美国参议员 John Curtis 和 Adam Schiff 致信 CFTC 主席 Michael Selig，要求调查 Polymarket 涉嫌付费让社交媒体创作者拍摄虚假下注和伪造盈利视频一事，并对 CFTC 监管预测市场的能力提出质疑。此前《华尔街日报》报道称，其审查的 1105 条宣传视频中约 70% 涉及下注内容，但总额约 190 万美元的相关投注均为虚构。两位议员还要求 CFTC 说明是否正在调查 Polymarket，并呼吁防止预测市场平台借助 CFTC 监管框架规避州和部落博彩法规。（The Block）

Miko自学AI 系列----万物皆插件(DeepSeek Harness) 特意推荐一篇好文章，是字节跳动内部人士写的。 模型适配器是插件，工具注册表是插件，会话日志是插件，Agent Loop 本身也是插件…… DeepSeek Harness的指引可以归纳为六个字： 一切皆为插件 说实话，我还没完全消化透。因为开放了外部阅读权限，现分享出来跟大家一起学习学习。 飞书地址： 这篇内部文章，讨论了 DeepSeek 于 8 月 13 日开源的开发者预览版 DeepSeek Harness（简称 DSH），结合忒修斯之船思想实验、Lilian Weng 相关博客及配套论文，解析其设计逻辑、技术底座与面向 AI 递归自进化（RSI）的长期定位。 关键要点包括： DSH 核心定位： 它并非成熟消费级 Agent 产品，而是面向长期 RSI 的 Agent 运行时底座，核心要解决「Agent 运行中动态替换自身组件不中断任务」的问题，当前产品体验仍较早期。 核心设计原则： 采用「一切皆为插件」架构，底层基于 Cordis 运行时框架，实现时间可组合性（组件卸载可完整撤销副作用）、空间可组合性（组件依赖变化自动重连）与合流性（不受历史修改包袱干扰）。 核心设计特性： 采用只追加的事件日志机制保障全链路可回溯，提供标准、PTC、极简、创造 4 种预制运行模式，且 Prompt Caching 命中率高，运行响应速度优于多数同类 Agent Harness。 长期价值： 为 AI 非参数化自我改进提供了稳定的运行时基础，补上了 RSI 落地的关键环节，但目前尚未覆盖修改效果评估、防 Reward Hacking 等问题，距离成为通用 Agent 标准底座仍有距离。

