DeerFlow2解析长文:一起看看Harness范式实践下代表产物

XingXingXxx
0 阅读5分钟

Harness目前炒作的很火热，从prompt到context再到目前的harness，那到底什么是harness，目前为什么各大博主的文章或者视频都在说，但是都停留在概念上，落地怎么去实现？我目前每天关注的harness的落地==都停在了怎么去编写代码+验证代码+多agent协同+上下文记忆管理，目的都是一个：拴住一个目标，不要让这批汗血宝马的精力白费，朝着星辰大海出发。但是做一个智能体怎么去实现一个harness的规范，一起看看源码就知道了，文章有很多是我和GLM5.1对话的结果，文章也是给自己留个印象，不要介意，用好AI，一定要会提问题! ok，打开源码，映入眼帘就是能看到这个deerflow2的包名都有个harness，这是吃定了这个概念了，更加好奇到底怎么控制agent的了

image.png ok，首先得知道这个deerflow1.0本来就是做一个深度研究的文案助手，可以从网络上去抓取各个资源然后分析汇总出来一个总的文档，这个过程就很多Agent，一个总的Agent去规划，去这个网站搜那个网站搜，然后手下的agent去执行就好。 那deerflow2.0还是一样，没有拷贝原来的代码，重新按照harness重新设计 先问问ai他觉得这个deerflow有啥厉害的

image.png

image.png

image.png

1.多Agent协同机制

多agent我也做过类似的项目，我觉得难点是这样几类：

  1. 协调者怎么去编排 怎么给subagent传递消息和做好交互
  2. 多个agent的记忆+工具+沙箱环境，都怎么隔离
  3. 如果subagent挂掉，怎么走别的逻辑，比如降级，规则编排，需不需要把任务派给别人去完成
  4. 子agent完成后，谁去验证，怎么去验证

先问问ai看总览怎么做的：

image.png

image.png

image.png

image.png

image.png

好的，能看到很简单的agent身份，一个领导+多个相同身份的general+bash 的agent角色 那咋们再详细问问

Lead Agent是由prompt+中间件强制执行

先看看提示词吧

image.png

能看到很简单

  • 角色定位：你是一个任务编排者，核心工作流是“拆解、委派、综合”。
  • 可用工具：你可以调用通用型子代理（处理研究、分析等复杂任务）和命令行子代理（执行代码、部署等操作）。
  • 核心限制：每次回复最多同时发起 3 个子任务。
  • 何时使用：当任务复杂、需要多角度分析或处理大型代码库时，请并行启动子代理。
  • 何时不用：当任务简单、无法拆解、需要即时澄清或存在严格的顺序依赖时，请直接执行，不要委派。

image.png

image.png

image.png

image.png

image.png 都看了下就很简单，符合常见的多Agent任务，编排好任务，然后执行，每个子agent只拿到lead的一句话就去网络查询+有自己隔离的环境+多线程异步 再根据咋们前面的问题：到底咋编排拆解任务的，怎么去和子agent交互的，就充分信任子agent返回的信息吗？

image.png 原来有深度搜索的skill啊，那也是提示词去实现的，这没什么亮点的，任务拆解什么都靠提示词给llm，llm自己去发挥

image.png

再问问有没有lead和子类的交互，发现也没有，那这块太一般了，毫无亮点，就很一般的常规做法：子代理是tool形式，然后写在lead的提示词中，需要就去自己选着使用。然后拆解任务也是使用的skill其实就是提示词。然后多个agent也没有交流。最多创建三个子agent，如果多了就拆成两个线程去运行。然后子类失败了，lead也不会走什么降级策略/规则引擎什么的 有点失望看着。

image.png

image.png

image.png

那接着看看他刚刚说的真正亮点：middleware是干什么的

啊？这不就是agentscope的hook机制吗，这有什么稀奇的？ image.png

这个middleware大概就是作为当用户上传文件后，会对他做一个解析，这个流程

image.png

  1. ThreadDataMiddleware - 线程数据目录 image.png
  2. UploadsMiddleware - 上传文件注入

image.png

  1. DanglingToolCallMiddleware - 修补断裂的工具调用

image.png 4. LoopDetectionMiddleware - 循环检测

image.png 5. ClarificationMiddleware - 澄清中断

image.png

6.MemoryMiddleware - 长期记忆

image.png

image.png

我对于他这块所谓的亮点保持质疑？这不就是agentscope里面的hook机制，当有一个行为发生的时候，会先去检查其hook.onevent，我可以注册进去也可以不注册，很灵活。就比如这个深度研究的场景，当ai返回的消息我不够满意，我去在其文章上进行补充，补充后呢，就会给加上一个hook，当下次ai再去按着进行的时候，就会先看看我修改的地方，接着修改

下面是ai总结的比较好的场景。其实吧，我觉得这就是ReActAgent基本的功能要素，就是实现一个更加智能的可以human-in-loop的一个过程，没有什么特殊点，有点类似于多加了几个hook机制，然后各个hook在不同的时间线上有自己的操作

image.png

image.png

好吧，一路看下来，你有没有和我一样失望的 再看看上下文记忆这块有什么好策略吧

image.png

image.png

好吧，就是文件管理上下文管理，记忆的形式是实现的，也很一般，不如我上次讲的openViking

最后，我的总结就是，这个deerflow2.0就是普通的一个案例，你说他使用到harness范式了吗，也有，比如多agent去有自己独立的沙箱去隔离运行，不会塞满整个一个agent。比如还有每次做任务的时候会把人也带进来，human-in-loop，查看完计划再去运行，才能做好这次的深度调研任务。 好吧，没想到能这么火这个，估计就是有字节背书+harness进入大众视野。

image.png

avatar
文章
阅读
粉丝