过去36小时，我把Hacker News的「120分以上」实时流拉了一遍（用hnrss的points过滤，保证都是真热帖，不是我自己挑的），结果有三条AI帖子挤在一起，刚好拼出一幅完整的图：**模型的“楼层”正在重排**。 DeepSeek把agent的“壳”按MIT协议开源了；Cloudflare造了一批毫秒级出结果的“反射小模型”，抢大模型循环里的活；而在最顶楼，一位历史学家用Opus 5.5在故纸堆里挖出了一条没人见过的1615年渡渡鸟记录——顺便引爆了一场“AI算不算真学者”的争吵。 这三件事，国内目前几乎没人写。但每一件都跟你明年的工作方式有直接关系。逐个拆。 --- ## 一、DeepSeek下场造“壳”：开源_agent运行时_来了 先说事实，全部来自DeepSeek官网（deepseek.com/en/harness/）： - **DeepSeek Harness**（简称DSH）已进入全球公开预览，**MIT协议开源**，源码在 github.com/deepseek-ai/deepseek-harness； - 提供**桌面端**（macOS Apple silicon / Windows 64位），也可以装完Node.js后一条命令拉起Web UI：`npx @deepseek-ai/dsh web`； - 底层叫 **Cordis** 架构，官方口号是"everything is a plugin"——终端、agent循环、子agent、定时任务，全是插件； - 演示界面里默认挂的模型是 DeepSeek-V4.1-Flash。 功能清单看着眼熟：整理文档、分析表格、写码修bug、跑测试、调研引用、后台批处理——对，这就是一个对标Claude Code/OpenAI Codex的东西。但有几个细节值得单独拎出来： **Creator mode**：你直接用对话让它写插件。官网演示案例是“给我写一个番茄钟悬浮窗插件”，模型自己读SKILL.md技能文档、查运行时接口、写638行client.js、调plugin_manager装包、跑Bash验证——**5分24秒交付**。插件写完即装即用，还能做成全局悬浮层。 **定时任务**：官方示例是“每周五17:00北京时间，把本周项目笔记总结成周报”，生成的配置里时区直接写死Asia/Shanghai。一个面向全球首发的产品，默认例子用中国时区——这个信号你细品。 **轨迹查看器**：每次工具调用的payload、返回、耗时（精确到34毫秒）全可回放。调试agent的人知道这玩意儿值多少钱。 实验性功能里还藏着：agent teams（多智能体组队）、自动审批审查、语音输入。 HN上吵的是三个问题：**第一**，Claude Code和Codex都是闭源绑自家模型，DeepSeek直接把壳按最宽松协议扔出来——壳这个层，是不是马上要像浏览器内核一样商品化？**第二**，壳开了、脑没开：壳免费，默认大脑还是DeepSeek API，企业真正纠结的“代码出境”问题并没有被开源解决。**第三**，插件生态是入口卡位——谁先长出“agent界的应用商店”，谁定规则。 对中国用户来说，这是第一次有中国头部实验室把“全球同步首发+开源”的agent桌面产品做出来。个人玩家可以把它当Claude Code的免费平替候选；开发者更应该把它当教材——MIT协议，壳怎么设计，随便抄。冷静一句：这是预览版，官方自己说核心插件和API还会变，别直接押生产环境。 --- ## 二、Cloudflare Clef：给agent装上“系统一”反射弧 10月1日，Cloudflare发了篇博客（blog.cloudflare.com/clef-decision-models/），背景是最近海外突然火起来的一个新品类——**decision model（决策模型）**，导火索是Typesafe AI的Jev模型（名字叫System One，玩的是卡尼曼“系统一/系统二”的梗）。Cloudflare当天跟进，掏出两个自家训练的决策模型：**Clef和Clef-flash**。 决策模型和大模型的分工是这样的：大模型是系统二，负责慢思考、写代码、做规划；决策模型是系统一，**不生成文本，只输出带概率的结构化判断**。