in diesem neuen Papier zur Validierung verwendet wurde ------ Koishi ------ stammt ebenfalls von ihm.

Es ist offensichtlich, dass er eine starke Obsession für „shi“ hat, da sein Name Yifan Shi, das Projekt Koishi und sein GitHub-Name Shigma ist.

(doge)

Zurück zum Thema.

Koishi ist ein Repository von vor vier Jahren, das mittlerweile 5,7K Sterne hat. Man kann sagen, dass dies die Quelle von allem ist.

Denn das Konzept von Cordis wurde ebenfalls in Koishi eingeführt.

Im Jahr 2023 schrieb Shigma einen Entwurf für die offizielle Dokumentation von Koishi mit dem Titel "Umkehrbares Pluginsystem", das fast das Vorläuferpapier dieser neuen Arbeit ist.

Wei Zhang, ebenfalls von der Peking-Universität, ist außerordentlicher Professor am Software Research Institute der Peking-Universität.

Die Website des Instituts zeigt, dass Zhang Weis Forschungsgebiete hauptsächlich Softwaretechnik und Programmiersprachen umfassen.

Im Jahr 1999 schloss er sein Bachelor-Studium in Ingenieurwärmephysik an der Nanjing University of Aeronautics and Astronautics ab. Danach wechselte er in den Bereich Informatik und erwarb 2002 einen Master-Abschluss in Computerwissenschaften an der Nanjing University of Aeronautics and Astronautics.

Nach dem Master-Abschluss setzte Zhang Wei seine Doktoratsstudien an der Peking-Universität fort und erhielt 2006 seinen Doktortitel in Computer Software und Theorie.

Nach seinem Doktortitel blieb er an der Peking-Universität und arbeitete weiterhin in den Bereichen Softwaretechnik und Programmiersprachen.

Es ist erwähnenswert, dass Zhang Wei bereits 2021 mit Yifan Shi bei der ASE zusammengearbeitet hat.

Im Jahr 2024 veröffentlichten die beiden gemeinsam ein Papier bei ICSME mit dem Titel "Focused: An Approach to Framework-oriented Cross-language Link Specification and Detection".

Und schließlich haben wir einen alten Bekannten.

Cui Tianyi, der Teamleiter von DeepSeek Harness. Er hat seinen Bachelor-Abschluss in Informatik an der Zhejiang-Universität gemacht und ist ein Junior von Liang Wenfeng.

Während seiner Studienzeit wurde Cui Tianyi aufgrund seiner Leistungen bei NOIP/informatik-Wettbewerben an die Zhejiang-Universität empfohlen und gewann sechsmal die Goldmedaille bei den ACM International Collegiate Programming Contest Asia Regional Contests.

Nach seinem Abschluss arbeitete er neun Jahre lang in den Büros von Jane Street in Hongkong und New York.

Papierlink: https://github.com/cordiverse/paper

Koishi: https://github.com/koishijs/koishi