写在前面欢迎大家关注Rocky的公众号WeThinkIn欢迎大家关注Rocky的知乎Rocky Ding《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book欢迎大家StarRocky最新撰写的10万字AI AgentAI智能体深入浅出全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识欢迎大家加入https://t.zsxq.com/33pJ0大家好我是Rocky。核心导读Rocky认为DeepSeek Harness 真正值得看的不是短时间里长出了多少插件而是 Agent 产品的竞争正在从“模型能做什么”迁移到“谁拥有统一、可组合、可迁移、可观测、可治理的执行宿主”。模型决定智能的上限Harness 决定这份智能能否进入真实工作流。它需要管理模型、工具、文件、沙箱、记忆、会话、子 Agent、审批、调度、回放与 UI。DeepSeek 把这些都拆成插件所以Everything is a Plugin不只是一句开发者 Slogan而是一种 Agent 系统的生产方式。但另一面是插件越强它越不像“主题皮肤”而像一个可以触达代码、凭证、网络、数据库和生产环境的供应链组件。因此“一切皆插件”的下半句必须是一切插件都应被声明权限、限定边界、记录轨迹并能随时撤销。1. 为什么“模型能力”已经不等于“Agent产品能力”过去两年大家评价一个 AI 应用最先问的往往是它背后用了哪个模型上下文有多长代码排名多高这些问题仍然重要却已经不足以解释 Agent 的真实体验。两个产品即使调用同一模型也可能有完全不同的可用性一个只会在对话框里给建议另一个能读取项目、调用工具、修改文件、拆分任务、保留记忆、遇到风险请求审批出错后还能恢复或回放。区别就在 Harness。Harness 可以理解为“模型与现实工作环境之间的执行宿主”。它一头连着模型的推理和工具调用另一头连着文件系统、Shell、Git、浏览器、数据库、企业 API 和人类审批。它不是模型的附属页面而是 Agent 能否可靠完成任务的系统工程层。上图的对话框只是表层。真正的产品价值发生在发送按钮之后如何组装上下文如何向模型暴露工具如何让一次任务经过多个步骤如何处理失败、审批、超时和子任务才是 Agent 从 Demo 走向生产系统的分水岭。2.Everything is a Plugin不是多一个插件市场而是重写 Agent 的能力组合方式DeepSeek Harness 的官方定义很激进模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等 Agent 能力全部由插件组合而成。这里的插件不是传统软件里的小工具栏。官方架构文档把模型适配器、工具注册表、会话日志、Agent Loop 本身都定义为插件。也就是说它不只允许你增加一个工具还允许你替换模型供应商、改写工具执行管线、注入新的上下文、换掉子 Agent 实现甚至组合出另一种 Agent 产品形态。其底层的 Cordis 元框架只负责插件的加载、卸载与依赖关系。插件通过三类机制进入系统Service服务向共享上下文提供模型、文件、Shell、存储、会话等能力接口。Event事件在会话、Agent、工具与能力边界上观察或拦截工作流。Effect效果插件卸载时能够撤销它注册的行为让系统更接近可逆组合而不是不断向中心核心打补丁。这种设计真正降低的不只是功能开发成本而是能力替换成本。当模型、视觉引擎、长期记忆、数据库、子 Agent 和 UI 都可以通过配置组合产品就不必因为某个供应商或某一代工具变化而整体重写。从长周期看这是 DeepSeek Harness 比“一夜出现多少个插件”更重要的价值它试图把 Agent 的系统复杂度从硬编码的产品内部上移到可显式组合的能力图。3. 四种运行模式同一 Harness 为什么可以长成四种产品DeepSeek Harness 提供标准、PTC、极简和创造四种运行模式。表面上这是四个入口本质上却是四组默认插件集合模式默认能力真正的系统意义标准模式完整工具组合面向日常 Agent 任务的综合宿主PTC 模式模型生成代码组合多轮工具调用用程序表达复杂控制流减少工具往返的能力上限约束极简模式Shell 文件编辑用最小工具面评估模型和执行循环减少系统干扰创造模式检查运行时、内存中试验插件、组合新模式让 Agent 从“使用工具”走向“组装自己的能力宿主”这张图最值得注意的不是模式数量而是“产品形态可以由插件集合定义”。传统 Agent 框架常把工具列表作为配置却把会话、循环、日志、存储、沙箱与 UI 写死在产品里。DeepSeek Harness 则把这些能力一起放进组合层。这也会带来一个新问题当 Agent 可以在运行时检查并试验新插件“创造能力”与“权限扩张”之间只隔着治理策略。如果没有可验证的来源、权限声明、审批和撤销机制越强的元编程能力越可能放大供应链风险。4. append-only事件流Agent的可靠性先从“发生过什么”开始很多 Agent 产品的实际问题不是不会做而是出错时不知道怎么错的。系统提示词、用户输入、上下文注入、工具调用、子 Agent 调度和工具返回往往散落在不同日志中很难重建当时模型到底看到了什么。DeepSeek Harness 的官方表述是模型看到的一切都会写入仅追加的会话日志。其架构文档用更精确的句子概括Model-visible means logged。会话恢复、分叉、转录、遥测和持久化都从同一条事件流派生。这个设计有四个实际价值可追溯不只看最终答案还能沿事件找到错误上下文或工具结果。可恢复会话状态不必依赖当前进程中难以解释的内存对象。可分叉同一历史可以从某个边界创建新路径对比不同模型、工具或策略。可评估可以根据事件流构建失败分类、回归测试和运行时指标。但必须强调**可观测不等于已安全。**事件流能帮助团队知道“发生了什么”但不会自动阻止恶意插件读取文件、窃取凭证或访问网络。而且会话日志本身可能包含敏感上下文还需要保留期、脱敏、访问控制与导出审计。5. 社区插件在补什么不是功能列表而是 Agent 的六个系统缺口量子位稿件里最抢眼的是电子宠物、复古广告 UI 和 18 款小游戏。