DeepSeek Harness 的子 agent、workflow 与 Ralph 循环

多数编程 agent 的「委派」不过是把自己再 prompt 一遍。DeepSeek Harness 提供了四种实质不同的委派机制， 而选错的代价，是「能收敛的编排」和「在原地烧 token 的编排」之间的差别。

派生：subagent 与 subagent_fork

@deepseek-ai/dsh-tool-subagent 提供 subagent；挂载了 fork 后端时，还会注册 subagent_fork。

区别在于子 agent 从什么起步。普通子 agent 从你交给它的任务开始；fork 从当前会话状态开始——当子 agent 需要你已经建立起来的上下文时很有用，不需要时就是浪费。

一般规则：上下文本身就是任务时用 fork（「顺着这条路继续，但换个修法试试」）；任务可分离时开全新的 （「去读这三十个文件，把发现报回来」）。

控制在跑的东西

@deepseek-ai/dsh-tool-subagent-control 给父级三个动词：

• send_message——给正在后台跑的子 agent 追加一条消息
• interrupt_agent——打断它当前这一轮
• list_agents——看看到底哪些还活着

而 @deepseek-ai/dsh-tool-subagent-report 给子级一个动词：report，把结论传回父级。它只在可继续 的进程内子会话中可见——一个无法继续的子会话，也没有可以汇报进去的对象。

这是一个真正的消息传递面，而不是发完不管。父级可以起五个子 agent，用 list_agents 盯着，用 send_message 纠偏其中一个，杀掉跑歪的另一个——不必等五个全部结束。

Job

@deepseek-ai/dsh-tool-jobs——job_list、job_output、job_kill——管理所有类型的后台工作： 用 run_in_background 起的 bash、常驻终端、子 agent，一视同仁。

这种统一是有意义的。否则你得为「我丢到后台的构建」和「我派生的 agent」维护两套心智模型。在这里， 它们都是 job。

Workflow

@deepseek-ai/dsh-tool-workflow 用三个原语编排多 agent 工作：

• agent()——跑一个 agent
• pipeline()——让每个条目流过各个阶段
• parallel()——并发跑一批任务

结构上最关键的选择是 pipeline() 与 parallel() 之争。pipeline 让每个条目独立走完全部阶段——条目 A 可以在第三阶段，而条目 B 还在第一阶段。parallel() 是屏障：全部完成才能往下走。

只有当后一阶段确实需要前一阶段的全部结果同时在手时才用屏障——比如跨全集去重，或者决定要不要继续。 否则 pipeline 的耗时是「最慢的那条单链」，而不是「每阶段最慢者之和」。

Ralph 循环

@deepseek-ai/dsh-tool-ralph 不是 workflow 的变体，而是另一种形状。harness 自己的术语表定义得很精确：

• Ralph loop：面向一个不可变目标的前台 fresh-agent workflow 运行。
• Ralph round：该循环中的一个全新子会话，不带父会话的对话种子。
• Ralph handoff：从上一个继续中的 round 传给下一个的、规范化的、有界的、结构化报告。

三条定义连起来读，设计意图就很清楚了。目标不会漂移，因为它不可变。上下文不会膨胀，因为每轮从头开始。 而连续性不靠搬运对话来维持，靠的是搬运一份有界的结构化报告。

这是对「长 agent 会话」失效模式的正面回答：一个进行到第三十轮的 agent，是在一堆考古材料里做推理。 Ralph 每轮把考古材料丢掉，只留 handoff。

适用：目标确实固定、且轮与轮之间进展可衡量——把测试套件磨绿、把一个清单干到空。

不适用：目标本该随着你的认知而改变的场合。不可变是它的卖点，而对探索来说这是错的属性。

Goal，不是 todo

还有两个概念容易混：

todo_write（@deepseek-ai/dsh-tool-todo）是会话内草稿状态——pending、in_progress、completed， 每次调用整体替换。

create_goal / get_goal / update_goal（@deepseek-ai/dsh-tool-goal）是持久的。术语表把 goal 定义为 挂在某个已有会话上的一个持久完成目标，带阶段和轮次上限，支持暂停、恢复、完成、阻塞状态。 goal round 是为当前 goal 准入的一次续跑循环，goal activation 则是准入下一轮的进程内许可。

值得注意的是那个轮次上限。一个没有边界的持久目标，就是 agent 循环变成无上限账单的方式。

Scope：为什么子 agent 的工具不一样

harness 的 scope 模型解释了那个让人意外的现象——子 agent 的工具集和父级不同。

scope 是工具、提示词这类贡献的按-agent 注册单位，要么全局，要么属于某一个 agent。shadowing 是最具体者胜的名字解析：scope 内的同名项只在该 scope 内替换全局项。restriction 则通过取交集， 为某个 scope 过滤全局工具集。

所以子 agent 拿到的不是你工具的副本，而是它自己 scope 下组装出的一套，可以遮盖、限制或扩展全局注册的 东西。这就是「只读不写的 reviewer」这种预设背后的机制——它是对某个 scope 的一条限制，而不是另写一个程序。