Se revela el plano de "auto-evolución" de DeepSeek: Harness permite que la IA desarrolle como si estuviera jugando con bloques de Lego

Título original: "El plano de auto-evolución de DeepSeek, revelado"

Jay desde Aofeisi Quantum  WeChat oficial QbitAI

El último artículo de DeepSeek en colaboración con la Universidad de Pekín ha desvelado el velo de la versión de Harness de la ballena.

Titulado "Un paradigma de programación para la composabilidad espaciotemporal", su traducción al chino es "Una serie de paradigmas de programación para manejar la composabilidad espaciotemporal".

Suena un poco complicado, pero solo necesitas recordar una cosa------

Todo el texto gira en torno a Cordis, que es el núcleo de la ballena negra, una "base de Lego" que se puede conectar y desconectar a voluntad.

Aquí, todo es un complemento, todo se puede reconfigurar.

Esto también explica por qué la apertura de la "ballena negra" es tan alta, y por qué la oficial anima a todos a crear complementos y modificar mágicamente Harness.

Un artículo que está repleto de información, también es la culminación de tanto tiempo de trabajo del equipo de DeepSeek Harness, que finalmente ha dado una buena batalla en forma de la gran ballena negra.

Cabe destacar que este es el séptimo artículo de DeepSeek este año, y también la N-ésima colaboración con la Universidad de Pekín.

En total, más de ochenta páginas, leí el artículo de principio a fin y he organizado algunos puntos clave------

1. Cordis proporciona un conjunto de semánticas de combinación dinámica universal. Los componentes gestionados por el contexto pueden cargarse y descargarse dinámicamente, y sus efectos secundarios gestionados se recuperan automáticamente.

2. La base matemática proviene de dos conceptos clásicos en la teoría de tipos, efectos y co-efectos.

3. No es un juguete de laboratorio. Este diseño ha estado funcionando en el marco del chatbot Koishi durante cuatro años, con más de 4000 complementos comunitarios validados en entornos de producción.

Y todo esto, sirve a una misma ambición------

Auto-evolución.

01 Tiempo y espacio, los dos obstáculos de la auto-evolución de Harness

Hay una realidad contraintuitiva en el mundo del software: la mayoría de los sistemas que soportan complementos requieren reiniciar todo el proceso anfitrión después de desinstalar un complemento.

Esto significa que lo que se elimina puede ser solo un complemento, pero lo que se reinicia son todos los complementos ya cargados.

Sí, "complemento", en realidad, una vez que se inserta, no se puede quitar.

VSCode es un caso típico.

El artículo indica que, hasta el 9 de junio de 2026, de las 100 extensiones más populares en el mercado de VSCode, 87 contienen código ejecutable, y una vez activadas, no se pueden desinstalar individualmente en tiempo de ejecución; después de deshabilitarlas o eliminarlas, es necesario reiniciar todo el anfitrión de extensiones.

Este no es un problema exclusivo de VSCode. El artículo señala que casi todas las arquitecturas de complementos tienen este tipo de defectos, aunque en diferentes grados.

Esto ya es bastante problemático en un sistema de complementos ordinario, pero si el costo solo es reiniciar, puede ser aceptable.

Pero en el contexto de un Agente, es un problema completamente diferente.

Un sillín convencional suele estar lleno de cosas: conjuntos de herramientas, entornos de ejecución, control de permisos, sandbox, estado de sesión, sistemas de memoria... en sí mismo es un sistema de ingeniería extremadamente complejo.

Y ahora, se enfrenta a la "IA auto-evolutiva" que es como un Sun Wukong, que podría autodestruirse si no se tiene cuidado.

Este es también el enfoque de DeepSeek en el artículo sobre la auto-evolución:

Los futuros Agentes podrían generar herramientas por sí mismos según la tarea, instalar esas herramientas en tiempo de ejecución, y si encuentran problemas, reemplazarlas por sí mismos.

Si cada vez que se cambia una línea de código, se tiene que reiniciar todo el proceso, entonces todo el contexto y la caché acumulados podrían colapsar.

Esto se llama combinabilidad temporal.

Si las dependencias entre módulos dependen de que cada módulo se repare a sí mismo, hoy se verifica si hay A, mañana se adivina B... y sin querer se introduce una dependencia cíclica, que explotará cuando se vuelva a cargar.

Esto se llama combinabilidad espacial.