这些内容有传播性却不是技术价值的主体。将社区项目重新分类可以看到开发者其实在集中修补六个 Agent 系统缺口协作与调度、开发工作面、上下文导入、跨会话记忆、跨产品迁移、模态扩展。5.1 多Agent不是“多开几个对话框”而是调度问题dsh-agent-teams展示了一种直接的形态当前 Agent 成为队长创建子 Agent拆分任务和依赖同时显示成员状态。这类插件的价值不是让界面显得更忙而是把单一上下文难以承载的任务分解为多个可观测单元。但是多 Agent 也会放大 Token 成本、任务重叠、消息失真和责任难以归因。真正需要评估的不是“调了几个 Agent”而是完成率、时延、成本、冲突率和人类介入次数。5.2 统一工作面Agent与IDE的边界正在模糊DSH Better Sidebar将文件管理、代码编辑、真实 Shell、Git diff、暂存、提交、后台任务与子 Agent 放入同一侧边栏。这不只是“少切几次窗口”而是让用户在同一个可观测面里完成任务下达、状态检查、变更审阅和结果接管。如果 Agent 时代的产品竞争只停留在对话框那么模型更新就会迅速抹平差异。真正难复制的部分是对用户工作流的嵌入深度什么时候自动执行什么时候要求确认什么变更必须向人显示什么状态应该持久化。5.3 上下文不是越多越好而是要可定位、可追溯dsh-at-file让用户在输入框中搜索并引用工作区文件。这类功能看起来很小实际上解决的是一个高频痛点用户如何明确告诉 Agent “这次请以哪些文件为证据”。与其盲目把整个仓库塞进长上下文不如让上下文有明确来源、作用域和使用记录。上下文工程的本质不是“给模型更多字”而是在有限 Token 和注意力下把正确信息以可检查的方式放到正确步骤。5.4 长期记忆从“会话功能”变成“项目资产”dsh-memory-evolve尝试持续保留项目约定、架构决策、问题经验和当前进度并根据 Git 分支处理不同上下文。长期记忆的商业价值很明显它把每次从零解释项目的成本转化为可累积的协作资产。但记忆也有三个不能躲避的问题记住的内容是否仍然正确记忆中是否包含凭证、隐私、未公开代码或过期决策当项目分支、人员和权限变化时记忆如何迁移、归档、删除和追责因此长期记忆不应是一个无限增长的文本堆而应是具有来源、时间、范围、置信度、访问控制和过期策略的状态系统。5.5 迁移插件用户真正想带走的不是聊天记录而是工作关系dsh-plugin-claude-bridge和dsh-claude-move的出现是这波生态里很强的产品信号。社区不只在做新功能还在尝试把 Claude Code 中的 Session、Memory、Skills、CLAUDE.md和配置迁入 DeepSeek Harness。这件事说明Agent 产品的锁定正在从“历史聊天”变成“工作状态”。用户想带走的是项目规则、工作流、记忆、Skills、工具连接和未完成任务。谁能提供清晰的导入导出协议谁就更容易成为跨模型的执行入口。这也意味着未来 Agent 平台的护城河不一定是“我的模型只在我这里能用”而可能是“你的组织如何在我这里积累了可迁移但高价值的工作状态”。5.6 视觉桥接Harness可以将模型缺口改造成可替换依赖ModLens 的思路是先用外部视觉引擎解析图片中的文字、布局、实体和语义再将结构化证据交给文本模型继续推理。这个例子比单纯“给 DeepSeek 加了看图”更有意义。它证明了一个系统级思路基础模型某项能力不足时产品不一定等待模型升级也可以用插件把外部引擎组合进工作流。但组合不会消灭误差只会改变误差来源。视觉引擎的识别错误、结构化过程的信息丢失、文本模型的二次推理错误会串成一条链。所以这类插件必须保留原图、中间证据和最终结论的对应关系而不是只返回一段“已理解图片”的文本。6. 从Web UI到TUI当交互外壳也是插件产品边界会发生什么dsh-TUI给 DeepSeek Harness 加上了全屏终端交互包括实时工作状态、上下文进度、回滚与 TPS 信息。与之对应官方本身也将 UI 定义为可组合能力。这件事对产品经理的启发是不应把 Agent 等同于某一个聊天界面。同一条事件流和能力树可以被 Web UI、TUI、IDE、移动端或纯后台运行器消费。产品不再必然是一个固定 App而可能是一个共用执行核心上的多端工作面。但用户体验不会因为“UI 可插拔”自动变好。不同外壳仍然需要一致的权限提示、任务状态、错误语义和撤销预期。如果同一个 Agent 在 Web 端需要审批在 TUI 中却默默执行可组合性就会变成行为不确定性。7. 5,729个主题仓库到底能证明什么对一个刚开放的开发者预览项目而言从 741 到 5,729 的主题仓库变化当然是强烈信号。它至少说明了三件事参与门槛足够低开发者可以不改 Harness 主体源码就添加能力。需求面足够广从多 Agent、GitHub、记忆到 UI 和娱乐社区能快速找到各种补丁点。“插件”是好的分发单元小功能能独立被发现、安装、替换与传播。但它不能证明的事更多不能证明 5,729 个仓库都是可用插件不能证明它们经过代码审计、漏洞扫描或权限审查不能证明它们会在下一次 Harness API 变更后继续维护不能证明真实用户留存、企业部署或付费意愿不能证明官方已经为其背书。开发者可以自行给仓库添加dsh-plugin主题。因此主题数更像“组装冲动指数”而不是“生产可用指数”。短期热度是生态的必要条件但不是充分条件。Rocky更关心后续的五个数字30 天后仍然有提交的插件比例、兼容最新 Harness 版本的比例、有自动化测试和权限声明的比例、有稳定周活用户的插件数、以及企业内真正连接生产工作流的比例。8. 最严肃的问题当插件能读文件、跑Shell、连GitHub谁来管供应链DeepSeek Harness 的开放性越强安全治理越不能被当成附属功能。官方文档已经提供了一部分基础权限预设可以将沙箱模式与审批策略组合默认表包含workspace-write ask和danger-full-access never。进程沙箱在不同平台可以通过 Linux bwrap/Landlock、macOS Seatbelt 或 Windows ACL 受限令牌实现文件效果约束当约束无法落地时文档要求 fail closed不允许静默无沙箱透传。