看了会 DeepSeek Harness，说下个人感受。 整体感受，dsh 更像一份「harness 该怎么写」的参考实现，不太像一个要抢 Claude Code 用户的产品。体验上目前还有点粗糙，架构上比较“激进”。 1\ 上手只要 npx @deepseek-ai/dsh@latest web，它还会自动从环境变量里找 DEEPSEEK_API_KEY 填上，对我来说一行命令直接用上。但对非前端程序员，npx 仍是门槛。刚在 x 上看到有人基于它封了 electron 客户端，这类缺口大概会由社区补齐，官方看起来没打算自己做。 2\ 默认上 web 而不是 TUI，这个切入点很聪明。翻源码还看到一个细节，仓库里有过一版 TUI，写完又删了，只留 Web。TUI 对小白用户确实有门槛（这也是大家这么喜欢用 codex 的原因之一），dsh 把这条路线整个砍掉，是主动决策，还是时间上不够呢？ 3\ 内核就一套插件体系（Cordis），所有功能都是插件，agent loop 本身也是。最早做 umi 时做过类似的事，webpack、vite 也是这个思路，但 dsh 插得更彻底。举两个例子。它有一组别家都没有的 cordis_* 工具，模型可以在运行期给自己装卸 harness 插件。e2b 扩展只替换 ctx.fs 和 ctx.subprocess 这两个 hook，整个执行环境就搬进了 E2B 沙箱，bash、terminal、lsp 零改动跟着走，连「在哪里执行」都是插件。代价也在这，插件权限大到能改内核，上午一位老程序员提醒我说，这可能很容易被改坏。 另外，dsh 用 MIT 协议但明确拒收外部 PR，想参与只能去 Discussions 或者自己写插件。核心封闭开发，生态全走外部 npm 包（`dsh plugin add` 就是 pnpm 转发）。插件体系最坏的场景是没人为他写插件，但以 DeepSeek 的体量，应该不缺。dshhub[.]org 上看了眼，已经 700+ 了。 4\ 「轨迹」功能让我眼前一亮，开发者能看清每个细节，观感有点像蚂蚁同事开发的 weiesky/cc-viewer。往下翻一层，这个功能是事件溯源架构的副产品。每个流式 delta、每次审批（asked/decided 成对）都是持久化事件，可以 replay，轨迹 UI 只是把它们画了出来。配套还有一组 `session_*` 工具，模型自己能把历史会话当数据库查，也是个其他 code agent 都没有的点。 5\ 让 AI 统计了下。65 天，12,293 个 commit，平均一天 190 个，7 月单月 8,273 个，7 月 30 日那天 887 个。37 位贡献者，Tianyi Cui 一个人占 43%。分支名能体现出部分开发方式。`worktree/` 开头的 210 个，`codex/` 开头的 203 个，另有 `agent/` 15 个、`claude/` 3 个。代码在 git worktree 里由 agent 并行产出，人负责 review 和 merge。 6\ 要做到这个提交量需要严格的门禁。测试代码 26.8 万行，比源码（22.8 万行）还多 4 万行，CI 里挂着 per-file 100% 覆盖检查。敢让 agent 一天产出 190 个 commit，人为 review 的话肯定是 review 不过来的。 7\ AGENTS.md 也类似，有个叫 verify-doc-budgets 的脚本管着他，根文件上限 1600 词，只能往下调不能往上加。 几个值得一看的规则。1）「Non-trivial changes MUST include an Agent Note in the same PR」，agent 参与开发设计的决策要留痕，2）「Trust TypeScript at typed same-process boundaries」，不用到处 validate，信任静态类型，可以少很多冗余代码和测试，3）「Tests describe behavior, not correctness. Change obsolete behavior with its tests; explain why in the PR.」让 ai 在测试挂了时也敢改，在 PR 里解释原因即可，4）「Never default to the full suite or repeat a passing check」，禁止无脑跑全量，可以让 ai coding 提速。 8\ 接着跑了一份 dsh + qodercli + claude code + opencode + pi + grok build + kimi code + codex 的源码级功能横评，具体的分数表就不贴了。 dsh 虽然总分低一些，但「扩展性」和「多 agent 编排」都是 5 分满分(和 Codex/Grok 并列最高)，在「交互体验」、「企业能力」和「成熟度」上目前还弱一些。 dsh 的 subagent 有 6 个 provider，subagent-claude-code、subagent-codex、subagent-acp 等。所以干活的不必是 dsh 自己，任何能跑任务的 agent 都可以被接进来当手下。

来，作为一个 deepseek harness 喷子，我来告诉你它到底在捣鼓什么： 在 Claude Code、Codex 这类产品里，通常是： 固定 Agent 内核 + 可以添加的 Skills、Tools、MCP、Hooks 而 DeepSeek Harness ： 极小的 Cordis 内核 + 模型供应插件 + 工具插件 + Agent Loop 插件 + 上下文插件 + 会话插件 + 存储插件 + 沙箱插件 + 权限插件 + 调度插件 + UI 插件 说人话：你在 CodeX 里面添加再多 skill，你也改不了 CodeX 读文件时候的内秉工作流（因为那是 Tibo 的研发同事在写软件时硬编码设定的）。 但是在 deepseek harness 体系下，你可以随时插拔它的核心插件，从而控制修改 loop 中的每一个具体检查点的运作方式。 既然你可以，那么 Agent 自身也可以抽插自己。deepseek 团队解决了两个核心问题，Agent 自己抽插自己的时候，怎么才能不把自己给抽或者插坏了。毕竟这玩意是个软件。 于是，他们提出一种“时间可组合性”的特性。让这些插件和传统软件中的插件不一样：它们在被添加的时刻，就铺好了自己的“退路”。保证在消失时干干净净，不会弄崩程序，减少心智负担。 来如未来。这叫时间倒流。 同时，插件还要声明自己依赖于什么服务。这样，当它依赖的服务被拔开、挪走的时候，它也不会像传统软件那样暴毙，报错。而是变为不可用，等待新的提供者，然后自动激活自愈。 小触角，小等待，小重连。四通八达小自愈。这叫空间。 然后他们认为自己发明了一种“时空软件学”。就给论文起了个关于时空的高大上的名字。 总而言之，他们把没有发明新的 harness，而是把乐高积木拆成更原子化的东西，再重新拼起来，发布了一下。发布的同时告诉你，看，这有一个 harness 哦，但是，它不一样，你可以任意拆下它最小的一部分，改造一下，再装回去。而且装配的过程中，它不会坏哦。一切都是热插拔的哦。 你们他妈的是不是脑子坏了，老子没事干非要把那一个个该死的螺丝拧下来再换个更炫酷的型号拧上去是吧？