Y estos dos desafíos son precisamente los dos problemas que Cordis busca resolver.

La solución de DeepSeek

Primero, hay que añadir dos puntos de conocimiento matemático, que son los dos pilares teóricos de este artículo------

Efectos y co-efectos.

En términos simples, el efecto describe "el impacto del programa en el mundo"; el co-efecto describe "las restricciones del mundo sobre el programa". Ambos son relaciones duales: el sistema de efectos enriquece los tipos, mientras que el sistema de co-efectos enriquece el contexto.

Pero hay un problema, en el contexto de la IA auto-evolutiva, el marco se carga dinámicamente.

Los efectos/co-efectos clásicos son herramientas de sistemas de tipos estáticos.

Para superar simultáneamente los obstáculos temporales y espaciales, el equipo adaptó y mejoró estos dos conceptos para el tiempo de ejecución del Agente------ "efectos reversibles" y "co-efectos reactivos".

Efectos reversibles (revertible effects), apuntan a la dimensión temporal.

La definición central es solo una frase: cada modificación al contexto debe tener una función inversa explícita, de modo que los efectos secundarios sean reversibles.

Al cargar un complemento, cada modificación de estado registra la función inversa correspondiente, acumulándose en una "cadena de deshacer".

Al desinstalar un complemento, se ejecuta la cadena en reversa, y el estado del sistema puede restaurarse con precisión al estado anterior a la carga del complemento.

Se puede entender como una pila de platos, donde el último que se coloca es el primero que se retira.

Así, el orden temporal no se desordena.

Los co-efectos reactivos (reactive coeffects) se encargan de la dimensión espacial.

En Cordis, los componentes pueden declarar qué dependencias necesitan, de modo que las dependencias sean resolubles.

Por ejemplo, un complemento de chat dice que necesita un adaptador de mensajes y una base de datos. Solo si ambas dependencias están satisfechas, se activa. Si falta una, permanece INACTIVO, sin apresurarse a activarse ni ejecutarse primero para luego fallar por referencia nula.

Cuando el proveedor aparece, el dependiente se activa automáticamente. Cuando el proveedor se retira, el dependiente se detiene primero, espera a que retire su efecto, y luego el proveedor completa la desinstalación.

Si el proveedor de la dependencia se desinstala, el dependiente se desactiva automáticamente; si la dependencia vuelve a estar en línea, el dependiente se reactiva automáticamente. Esta orquestación topológica no depende de que el desarrollador la escriba a mano, se deduce automáticamente de las declaraciones.

La combinación de ambos constituye el núcleo de Cordis.

El significado intuitivo de "combinabilidad espaciotemporal" en el título del artículo radica en esto.

02 Koishi

Entonces, ¿todo lo que se acaba de mencionar ha sido validado en la práctica?

Sí.

Y además, no es poco.

El artículo utiliza un marco de chatbot llamado Koishi para la validación experimental.

Koishi** se construyó sobre Cordis**, acumulando más de 4000 complementos comunitarios en cuatro años, cubriendo adaptadores de mensajería, controladores de bases de datos, consolas de administración y diversas funciones de usuario.

GitHub muestra que Koishi es un marco de chatbot multiplataforma, extensible y de alto rendimiento.

Su nombre y diseño de ícono provienen del personaje Koishi Komeiji de la serie Touhou Project.

Koishi Komeiji es un personaje que actúa de manera inconsciente, y al elegir este nombre se simboliza el tema del chatbot, además de reflejar el amor que los desarrolladores han puesto en él.

También es una README bastante interesante.

¿Y qué es Cordis?

El autor de Koishi indica que el nombre Cordis proviene del latín para "corazón", y todo en Koishi comienza con Cordis.

Como un marco meta, Cordis no está acoplado a ningún dominio o escenario específico.

Las capacidades que ofrece son comunes en la mayoría de los marcos------ un sistema de complementos, pero detrás de este sistema está el objetivo que la mayoría de los marcos no han logrado: la reversibilidad.

También dejó esta frase:

Espero que pueda convertirse en el núcleo del software del futuro (al menos del software que desarrollo).

Cuatro años después, el artículo de DeepSeek ha proporcionado la validación.

Primero, la validación en la dimensión temporal.

En Koishi, un administrador puede deshabilitar un complemento desde la consola, y el impacto del complemento en el sistema se revierte, permitiendo que otros complementos sigan funcionando.