但这个边界也必须读清楚官方沙箱语义主要管控文件系统效果网络与进程可见性明确不在这一语义范围内。某些后端还可能只能报告 partial enforcement。所以安装一个不明来源的插件不能因为界面上显示“工作区可写”就默认所有数据外发风险已经消失。从企业角度看一个可接受的插件生态至少需要七层治理治理层必须回答的问题来源身份谁发布、谁维护、包是否签名、仓库与发布物是否对应版本与完整性是否锁定版本与哈希依赖是否可复现更新是否经过审批能力声明插件要读哪些路径、写哪些路径、访问哪些网络域、调用哪些服务最小权限默认是否只读写入、网络、凭证和高风险命令是否需要单独授权运行时审批授权是一次、一会话还是永久谁可以批准审批内容是否可理解可观测与隐私调用、数据流向和错误是否被记录日志是否脱敏谁能读取和导出撤销与应急能否立即停用插件、撤销凭证、回滚变更、根据事件流定位受影响范围插件越多治理不能越靠人工记忆。未来真正有价值的 Harness 插件市场必须同时是一个包身份系统、权限系统、兼容性系统和风险响应系统。9. v0.1的最大产品边界可组合性与兼容性在早期必然拉扯DeepSeek Harness 的 README 对开发者预览阶段有非常明确的提示将会出现破坏兼容性的变更。这句话对插件生态尤其重要。在早期框架需要快速改造接口才能修正架构但插件开发者需要稳定接口才能减少维护成本。当仓库数量快速增长每次核心 API 变更的协调成本也会同步放大。这个阶段最需要的不是更大的插件数字而是插件 API 和事件协议的版本化明确的废弃周期与迁移指南能在多个 Harness 版本上自动运行的兼容性测试插件能力和权限声明的标准格式发布物签名、漏洞披露与恶意版本撤销通道。技术周期里有一个常见误区把“可扩展”当成“已经建成生态”。真正的生态不只是有人开发还要有人维护、有人审核、有人分发、有人付费更要有人在出事时负责。10. 对开发者、Agent团队、创业者和模型公司的长期意义对开发者不要只学怎么调一个模型要学会设计能力边界一个高价值 Agent 插件不是把 API 包一层就结束。它需要设计输入输出契约、失败语义、幂等性、超时重试、最小权限、可观测事件、版本兼容和安全更新。工具会换模型会换但对可靠分布系统和能力契约的理解具有跨周期价值。对Agent产品团队将模型与工作流解耦但不要将责任一起解耦可插拔模型、记忆、工具和 UI 能降低供应商锁定但产品团队仍然必须对组合后的整体行为负责。不能用“这是社区插件”解释生产数据外泄也不能把架构灵活性当成可靠性指标。对创业者插件本身未必是壁垒嵌入真实工作流才可能是一个两天就能仿制的娱乐插件可以带来传播却很难形成商业确定性。真正可能长期存在的机会更接近企业连接器、组织记忆、合规审批、运行时评估、异构系统迁移、专业行业工作流与可验证交付。这些事情不够炫酷却更接近客户愿意付费的地方。对模型公司下一个入口未必是更大的聊天页而可能是开放的执行宿主模型能力差距继续缩小时谁能承载更多工作流、开发者与组织状态谁就更接近新的分发入口。开放 Harness 的战略意义在于它不必要求所有能力都由自己开发却可以让第三方能力围绕自己的运行时、事件模型和插件协议生长。这是一场标准与生态的竞争不只是模型分数的竞争。11. 如何审视一个DeepSeek Harness插件一个可操作的最小清单对普通开发者和团队来说不需要等待完美的市场治理才开始自保。安装任何第三方插件前至少应该完成以下检查确认仓库、包名、发布者和安装来源是否一致。锁定明确版本不在生产环境盲跟latest。检查它要求的文件、Shell、网络、GitHub、数据库和凭证权限。先在无真实凭证、无生产数据的隔离工作区运行。使用最小权限与询问式审批不要为了方便直接选择danger-full-access never。查看每一次外部请求、文件写入、命令执行与凭证使用确认日志没有泄露敏感信息。保留一键停用、凭证撤销、文件回滚和版本回退路径。在 Harness 升级前运行回归测试确认插件没有因破坏性变更改变行为。很多安全事故不是因为模型突然“变坏了”而是因为团队把一个能访问现实系统的组件错当成了一个无害的界面功能。12. 术语速查术语在本文中的含义Agent Harness承接模型与真实工作环境的执行宿主负责工具、会话、记忆、权限、调度、日志和 UI 等CordisDeepSeek Harness 使用的插件系统负责插件加载、卸载和依赖组合Service插件向共享上下文提供的能力接口Event会话、Agent、工具和能力发生变化时的扩展点Effect插件注册的可撤销行为插件卸载时可恢复PTCProgrammatic Tool Calling由模型生成代码组合多轮工具调用append-only log只向后追加的会话事件流用于派生恢复、分叉、回放、遥测与持久化Trajectory按来源查看模型输入、工具调用、结果与调度轨迹的视图Sandbox对执行效果进行限制的运行边界DeepSeek Harness 当前文档中的主要语义是文件系统效果结语插件会过时执行宿主的设计判断不会DeepSeek Harness 还在 v0.1 开发者预览阶段。官方已经明确告知会有破坏兼容性的变更社区仓库的实际质量、维护周期、安全治理和企业采用也远未得到长期证明。所以现在就宣告它已经建成成熟生态为时尚早。但它所指向的趋势很清晰基础模型继续变强后Agent 的差异化会越来越多地发生在模型之外。谁能更好地管理工具、记忆、子 Agent、权限、恢复、回放、评估和多端交互谁就更可能把模型能力转化为稳定交付。真正的跨周期价值不是背下今天最热的插件名字而是理解能力如何被组合、权限如何被约束、状态如何被迁移、失败如何被追溯以及一个 Agent 如何在第十次使用时仍然可信。插件数量是声量可组合的执行宿主是方向可验证的治理能力才是终局。推荐阅读Rocky一直在运营技术交流群WeThinkIn-技术交流群这个群的初心主要聚焦于技术话题的讨论与学习包括但不限于算法、开发、竞赛、科研以及工作求职等。群里有很多人工智能行业的大牛欢迎大家入群一起学习交流请添加小助手微信Jarvis8866拉你进群1. 