Deepseek Harness理念很牛逼。 把所有东西都做成插件了，Gui，Tui，并且反对把 plan、subagent、权限、MCP 等工作流固化进核心 我说实话第一眼我就感觉，他们重新发明了Pi Agent 虽然是用Cordis作为基础重新发明的。 但是这让我想起了某个远古时期的MC服务器PocketMine和Nukkit，虽然他们已经死了，但是他的插件系统精神千秋万代。 一个小例子就是图片那样。 但是我感觉，有点不如Prime-Agent的想法，虽然Prime-Agent并没有实现真正的自进化，但是最为不错的是IPython中运行。 这倒是给我了点启发 如果在一个REPL中构建Agent，Agent自己可以调用各种能力函数，自己组合，并且有一个可以共享的上下文，其中有各种全局能力，比如储存可以封装各种储存接口，什么SQL，File，Memory。 然后可以自己构建函数，自己去调用，某个流程感觉不错，重复劳动后自己发现哟吼不错，就把这个函数封装起来，然后在REPL中调用，最后自己封装成一个拓展，岂不美哉？而且在REPL中他自己又不用重启，写一个 函数注入进去就完事了。担心函数有问题就弄一个管家Agent让他自己在Subagent中实验封装，搞定了注入一下，下次就直接调用了。 这岂不是真正的自进化？ 好了我的Codex已经开始做了。

美国两党国会议员周二（7月14日）提出《制止跨境镇压法案》，拟加重“外国政府代理人”在美国境内任何“骚扰、施压或威胁他人”行为，以因应中国、伊朗日益增加的跨国镇压行动。该法案若通过，将首度在美国联邦法律中明确定义“跨境镇压”犯罪，并最高加重10年刑期。 法案将“跨境镇压”部分定义为外国政府的代理人或代表“骚扰、施压或威胁他人，包括使用武力或使人合理恐惧死亡”的任何行为。法案指出，将此概念纳入美国法律，可对外国行为者产生更强的吓阻效果。 路透社引述一名参议院幕僚指出，中国《民族团结进步促进法》7月1日上路，是美国议员提出《制止跨境镇压法案》的直接原因。该法赋予中国政府对“破坏民族团结进步、制造民族分裂行为”之境外人士追责的法律依据。 这项法案由民主党参议员谢安达（Adam Schiff）及共和党的柯蒂斯（John Curtis）共同提出。谢安达指出，这是一项跨党派努力，旨在应对持续扩大的国安威胁。柯蒂斯则说，无论是中国共产党、伊朗政权或其他威权政府，跨境镇压是对美国主权与自由的攻击。 中国驻美大使馆发言人刘畅则表示，跨境镇压概念“完全是捏造出来的”，重申“中国政府严格遵守国际法，并充分尊重其他国家的执法主权。” 部分反对中共的美国华人社群，以及支持台湾、西藏与维吾尔族等议题的人士，长期指控中国政府派人对他们进行骚扰、监视与恐吓。今年5月，纽约长乐公会前主席卢建旺（Harry Lu）遭裁定“非法担任外国政府代理人”罪名成立，因他过去受北京指使，于曼哈顿设立秘密警察站，监视在美国的中国异议人士。 此外，台湾行政院也针对中国《民族团结进步促进法》，成立“跨境镇压跨部会应对平台”研议应对政策；台湾陆委会9日公布“国人赴陆港澳安全动态周报”指出，2024年以来，赴中国失联、遭盘查的台湾人数已累计达385人。中国国台办则称“只要不从事违法犯罪的活动”，台湾人往返中国大陆“完全可以高高兴兴的来，平平安安的回”。

