「Github一周热点127期」DeepSeek Agent Harness、AI画图Skill、自进化编程Agent、团队工作台和可审计语义图谱

本期介紹了五個開源專案，展現了 Agent 開發生態正在經歷架構層面的重要變革。

首先是 DeepSeek Agent Harness。這是一套完整的 Agent 執行基礎設施，採用「Everything is a plugin」的設計理念，避免把所有能力硬編碼在單一 Agent 中，而是透過外掛方式讓模型、工具、介面與工作流都可以靈活組合。框架底層使用 Codis，天生具備可組合的系統設計。用戶只需有 Node.js 環境就能透過 `npx dsh` 啟動本地 UI，或克隆程式碼到本地用 npm 建置。特別之處在於它與 DeepSeek V4 模型的配合達到了驚人的快取命中率，能顯著降低推理成本。雖然目前仍是開發者預覽版，卻已累積 88K GitHub 星星，社群已開發出 TUI 外掛、macOS 控制能力、復古網頁包裝等創意應用。這個專案重要之處不在於單純開源了一個 Agent 工具，而是示範了如何將 Agent 從「模型加工具」的線性組合演進為可擴展的運行平台。

其次是 Diagram Design。這不是普通畫圖工具，而是專為 Claude Code、Codex 等編碼 Agent 設計的設計 Skill。傳統上，人們讓 AI 寫文檔或方案時，配圖往往只能用 Mermaid 預設樣式，還需設計師手工優化。本專案目標是生成出版級的資訊圖，內建 27 種視覺類型涵蓋流程圖、系統架構圖、時間軸、對比圖、因果圖等，每種圖都提供亮色、暗色、可編輯三種靜態風格。它的生成邏輯是先理解關係結構，再選擇合適的圖形類型，最後按品牌規範（顏色、字體、對比度、無障礙性）成圖，新版本還加入語音系統和無障礙動效。輸出直接包含 HTML 和 SVG，無需額外建置或外部依賴。

第三是 Prime Agent。它用開源編程和研究 Agent 的身份出現，但核心創新在於改寫了 Agent 的執行邏輯。傳統聊天型 Agent 更像是加強版對話機器——接收任務、讀取上下文、呼叫工具、返回結果。Prime Agent 的想法是把 Agent 放進一個可持續運行的編程環境，把上下文變成變數、子 Agent 當函數呼叫、工具呼叫與檔案操作變成程式可管理的對象。它維持一個持久化的 Python 控制環境，讓 Agent 能在裡面執行程式碼、保存狀態、管理任務，而不是每輪對話都從聊天記錄重新恢復自己是誰。框架還會保存補充提示詞、記憶、Skill 描述、可用的子 Agent 規範，支援 Agent 基於證據做小步更新。這種設計讓持久化成為常態，避免反覆初始化。

第四個是一個企業級團隊協作工具。它試圖把郵件、訊息、文件、任務、Agent、會議、檔案、CRM 等整合到一個系統，並附加團隊級記憶能力。乍看野心很大，但其實抓住了真實痛點——企業使用者的負責任務往往很難轉接或追溯。解決方案是把團隊工作對象變成可連結、可搜尋的結構：郵件可連結到任務、任務可連結到文件、文件可連結到 Agent、Agent 執行結果可連結到 PR。這是真正的團隊記憶而非個人維護多套上下文。難點不在介面而在資料模型與組織習慣。

最後是知識圖譜系統（如 Samenteka）。過去一年很多專案都講 RAG 和快取資料庫，但在金融、醫療等關鍵場景，僅靠文本相似度檢索遠不夠，還需知道資訊間的因果關係與決策推理過程。該系統從企業資料中抽取實體、關係、證據、約束，構建成可審計的語境圖，支援圖分析、因果推理、決策追溯、治理與衝突檢測。提供 CLI、REST API、MCP Server，並整合 Claude Code、Codex 等 Agent，可直接 pip install。但建模與維護成本高，不適合小型專案。

此外，校招數據顯示 2026 年 1–5 月 AI 崗位同比增長 47.3%，滲透率從 26.4% 提升到 37.56%，而招聘重視項目經驗、開源、GitHub、論文競賽勝過學校標籤。阿里雲最佳實踐報告強調 Agent 安全不能只靠事後篩選模型輸出，而需在工具設計、權限邊界、上下文來源、日誌審計全流程統籌。