深入浅出完整解析AI AgentAI智能体的核心基础知识2025年可以说是AI Agent全面落地应用的元年因此Rocky在持续撰写对AI Agent的全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解同时不断跟进补充扩散模型的最新技术发展希望能给大家带来帮助深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识3. 入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识5. 深入浅出完整解析DeepSeek系列核心基础知识Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析深入浅出完整解析DeepSeek系列核心基础知识6. 深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识7. 深入浅出完整解析Stable Diffusion XLSDXL核心基础知识Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion XLSDXL核心基础知识8. 深入浅出完整解析Stable DiffusionSD核心基础知识Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析深入浅出完整解析Stable DiffusionSD核心基础知识9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析包括其在传统深度学习中的价值和在AIGC中的价值深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识10. 深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识对于AIGC时代中的“ResNet”——LoRA模型Rocky进行了深入浅出的全面讲解深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识11. 深入浅出完整解析ControlNet核心基础知识AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。ControlNet正是让AI图像创作社区无比繁荣的关键一环它让AIGC图像创作过程更加的可控更有助于广泛地将AIGC算法解决方案应用到各行各业中深入浅出完整解析ControlNet核心基础知识12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识AI绘画和AI视频是两个互相促进、相互交融的领域2024年无疑是AI视频领域的爆发之年Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识13. 深入浅出完整解析AIGC时代Transformer核心基础知识在AIGC时代中Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向成为AI技术架构大一统与多模态整合的关键核心基座大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析深入浅出完整解析AIGC时代Transformer核心基础知识14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识AIGC创作框架正是AIGC算法工作流的运行载体目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架到了AIGC时代Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识在AIGC时代中如何快速转身入局AIGC产业如何成为AIGC/LLM/AI Agent算法/开发工程师如何在学校中系统性学习AIGC/LLM/AI Agent知识斩获心仪的AIGC/LLM/AI Agent算法/开发offerDon‘t worryRocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍为大家答疑解惑希望能给大家带来帮助手把手教你成为AIGC/LLM/AI Agent算法/开发工程师斩获AIGC/LLM/AI Agent算法/开发offer16. AIGC产业的深度思考与分析2023年3月21日微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示自从1980年首次看到图形用户界面graphical user interface以来以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。Rocky也认为AIGC及其生态会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期未来随着AIGC的全面落地和深度商用会深刻改变我们的工作、生活、学习以及交流方式各行各业都将被重新定义过程会非常有趣。那么在此基础上我们该如何更好的审视AIGC的未来我们该如何更好地拥抱AIGC引领的革新Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点希望能帮助各位读者对AIGC有一个全面的了解深入浅出全面解析AIGC时代核心价值与发展趋势2025年版17. AI算法工程师的独孤九剑秘籍为了方便大家实习、校招以及社招的面试准备同时帮助大家提升扩展技术基本面Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍持续更新中18. 深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识GAN系列模型作为传统深度学习时代的最热门生成式Al模型在AIGC时代继续繁荣作为Stable Diffusion/FLUX系列大模型的“得力助手”广泛活跃于AlGC图像创作的产品与工作流中深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识 一文读懂DeepSeek Harness核心基础知识：Agent正在进入可组合执行生态