黄仁勋早年经历出生于台湾台南，父亲是化学工程师，母亲是教师。两个孩子也是厉害 老黄9岁时（约1972年）随家人移居泰国，后与哥哥被送往美国肯塔基州一所寄宿学校就读。那段经历较为艰苦：学校环境复杂，他曾负责打扫宿舍、学会独立与坚韧。 后来移居俄勒冈州，15岁时参加美国乒乓球公开赛并获得青年组双打季军。 教育与职业起步1984年毕业于俄勒冈州立大学（Oregon State University），获电气工程学士学位（BSEE）。 1992年获得斯坦福大学电气工程硕士学位（MSEE）。 早期在AMD和LSI Logic担任芯片设计工程师，积累了半导体行业经验。 创立NVIDIA与成就1993年，30岁的黄仁勋与Chris Malachowsky、Curtis Priem在硅谷一家Denny's餐厅共同创立NVIDIA，专注于3D图形芯片。 公司初期聚焦PC游戏市场，1999年推出全球首款GPU（GeForce 256），定义了现代计算机图形。 2006年推出CUDA并行计算平台，将GPU扩展到通用计算，为人工智能、深度学习、自动驾驶等领域奠定基础。 在他的领导下，NVIDIA从一家图形芯片公司成长为全球最有价值的公司之一，推动了AI革命。 个人风格与荣誉黄仁勋以低调、坚韧和工作狂著称，常在GTC大会等场合发表演讲。他拥有美国和台湾双重国籍，是美国国家工程院院士，曾获多项荣誉，包括IEEE创始人奖章、半导体行业最高荣誉Robert N. Noyce Award等。 黄仁勋的职业生涯体现了从移民少年到科技领袖的典型美国梦，他将GPU从游戏工具转变为AI时代的核心计算引擎，深刻影响了全球科技格局。

因为 DeepSeek Harness，很多人才第一次听到崔添翼 @tianyi 这个名字。 我好奇继续深挖了下他的公开经历，发现这人的技术轨迹很有意思。 很多程序员都看过的《背包问题九讲》，第一版是他 2007 年写的。2010 年他已经在维护 NixOS 的 Git mirror，后来 NixOS 正式迁往 GitHub，官方还专门感谢他提供了 NixOS 这个 GitHub organisation。 大学期间他很痴迷函数式编程，研究过纯函数式 B-Tree，还用 OCaml 实现过《Purely Functional Data Structures》。 2013 年找工作，他说自己一直想找一份真正使用 Haskell 或类似语言的工作。看到 Jane Street 全面使用 OCaml 后，他从零开始学 OCaml，写了一个 Lisp interpreter 去准备面试。 最后他同时拿到 Google Mountain View 和 Jane Street 的 offer，去了 Jane Street，在香港和纽约做了接近 9 年的软件开发和量化研究。 中间还有个很少被提到的细节：他 2015 年其实还署名过一篇 AAAI 的 NLP 论文。 2022 年出来联合创办 TSY Capital，做的已经是另一类很硬的系统：Python/AWS 的量化研究基础设施，加上 Rust 的低延迟交易系统。 今年 3 月，他加入 DeepSeek，负责 Harness 团队。现在打开他的 GitHub，两个置顶项目刚好一老一新，《背包问题九讲》和 DeepSeek Harness。 这条线串起来，我大概能理解 DeepSeek 为什么会找他来做 Harness 了。 量化系统和 Agent 有一个很像的地方：上层可以产生有不确定性的决策，真正落到现实世界执行时，状态、依赖、风险、失败恢复和可追踪性都不能含糊。 DeepSeek Harness 这次强调「Everything is a plugin」「Every run is traceable」，底层 Cordis 甚至专门研究如何撤销组件产生的副作用。 算法 → 函数式编程 → 交易系统 → Agent Harness。 未来顶级 Agent 团队里，这种系统和基础设施背景的人，可能会比我们现在想象得多。