本系列为笔者在实习过程中的所见所闻记录，内容为技术摘要，旨在提供关于Agent领域相关技术名词的通俗和简要介绍，详细内容暂不展开，供同在该领域进修的童鞋们参考。
01 Harness
用来控制、约束和自动化运行代码的框架或平台，它的竞品包括 Jenkins、GitHub Actions、GitLab CI、ArgoCD 等。
想象你去了一个超级现代化的机场（Harness 平台），你把行李（代码）扔进传送带，系统自动帮你过安检（跑自动化测试），系统自动帮你打包贴标签（打包成 Docker 镜像，打上 Tag），系统自动把行李送到对应的登机口（触发 Promotion，把代码晋级到 Stage 环境 或 Prod 环境）。
Harness (Harness.io) 就是这样一个商业化的 DevOps 平台。程序员写完代码点一下提交，Harness 就会接管后续所有的脏活累活，保证代码安全、自动地上线。
如果你用 Python 写代码，你用的pytest框架，本质上就是一个 Test Harness。 如果你用 Java，JUnit就是一个 Test Harness。
有时候，程序员为了测试某个特定的函数，会自己手写一段测试脚本，这段专门用来跑测试的脚本，也可以被称为 Test Harness。
| 看到 Harness 的地方 | 它的真实身份 | 通俗理解 |
|---|---|---|
| 公司的发布流程/运维文档 | Harness.io (CI/CD 平台) | 帮你把代码自动打包、晋级到 Stage 环境的“流水线大管家” |
| 代码仓库/测试目录/教科书 | Test Harness (测试框架) | 带有“副刹车”的教练车，用来安全地运行和给你的代码打分 |
| 英文 AI 论文 | 动词 (Harness) | “利用 / 驾驭” （Harness the power of AI） |
02 原生视觉
指模型能够直接利用图像的视觉表示进行理解和推理，而不是只接收外部 OCR 或图像描述工具转换出来的文字。
直接看图不等于模型不需要编码器或预处理，而是视觉信息不必先被压缩为一段自然语言描述。 Qwen2.5-VL 就包含视觉编码器，并通过视觉语言对齐和端到端训练学习多模态能力。
有些厂商用 natively multimodal 强调，模型从预训练阶段就联合学习多种模态，而不是先训练纯文本模型，再添加视觉模块进行适配。例如，Google 对 Gemini 的“原生多模态”描述，明确包含“从一开始就在不同模态上预训练”。
| 概念 | 说明什么 |
|---|---|
| VLM | 模型能够关联和处理视觉与语言 |
| 原生视觉能力 | 通常强调模型内部能利用视觉输入，而非仅依赖外部转文字 |
| 原生多模态训练 | 通常强调多模态能力在预训练阶段就被联合学习 |
03 Jev：给程序做结构化决策的模型
Jev 是 TypeSafe AI 推出的决策模型，官方称为 System One Model。它接收上下文和指定类型的问题，返回选择、评分、概率等结构化结果，主要用于分类、路由和筛选。
例如，一个客服 Agent 收到：
上下文：用户说“本月被重复扣款，请退款” 问题：交给哪个部门？ 候选项：账务、技术支持、销售 输出：账务，以及相应的概率或置信度04 mmproj：本地多模态推理使用的配套权重组件
mmproj 来自 multimodal projector，多模态投影器，在 llama.cpp 的 GGUF 生态中，它通常指一个配套权重文件，例如：
model.gguf mmproj-model-f16.gguf主模型文件负责语言模型部分，mmproj 文件负责多模态侧的编码与投影。
05 dsh
DeepSeek Harness，是 DeepSeek 开发的开源 Agent Harness，采用高度插件化的架构。可以让 Agent 编写适用于 dsh 插件体系的代码，实现你需要的工作流或扩展能力。
dsh-TUI，Terminal User Interface，终端用户界面。它在终端里为 DeepSeek Harness 提供全屏交互、流式 Markdown、工具调用展示、会话管理和状态显示等功能。