写在前面欢迎大家关注Rocky的公众号WeThinkIn欢迎大家关注Rocky的知乎Rocky Ding《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book欢迎大家StarRocky最新撰写的10万字AI AgentAI智能体深入浅出全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识欢迎大家加入https://t.zsxq.com/33pJ0大家好我是Rocky。核心导读Rocky认为DeepSeek Harness 真正值得看的不是短时间里长出了多少插件而是 Agent 产品的竞争正在从“模型能做什么”迁移到“谁拥有统一、可组合、可迁移、可观测、可治理的执行宿主”。模型决定智能的上限Harness 决定这份智能能否进入真实工作流。它需要管理模型、工具、文件、沙箱、记忆、会话、子 Agent、审批、调度、回放与 UI。DeepSeek 把这些都拆成插件所以Everything is a Plugin不只是一句开发者 Slogan而是一种 Agent 系统的生产方式。但另一面是插件越强它越不像“主题皮肤”而像一个可以触达代码、凭证、网络、数据库和生产环境的供应链组件。因此“一切皆插件”的下半句必须是一切插件都应被声明权限、限定边界、记录轨迹并能随时撤销。1. 为什么“模型能力”已经不等于“Agent产品能力”过去两年大家评价一个 AI 应用最先问的往往是它背后用了哪个模型上下文有多长代码排名多高这些问题仍然重要却已经不足以解释 Agent 的真实体验。两个产品即使调用同一模型也可能有完全不同的可用性一个只会在对话框里给建议另一个能读取项目、调用工具、修改文件、拆分任务、保留记忆、遇到风险请求审批出错后还能恢复或回放。区别就在 Harness。Harness 可以理解为“模型与现实工作环境之间的执行宿主”。它一头连着模型的推理和工具调用另一头连着文件系统、Shell、Git、浏览器、数据库、企业 API 和人类审批。它不是模型的附属页面而是 Agent 能否可靠完成任务的系统工程层。上图的对话框只是表层。真正的产品价值发生在发送按钮之后如何组装上下文如何向模型暴露工具如何让一次任务经过多个步骤如何处理失败、审批、超时和子任务才是 Agent 从 Demo 走向生产系统的分水岭。2.Everything is a Plugin不是多一个插件市场而是重写 Agent 的能力组合方式DeepSeek Harness 的官方定义很激进模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等 Agent 能力全部由插件组合而成。这里的插件不是传统软件里的小工具栏。官方架构文档把模型适配器、工具注册表、会话日志、Agent Loop 本身都定义为插件。也就是说它不只允许你增加一个工具还允许你替换模型供应商、改写工具执行管线、注入新的上下文、换掉子 Agent 实现甚至组合出另一种 Agent 产品形态。其底层的 Cordis 元框架只负责插件的加载、卸载与依赖关系。插件通过三类机制进入系统Service服务向共享上下文提供模型、文件、Shell、存储、会话等能力接口。Event事件在会话、Agent、工具与能力边界上观察或拦截工作流。Effect效果插件卸载时能够撤销它注册的行为让系统更接近可逆组合而不是不断向中心核心打补丁。这种设计真正降低的不只是功能开发成本而是能力替换成本。当模型、视觉引擎、长期记忆、数据库、子 Agent 和 UI 都可以通过配置组合产品就不必因为某个供应商或某一代工具变化而整体重写。从长周期看这是 DeepSeek Harness 比“一夜出现多少个插件”更重要的价值它试图把 Agent 的系统复杂度从硬编码的产品内部上移到可显式组合的能力图。3. 四种运行模式同一 Harness 为什么可以长成四种产品DeepSeek Harness 提供标准、PTC、极简和创造四种运行模式。表面上这是四个入口本质上却是四组默认插件集合模式默认能力真正的系统意义标准模式完整工具组合面向日常 Agent 任务的综合宿主PTC 模式模型生成代码组合多轮工具调用用程序表达复杂控制流减少工具往返的能力上限约束极简模式Shell 文件编辑用最小工具面评估模型和执行循环减少系统干扰创造模式检查运行时、内存中试验插件、组合新模式让 Agent 从“使用工具”走向“组装自己的能力宿主”这张图最值得注意的不是模式数量而是“产品形态可以由插件集合定义”。传统 Agent 框架常把工具列表作为配置却把会话、循环、日志、存储、沙箱与 UI 写死在产品里。DeepSeek Harness 则把这些能力一起放进组合层。这也会带来一个新问题当 Agent 可以在运行时检查并试验新插件“创造能力”与“权限扩张”之间只隔着治理策略。如果没有可验证的来源、权限声明、审批和撤销机制越强的元编程能力越可能放大供应链风险。4. append-only事件流Agent的可靠性先从“发生过什么”开始很多 Agent 产品的实际问题不是不会做而是出错时不知道怎么错的。系统提示词、用户输入、上下文注入、工具调用、子 Agent 调度和工具返回往往散落在不同日志中很难重建当时模型到底看到了什么。DeepSeek Harness 的官方表述是模型看到的一切都会写入仅追加的会话日志。其架构文档用更精确的句子概括Model-visible means logged。会话恢复、分叉、转录、遥测和持久化都从同一条事件流派生。这个设计有四个实际价值可追溯不只看最终答案还能沿事件找到错误上下文或工具结果。可恢复会话状态不必依赖当前进程中难以解释的内存对象。可分叉同一历史可以从某个边界创建新路径对比不同模型、工具或策略。可评估可以根据事件流构建失败分类、回归测试和运行时指标。但必须强调**可观测不等于已安全。**事件流能帮助团队知道“发生了什么”但不会自动阻止恶意插件读取文件、窃取凭证或访问网络。而且会话日志本身可能包含敏感上下文还需要保留期、脱敏、访问控制与导出审计。5. 社区插件在补什么不是功能列表而是 Agent 的六个系统缺口量子位稿件里最抢眼的是电子宠物、复古广告 UI 和 18 款小游戏。