Durante el desarrollo, después de modificar y guardar un complemento, se vuelve a aplicar el complemento modificado, manteniendo la caché y las conexiones intactas.

Luego, la validación en la dimensión espacial.

En el ecosistema de Koishi, el adaptador IM proporciona acceso a plataformas de mensajería, y el controlador de bases de datos proporciona almacenamiento persistente, mientras que los complementos de funciones declaran estas como dependencias para acceder directamente.

En el proceso de ejecución real, al cambiar el backend de almacenamiento o reconectar el adaptador, solo los complementos que han experimentado cambios reales en sus dependencias se reactivarán, mientras que los complementos cuyas dependencias no han cambiado permanecerán inalterados.

Hay que tener en cuenta que estos complementos suelen ser desarrollados de forma independiente por diferentes autores, y la única coordinación entre ellos es el co-efecto reactivo enfatizado por Cordis.

Esto demuestra que un conjunto de reglas de combinación dinámica puede funcionar en un ecosistema de complementos abiertos contribuidos por diferentes autores.

Pero el artículo tampoco presenta este caso como un demo perfecto.

El equipo admite que actualmente solo hay datos de validación en un único ecosistema de Koishi y un único lenguaje, TypeScript, y carece de comparaciones controladas con arquitecturas alternativas...

Pero lo más importante es que ha señalado una nueva dirección, un conjunto de fundamentos para un Agente de auto-evolución.

Y el DeepSeek Harness lanzado ahora es la versión mejorada de Koishi Cordis.

03 Introducción a los autores del artículo

Finalmente, como es habitual, hablemos de los autores del artículo.

Son tres en total, abarcando la Universidad de Pekín y DeepSeek.

El primer autor es Yifan Shi, de la Universidad de Pekín, y también miembro de DeepSeek.

Después de una profunda investigación, descubrí que su nombre ya había aparecido en el Informe Técnico de DeepSeek V3.

El proyecto utilizado para la validación en este nuevo artículo------Koishi------también es obra suya.

Se puede ver que tiene una fuerte obsesión con "shi", ya que su nombre es Yifan Shi, el proyecto se llama Koishi, y su nombre en GitHub es Shigma.

（doge）

Volviendo al tema.

Koishi es un repositorio de hace cuatro años, que ahora tiene 5.7K estrellas. Se puede decir que este es el origen de todo.

Porque el concepto de Cordis también se propuso en Koishi.

En 2023, Shigma escribió un artículo de diseño para la documentación oficial de Koishi titulado "Sistema de complementos reversibles", que es prácticamente el antecesor de este nuevo artículo.

Wei Zhang, también de la Universidad de Pekín, es profesor asociado en el Instituto de Software de la Facultad de Computación de la Universidad de Pekín.

El sitio web de la facultad muestra que las áreas de investigación de Wei Zhang abarcan principalmente ingeniería de software y lenguajes de programación.

Se graduó en 1999 de la Universidad de Aeronáutica y Astronáutica de Nanjing con una licenciatura en termodinámica. Luego se trasladó al campo de la computación, obteniendo una maestría en ciencias de la computación en 2002 en la misma universidad.

Después de completar su maestría, Wei Zhang continuó su doctorado en la Universidad de Pekín, obteniendo su doctorado en software y teoría de la computación en 2006.

Después de graduarse, se quedó en la Universidad de Pekín, donde ha trabajado en investigación y enseñanza en ingeniería de software y lenguajes de programación.

Cabe destacar que ya había colaborado con Yifan Shi en ASE en 2021.

En 2024, ambos publicaron juntos el artículo de ICSME titulado "Focused: Un enfoque para la especificación y detección de enlaces orientados a marcos entre lenguajes".

Finalmente, el viejo conocido.

Cui Tianyi, líder del equipo de DeepSeek Harness. Se graduó en la Universidad de Zhejiang en la facultad de computación, siendo compañero de Liang Wenfeng.

Durante su tiempo en la universidad, Cui Tianyi fue admitido en la Universidad de Zhejiang debido a sus logros en NOIP/competencias de informática, y ganó seis medallas de oro en la competencia internacional de programación de universidades de ACM en la región de Asia.

Después de graduarse, trabajó durante 9 años en las oficinas de Jane Street en Hong Kong y Nueva York.

Enlace del artículo: https://github.com/cordiverse/paper

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

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.