AI 相关
查看所有标签
模型是灵魂，Harness 是身体
图：Agent = Model + Harness。模型负责想，Harness 负责做
大家好，我是 Booker。
今天拆 DeepSeek 昨天（2026-08-13）开源的一个东西：DeepSeek Harness，命令行叫 dsh。
这篇不抄二手解读。我直接扒了源码和官方文档，讲它三个真正的设计决策，外加泼冷水和诚实记录试跑踩坑。
一个插件标准，七个工具共用
图：Open Plugins 标准——装一个就能在七个工具里用
最近 AI 编程工具越来越多：Cursor、Claude Code、Codex、Grok Build……每个一套插件格式。然后冒出了个 Open Plugins。
它是 Vercel Labs 维护的一个开放标准。装一个插件，就能在七个工具里跑。
说实话，我很少觉得一个"福利"值得专门写文章。但这次不太一样。
2026 年 7 月，三件事撞在同一个时间点：
这三件事放一起，"一个人独立做个完整小程序"最难的几个坎，全被打通了。下面是我的实操笔记，每步都走过，好坏都直说。
这篇文章帮你搞懂四件事：① Codex 是什么、能干什么 → ② 五分钟上手做个能玩的小游戏 → ③ 基本用法和核心功能 → ④ 接低成本的国产开源模型，把做好的应用发布上线，让别人能访问。
赶时间？ Codex 现在能接 DeepSeek、GLM 这些便宜模型了。想省钱 + 一键部署的，跳到第四步复制一段配置就行。想从头搞懂的，往下读。
我常被问一个问题：小程序怎么接 AI？
问的人大多不是不会写代码，是卡在几个具体的地方：模型 API Key 放在哪才安全、小程序为什么不能直接调接口、流式回复怎么做、换模型麻不麻烦。
这篇把我踩过的坑和现在用的标准做法写一遍。核心就一个思路：让云平台当中间人，前端永远不碰密钥。
最近折腾 Agent Skills 有一阵子了。实战下来最折磨人的不是 AI 不会写代码，而是它写的代码**"只能活在本地"，以及它总是不听规矩**。
这篇文章主要分享两件事：
一开始用 AI 生图的时候，我自己没有太在意风格。Midjourney 默认输出什么样，我就用什么样：光影浓郁、细节饱满、色彩鲜艳。结果配到文章里怎么看怎么不对——不是画得不好，是太像 AI 画的了。
后来我花了不少时间在 prompt 里调参数做减法，试了好几套风格方案，慢慢摸索出一些规律。回头想想，去掉 AI 味的核心其实很简单：做减法、加纹理、扁平化、低饱和度。
下面这三套方案是实战下来最稳的，直接贴 prompt 后缀就能用。
你是否遇到过这样的困扰：用 AI 生成应用时，代码出错了却不知道问什么问题？AI 给了 N 个解决方案，但不知道哪个是对的？
很多非技术人员在用 AI 编程时都会遇到这样的痛点：
今天，我将为你分享一套系统的方法，从基础概念到调试技巧，再到后端方案，让你从"能生成应用"到"能做出真正可用的应用"。
最近帮朋友看了几个用 AI 做的项目，发现一个有意思的现象：
代码能跑，功能也有，但就是...不能用。
不是技术问题，是别的问题。
用 Spec 工作流写了几个月代码之后，我一直在想一个问题：这套"先写需求、再写设计、再拆任务"的流程，为什么有效？
直到我翻到 Gojko Adzic 的《实例化需求：团队如何交付正确的软件》，才把这件事想明白。Kiro 的 Spec 工作流，背后正是 SBE（Specification by Example）方法论。这篇文章把两者的关系讲清楚，也解释你的 AI 编程为什么总在返工。