这些内容有传播性却不是技术价值的主体。将社区项目重新分类可以看到开发者其实在集中修补六个 Agent 系统缺口协作与调度、开发工作面、上下文导入、跨会话记忆、跨产品迁移、模态扩展。5.1 多Agent不是“多开几个对话框”而是调度问题dsh-agent-teams展示了一种直接的形态当前 Agent 成为队长创建子 Agent拆分任务和依赖同时显示成员状态。这类插件的价值不是让界面显得更忙而是把单一上下文难以承载的任务分解为多个可观测单元。但是多 Agent 也会放大 Token 成本、任务重叠、消息失真和责任难以归因。真正需要评估的不是“调了几个 Agent”而是完成率、时延、成本、冲突率和人类介入次数。5.2 统一工作面Agent与IDE的边界正在模糊DSH Better Sidebar将文件管理、代码编辑、真实 Shell、Git diff、暂存、提交、后台任务与子 Agent 放入同一侧边栏。这不只是“少切几次窗口”而是让用户在同一个可观测面里完成任务下达、状态检查、变更审阅和结果接管。如果 Agent 时代的产品竞争只停留在对话框那么模型更新就会迅速抹平差异。真正难复制的部分是对用户工作流的嵌入深度什么时候自动执行什么时候要求确认什么变更必须向人显示什么状态应该持久化。5.3 上下文不是越多越好而是要可定位、可追溯dsh-at-file让用户在输入框中搜索并引用工作区文件。这类功能看起来很小实际上解决的是一个高频痛点用户如何明确告诉 Agent “这次请以哪些文件为证据”。与其盲目把整个仓库塞进长上下文不如让上下文有明确来源、作用域和使用记录。上下文工程的本质不是“给模型更多字”而是在有限 Token 和注意力下把正确信息以可检查的方式放到正确步骤。5.4 长期记忆从“会话功能”变成“项目资产”dsh-memory-evolve尝试持续保留项目约定、架构决策、问题经验和当前进度并根据 Git 分支处理不同上下文。长期记忆的商业价值很明显它把每次从零解释项目的成本转化为可累积的协作资产。但记忆也有三个不能躲避的问题记住的内容是否仍然正确记忆中是否包含凭证、隐私、未公开代码或过期决策当项目分支、人员和权限变化时记忆如何迁移、归档、删除和追责因此长期记忆不应是一个无限增长的文本堆而应是具有来源、时间、范围、置信度、访问控制和过期策略的状态系统。5.5 迁移插件用户真正想带走的不是聊天记录而是工作关系dsh-plugin-claude-bridge和dsh-claude-move的出现是这波生态里很强的产品信号。社区不只在做新功能还在尝试把 Claude Code 中的 Session、Memory、Skills、CLAUDE.md和配置迁入 DeepSeek Harness。这件事说明Agent 产品的锁定正在从“历史聊天”变成“工作状态”。用户想带走的是项目规则、工作流、记忆、Skills、工具连接和未完成任务。谁能提供清晰的导入导出协议谁就更容易成为跨模型的执行入口。这也意味着未来 Agent 平台的护城河不一定是“我的模型只在我这里能用”而可能是“你的组织如何在我这里积累了可迁移但高价值的工作状态”。5.6 视觉桥接Harness可以将模型缺口改造成可替换依赖ModLens 的思路是先用外部视觉引擎解析图片中的文字、布局、实体和语义再将结构化证据交给文本模型继续推理。这个例子比单纯“给 DeepSeek 加了看图”更有意义。它证明了一个系统级思路基础模型某项能力不足时产品不一定等待模型升级也可以用插件把外部引擎组合进工作流。但组合不会消灭误差只会改变误差来源。视觉引擎的识别错误、结构化过程的信息丢失、文本模型的二次推理错误会串成一条链。所以这类插件必须保留原图、中间证据和最终结论的对应关系而不是只返回一段“已理解图片”的文本。6. 从Web UI到TUI当交互外壳也是插件产品边界会发生什么dsh-TUI给 DeepSeek Harness 加上了全屏终端交互包括实时工作状态、上下文进度、回滚与 TPS 信息。与之对应官方本身也将 UI 定义为可组合能力。这件事对产品经理的启发是不应把 Agent 等同于某一个聊天界面。同一条事件流和能力树可以被 Web UI、TUI、IDE、移动端或纯后台运行器消费。产品不再必然是一个固定 App而可能是一个共用执行核心上的多端工作面。但用户体验不会因为“UI 可插拔”自动变好。不同外壳仍然需要一致的权限提示、任务状态、错误语义和撤销预期。如果同一个 Agent 在 Web 端需要审批在 TUI 中却默默执行可组合性就会变成行为不确定性。7. 5,729个主题仓库到底能证明什么对一个刚开放的开发者预览项目而言从 741 到 5,729 的主题仓库变化当然是强烈信号。它至少说明了三件事参与门槛足够低开发者可以不改 Harness 主体源码就添加能力。需求面足够广从多 Agent、GitHub、记忆到 UI 和娱乐社区能快速找到各种补丁点。“插件”是好的分发单元小功能能独立被发现、安装、替换与传播。但它不能证明的事更多不能证明 5,729 个仓库都是可用插件不能证明它们经过代码审计、漏洞扫描或权限审查不能证明它们会在下一次 Harness API 变更后继续维护不能证明真实用户留存、企业部署或付费意愿不能证明官方已经为其背书。开发者可以自行给仓库添加dsh-plugin主题。因此主题数更像“组装冲动指数”而不是“生产可用指数”。短期热度是生态的必要条件但不是充分条件。Rocky更关心后续的五个数字30 天后仍然有提交的插件比例、兼容最新 Harness 版本的比例、有自动化测试和权限声明的比例、有稳定周活用户的插件数、以及企业内真正连接生产工作流的比例。8. 最严肃的问题当插件能读文件、跑Shell、连GitHub谁来管供应链DeepSeek Harness 的开放性越强安全治理越不能被当成附属功能。官方文档已经提供了一部分基础权限预设可以将沙箱模式与审批策略组合默认表包含workspace-write ask和danger-full-access never。进程沙箱在不同平台可以通过 Linux bwrap/Landlock、macOS Seatbelt 或 Windows ACL 受限令牌实现文件效果约束当约束无法落地时文档要求 fail closed不允许静默无沙箱透传。