比如喂给它一条客服消息，它直接返回：urgent=93%、team=billing、severity=major——三种结果都能直接进你代码里的if-else，不需要再写解析逻辑。 硬数据（Cloudflare自宣，自行打折）： - 基准测试BFCL上Clef拿98.47分，Jev是95.75； - **Clef-flash中位延迟38.8毫秒**，Jev是524.1毫秒，慢了13倍；p95延迟122.4毫秒，全场最快（有个叫Laya的中位5.8毫秒更快，但质量分崩了）； - 实战案例：Cloudflare威胁情报团队用它给域名分类，带浏览器渲染2.2秒出结果，换成gpt-oss-120b要4.7秒，还只给得出两个分类； - 比Jev多两样东西：**视觉编码器**（Jev只吃文本）和**64k上下文**（Jev是32k），API完全兼容Jev，换模型改个名字就行。 技术底座值得中文圈注意：**冻结的Qwen3.8-27B（Clef）和Qwen3.5-9B（Clef-flash），加rank-256的LoRA**，推理时只做prefill、然后对合法选项并行打分——非自回归，不出中间文本，所以快。美国云大厂的旗舰开源决策模型，底座是阿里的Qwen，这本身就是个信号。 权重以Apache 2.0挂在Hugging Face，托管版跑在Workers AI上（公告没给托管定价，自部署零授权成本）。Cloudflare还顺手发布了配套的RL微调平台：AI Gateway捕获你的真实流量 → Containers做RL沙箱 → Trainer更新权重 → 再部署回去，闭环焊死。 社区吵成三派。**支持派**：agent循环里80%的步骤根本不需要大模型，谁先把反射弧做便宜谁赢；**反对派**：这不就是把十年前的文本分类器换个名字再卖一遍？评测用的还是Typesafe的Jev Decision Index，既当运动员又当裁判；**中立派**：方向对，但基准太新，等第三方跑分再说。 我的看法是支持派多一点——看这张图就明白它该插在哪： ```mermaid flowchart TD A[工单消息进来] --> B{Clef 决策模型} B -->|urgent 概率高| C[大模型慢思考处理] B -->|常规咨询| D[自动路由计费组] B -->|概率低于阈值| E[转人工坐席] C --> F{Clef 复核结果} F -->|判断为 major| G[触发升级通知] F -->|判断已完成| H[写回工单系统] G --> H D --> H E --> H ``` 大模型只出现在C节点那一格。其余全是38毫秒级的反射。这就是海外社区这两天讨论的核心：**agent的瓶颈不是不够聪明，是每一步都太贵太慢**。 --- ## 三、渡渡鸟：AI第一次在人文领域“立功”，然后吵翻了 10月1日，历史学者Benjamin Breen在他的Substack「Res Obscura」发文，标题直白：《用Opus 5.5发现一条新的渡渡鸟目击记录》。 过程：他研究的领域是近代早期 exotic animal trade（珍奇动物贸易），正写一本关于动物灭绝的书。他让Opus 5.5在**GLOBALISE**——荷兰东印度公司（VOC）档案的数字化项目，数百万条记录——里做语义检索。结果模型翻出一份**1615年的船长日志**：商船"Wapen van Amsterdam"号在毛里求斯补给，船员“抓了许多陆龟、渡渡鸟（dodeersen）和几只鹅与鹦鹉”。出处精确到海牙国家档案馆编号VOC 1.04.02, inv. 1059, fol. 141。这条记录**正好补上了渡渡鸟时间线上1611-1616年的空档**，对照了Parrish 2013年的专著后，Breen判断“这是一个可发表的成果”。 附赠两个发现：一份1638年记录里的荷兰词"velthoenderen"（田鸡），1890年被一位法国学者误译成“鹧鸪”，导致**红秧鸡**（另一种已灭绝的毛里求斯鸟）的一条记录被埋没134年——模型回到手稿原文把错改了。还有一个未证实的大胆假设：莫卧儿皇帝贾汉吉尔养过的那只活渡渡鸟（宫廷画师Ustad Mansur给它画了现存最准确的像），可能就是1616年一位葡萄牙耶稣会士在毛里求斯捉走、被记为“鸵鸟”（毛里求斯根本没有鸵鸟）的那只。 