但这个边界也必须读清楚官方沙箱语义主要管控文件系统效果网络与进程可见性明确不在这一语义范围内。某些后端还可能只能报告 partial enforcement。所以安装一个不明来源的插件不能因为界面上显示“工作区可写”就默认所有数据外发风险已经消失。从企业角度看一个可接受的插件生态至少需要七层治理治理层必须回答的问题来源身份谁发布、谁维护、包是否签名、仓库与发布物是否对应版本与完整性是否锁定版本与哈希依赖是否可复现更新是否经过审批能力声明插件要读哪些路径、写哪些路径、访问哪些网络域、调用哪些服务最小权限默认是否只读写入、网络、凭证和高风险命令是否需要单独授权运行时审批授权是一次、一会话还是永久谁可以批准审批内容是否可理解可观测与隐私调用、数据流向和错误是否被记录日志是否脱敏谁能读取和导出撤销与应急能否立即停用插件、撤销凭证、回滚变更、根据事件流定位受影响范围插件越多治理不能越靠人工记忆。未来真正有价值的 Harness 插件市场必须同时是一个包身份系统、权限系统、兼容性系统和风险响应系统。9. v0.1的最大产品边界可组合性与兼容性在早期必然拉扯DeepSeek Harness 的 README 对开发者预览阶段有非常明确的提示将会出现破坏兼容性的变更。这句话对插件生态尤其重要。在早期框架需要快速改造接口才能修正架构但插件开发者需要稳定接口才能减少维护成本。当仓库数量快速增长每次核心 API 变更的协调成本也会同步放大。这个阶段最需要的不是更大的插件数字而是插件 API 和事件协议的版本化明确的废弃周期与迁移指南能在多个 Harness 版本上自动运行的兼容性测试插件能力和权限声明的标准格式发布物签名、漏洞披露与恶意版本撤销通道。技术周期里有一个常见误区把“可扩展”当成“已经建成生态”。真正的生态不只是有人开发还要有人维护、有人审核、有人分发、有人付费更要有人在出事时负责。10. 对开发者、Agent团队、创业者和模型公司的长期意义对开发者不要只学怎么调一个模型要学会设计能力边界一个高价值 Agent 插件不是把 API 包一层就结束。它需要设计输入输出契约、失败语义、幂等性、超时重试、最小权限、可观测事件、版本兼容和安全更新。工具会换模型会换但对可靠分布系统和能力契约的理解具有跨周期价值。对Agent产品团队将模型与工作流解耦但不要将责任一起解耦可插拔模型、记忆、工具和 UI 能降低供应商锁定但产品团队仍然必须对组合后的整体行为负责。不能用“这是社区插件”解释生产数据外泄也不能把架构灵活性当成可靠性指标。对创业者插件本身未必是壁垒嵌入真实工作流才可能是一个两天就能仿制的娱乐插件可以带来传播却很难形成商业确定性。真正可能长期存在的机会更接近企业连接器、组织记忆、合规审批、运行时评估、异构系统迁移、专业行业工作流与可验证交付。这些事情不够炫酷却更接近客户愿意付费的地方。对模型公司下一个入口未必是更大的聊天页而可能是开放的执行宿主模型能力差距继续缩小时谁能承载更多工作流、开发者与组织状态谁就更接近新的分发入口。开放 Harness 的战略意义在于它不必要求所有能力都由自己开发却可以让第三方能力围绕自己的运行时、事件模型和插件协议生长。这是一场标准与生态的竞争不只是模型分数的竞争。11. 如何审视一个DeepSeek Harness插件一个可操作的最小清单对普通开发者和团队来说不需要等待完美的市场治理才开始自保。安装任何第三方插件前至少应该完成以下检查确认仓库、包名、发布者和安装来源是否一致。锁定明确版本不在生产环境盲跟latest。检查它要求的文件、Shell、网络、GitHub、数据库和凭证权限。先在无真实凭证、无生产数据的隔离工作区运行。使用最小权限与询问式审批不要为了方便直接选择danger-full-access never。查看每一次外部请求、文件写入、命令执行与凭证使用确认日志没有泄露敏感信息。保留一键停用、凭证撤销、文件回滚和版本回退路径。在 Harness 升级前运行回归测试确认插件没有因破坏性变更改变行为。很多安全事故不是因为模型突然“变坏了”而是因为团队把一个能访问现实系统的组件错当成了一个无害的界面功能。12. 术语速查术语在本文中的含义Agent Harness承接模型与真实工作环境的执行宿主负责工具、会话、记忆、权限、调度、日志和 UI 等CordisDeepSeek Harness 使用的插件系统负责插件加载、卸载和依赖组合Service插件向共享上下文提供的能力接口Event会话、Agent、工具和能力发生变化时的扩展点Effect插件注册的可撤销行为插件卸载时可恢复PTCProgrammatic Tool Calling由模型生成代码组合多轮工具调用append-only log只向后追加的会话事件流用于派生恢复、分叉、回放、遥测与持久化Trajectory按来源查看模型输入、工具调用、结果与调度轨迹的视图Sandbox对执行效果进行限制的运行边界DeepSeek Harness 当前文档中的主要语义是文件系统效果结语插件会过时执行宿主的设计判断不会DeepSeek Harness 还在 v0.1 开发者预览阶段。官方已经明确告知会有破坏兼容性的变更社区仓库的实际质量、维护周期、安全治理和企业采用也远未得到长期证明。所以现在就宣告它已经建成成熟生态为时尚早。但它所指向的趋势很清晰基础模型继续变强后Agent 的差异化会越来越多地发生在模型之外。谁能更好地管理工具、记忆、子 Agent、权限、恢复、回放、评估和多端交互谁就更可能把模型能力转化为稳定交付。真正的跨周期价值不是背下今天最热的插件名字而是理解能力如何被组合、权限如何被约束、状态如何被迁移、失败如何被追溯以及一个 Agent 如何在第十次使用时仍然可信。插件数量是声量可组合的执行宿主是方向可验证的治理能力才是终局。推荐阅读Rocky一直在运营技术交流群WeThinkIn-技术交流群这个群的初心主要聚焦于技术话题的讨论与学习包括但不限于算法、开发、竞赛、科研以及工作求职等。群里有很多人工智能行业的大牛欢迎大家入群一起学习交流请添加小助手微信Jarvis8866拉你进群1. 