同期的背景板：Breen文首提到，安全研究员Carter Church用GPT-6 Astra跑了六小时，破译了一道拿破仑时代无人能解的密码。Church那句话值得抄给所有人：*“一个有耐心的专家在1970年也能做到，但那意味着几周的专业时间……于是这封信一直没人读。我只花了六小时模型时间和几个晚上。我猜大多数领域的‘未解清单’里，藏的问题比所有人以为的都多——这些清单马上会变短，而缩短它们的人，将越来越多只是些好奇的人。”* 然后是争吵。**正方**：这是AI第一次在人文领域产出可验证的新知，方法可复制。**反方**：历史学没有单元测试，业余玩家带着模型冲进专业领地，错了都没人具备发现错误的能力。**而Breen本人最清醒**，他的结论是三句话：模型到现在也不会提出对的问题，也不会判断发现的意义；它干的是“数羊的数字版”——永远不会无聊，能把海量数据翻个底朝天；他放出去十几个并发agent，大多数在故纸堆里迷路，有一个钻进印加奇普绳结研究了几小时，产出的东西连他这个历史学家都看不懂。 金句在这：**瓶颈很快不是研究发现本身，而是小领域专家的注意力**。他引数学家Terrence Tao博客客座文章的结论“我们需要更多数学家”，补了一句：我们也需要更多历史学家。 方法完全可迁移，看流程： ```mermaid flowchart TD Q[人提出具体问题] --> C[选定公开语料库] C --> E[嵌入模型语义索引] E --> S[Agent 并发筛候选] S --> R[人工复核排序] R -->|命中线索| W[回原件核对成文] R -->|无命中| C ``` 第一步和最后一步必须是**人**，而且是懂行的人——这是整篇唯一不能省的成本。国内对应物现成就有：方志、古籍、老报刊的数字化档案库，思路一模一样。 --- ## 信息差总结 | 你以为的 | 海外刚发生的 | |---|---| | Agent工具=闭源壳绑一家模型 | DeepSeek把壳按MIT开源，插件化架构随便抄 | | Agent里每步都该用大模型 | Cloudflare把毫秒级决策拆给专用小模型，快13倍 | | AI做科研=刷理科榜单 | AI开始给历史学挖新史料，瓶颈变成专家注意力 | | 壳和模型是两个圈子的事 | 模型厂造壳、云厂商造反射弧，楼层在重排 | ## 行动指南 1. **今晚**：装Node.js，跑 `npx @deepseek-ai/dsh web`，用Creator mode让它给你写个小插件（比如网页倒计时），亲身感受“everything is a plugin”； 2. **本周**：去Hugging Face拉Clef权重，或直接调Workers AI的 `@cf/cloudflare/clef`，把你业务里一个if-else分类场景换成决策模型，实测延迟和准确率； 3. **本月**：挑一个你熟悉的中文数字档案库，按渡渡鸟五步法跑一遍。记住Breen的警告：模型负责不无聊地翻完数据，**你必须是那个能判断“发现有没有意义”的人**——这也意味着，窄领域专家的注意力，接下来是最稀缺的资源。 ## 参考来源 1. DeepSeek Harness 官网：https://www.deepseek.com/en/harness/ 2. DeepSeek Harness 源码（GitHub）：https://github.com/deepseek-ai/deepseek-harness 3. Cloudflare 官方公告《Introducing Clef》：https://blog.cloudflare.com/clef-decision-models/ 4. Res Obscura《Using Opus 5.5 to discover a new eyewitness record of the dodo》：https://resobscura.substack.com/p/using-opus-55-to-discover-a-new-eyewitness 5. 本文热帖筛选源（HN 120分以上实时流）：https://hnrss.org/newest?points=120 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。