深入浅出完整解析AI AgentAI智能体的核心基础知识2025年可以说是AI Agent全面落地应用的元年因此Rocky在持续撰写对AI Agent的全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解同时不断跟进补充扩散模型的最新技术发展希望能给大家带来帮助深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识3. 入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识5. 深入浅出完整解析DeepSeek系列核心基础知识Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析深入浅出完整解析DeepSeek系列核心基础知识6. 深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识7. 深入浅出完整解析Stable Diffusion XLSDXL核心基础知识Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion XLSDXL核心基础知识8. 深入浅出完整解析Stable DiffusionSD核心基础知识Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析深入浅出完整解析Stable DiffusionSD核心基础知识9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析包括其在传统深度学习中的价值和在AIGC中的价值深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识10. 深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识对于AIGC时代中的“ResNet”——LoRA模型Rocky进行了深入浅出的全面讲解深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识11. 深入浅出完整解析ControlNet核心基础知识AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。ControlNet正是让AI图像创作社区无比繁荣的关键一环它让AIGC图像创作过程更加的可控更有助于广泛地将AIGC算法解决方案应用到各行各业中深入浅出完整解析ControlNet核心基础知识12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识AI绘画和AI视频是两个互相促进、相互交融的领域2024年无疑是AI视频领域的爆发之年Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识13. 深入浅出完整解析AIGC时代Transformer核心基础知识在AIGC时代中Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向成为AI技术架构大一统与多模态整合的关键核心基座大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析深入浅出完整解析AIGC时代Transformer核心基础知识14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识AIGC创作框架正是AIGC算法工作流的运行载体目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架到了AIGC时代Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识在AIGC时代中如何快速转身入局AIGC产业如何成为AIGC/LLM/AI Agent算法/开发工程师如何在学校中系统性学习AIGC/LLM/AI Agent知识斩获心仪的AIGC/LLM/AI Agent算法/开发offerDon‘t worryRocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍为大家答疑解惑希望能给大家带来帮助手把手教你成为AIGC/LLM/AI Agent算法/开发工程师斩获AIGC/LLM/AI Agent算法/开发offer16. AIGC产业的深度思考与分析2023年3月21日微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示自从1980年首次看到图形用户界面graphical user interface以来以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。Rocky也认为AIGC及其生态会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期未来随着AIGC的全面落地和深度商用会深刻改变我们的工作、生活、学习以及交流方式各行各业都将被重新定义过程会非常有趣。那么在此基础上我们该如何更好的审视AIGC的未来我们该如何更好地拥抱AIGC引领的革新Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点希望能帮助各位读者对AIGC有一个全面的了解深入浅出全面解析AIGC时代核心价值与发展趋势2025年版17. AI算法工程师的独孤九剑秘籍为了方便大家实习、校招以及社招的面试准备同时帮助大家提升扩展技术基本面Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍持续更新中18. 深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识GAN系列模型作为传统深度学习时代的最热门生成式Al模型在AIGC时代继续繁荣作为Stable Diffusion/FLUX系列大模型的“得力助手”广泛活跃于AlGC图像创作的产品与工作流中深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识