[鸭哥 AI 手记] 2026-08-13: 650 个想法全失败，但一条都没白死

懒人包：Anthropic 用 31M output token 搜索黎曼猜想，第一轮 650 个想法虽然全失败了，但整理成台账后成了后续搜索的资产。鸭哥昨天一共发了 3 篇文章，另外两篇分别拆了 DeepSeek 最新的 harness DSH 插件机制，以及各家 coding agent 为什么都在抢执行环境数据。

Anthropic 搜黎曼猜想，真正的看点在搜索架构

鸭哥在 Anthropic 用 31M output token 搜索黎曼猜想，真正的信号在搜索架构 里写到，这场数学战役中，67.2% 这个数字反而不是重点，第一轮 650 个想法全盘失败之后发生的事才是。系统没有清零重来，而是给每条死路记了账，详细写明卡在哪个前提、哪段局部结论还站得住、出现什么新证据才可以重新打开。鸭哥在文章里写到，第一轮留下的台账里有 106 条带局部结论的记录，其中一条当初看着没用的判断，12 小时后在一条全新路线上帮着补上了关键一步。

根据 Anthropic 的官方发布 anthropic.com/research/riemann-zeta，他们用未发布的研究版 Claude，两轮 session 一共消耗了 31M output token，把 zeta 函数零点在临界线上的比例无条件提到 67.2%。整场任务动用了约 60 个 subagents，跑了 2400 条 shell commands，读了 54 篇 arXiv 论文，最后交出了约 35 页论文和 sorry-free 的 Lean 形式化 Theorems A-E，代码放在 Lean 仓库 anthropics/zeta-23-lean。

先说清楚，这离证明黎曼猜想还差得远。在窄盒条件（也就是假设所有零点都贴在临界线附近的狭窄区域）下，前人已经在 arXiv:2501.14545 推到了 67.25%，Claude 则是直接甩开窄盒，拿到了无条件的 67.2% 下界。这套记死账的搜索架构，做 agent 系统的人可以直接搬走。

---

DeepSeek 开源 DSH，核心玩法是让 harness 自进化

这场动用 31M output token 的数学战役跑在 Claude Code 的 harness 上。就在鸭哥分析这套机制的同一天，DeepSeek 在 8 月 13 日开源了第一个 harness DSH，官方仓库在 deepseek-ai/deepseek-harness。鸭哥在昨天发布的 深度剖析 DeepSeek 最新的 Harness DSH：为了自进化这盘醋包了一整盘饺子 提到，虽然这项目开源当天 star 就破了 3 万（见 The New Stack），但对日常开发没什么用。它真正的看点，是让 harness 具备自我迭代的能力。

DSH 把 agent loop 从核心代码里拿出来，做成了一个能整体拧下来换掉的插件。比如 packages/core/agent-loop 只是个普通的插件，你写一个实现相同接口的新插件，就能把单 agent 循环换成多 agent 协调循环，框架会自动拆旧装新。

比起 Codex 这种修改完需要重启两三秒的声明式插件，DSH 的命令式插件是带着状态直接跑在 harness 进程里，靠 Cordis 运行时来管副作用撤销和事务性 HMR。Cordis 整套机制都为了这件事服务，理念来自 Shigma（Yifan Shi）的独立开源项目 cordis.moe，也是 Koishi 生态四年累计 4000 多个社区插件的底层支撑（DeepSeek 官方公众号转述）。配套论文《A Programming Paradigm for Spatiotemporal Composability》也发在 cordiverse/paper。鸭哥在 文章 里拆了这套机制，算清了两种插件设计各自付出的代价，能帮你判断是不是真的需要引入这套复杂度。

---

Coding Agent 形态一直在变，说白了都在抢执行环境数据

DSH 刚好是 DeepSeek 补齐 harness 空位的第一步，这个时间巧合印证了鸭哥昨天在 Coding Agent 的形态变化，都在抢同一样东西 里的预判。不论桌面端、命令行还是 managed agents，各种产品形态看似眼花缭乱，真实目的都是圈占执行环境里的行为数据。而且 DeepSeek 早在 2026 年 5 月就在招聘页面挂出过「Agent Harness 产品经理」岗位（官网 JD 转述）。

模型可以自主干活之后，harness 就从普通的客户端变成了关键的数据采集仪器。在这场卡位中，前端界面因为成本低正变得越来越像，但真正值钱的执行层却分化得越来越快。像 OpenAI 的 Codex 桌面应用在 2026 年 2 月发布，7 月就并进了 ChatGPT 桌面端，底层跑的都是同一套 harness（OpenAI 公告、App Server 工程博客）。

Claude Code 网页版在 2025 年 10 月就上线了，Cursor 的云端 agent 则在 2026 年 2 月升级成了完整的虚拟机（Cursor changelog）。根据 LangChain 博客 披露，哪怕是同一个模型，只要配上针对性的运行环境，在 tau2-bench 难度子集上的表现就能涨 10 到 20 个百分点。所以，看一个 coding agent 可不能只看功能面板，得看清谁掌控了执行环境、数据对谁可见，以及谁能跑通数据飞轮。

---

也值得知道

首例全自主 AI agent 攻击政府：安全公司 Dream 披露，7 月初的四天内，最多有 8 个基于开源框架的 AI agent 协同入侵台湾政府系统。整个侦察和破解凭据过程完全没有人类干预，一共映射了 21 个系统并拿下了 85 个账号（CNN）。

Grok 4.6 发布：这次新版本主打长时程 agentic 任务，支持 500K context，在 Artificial Analysis Intelligence Index 中拿到了 61 分，追平了 GPT-5.6 Sol Max。定价为百万 token 收费 $2/$6，已经在 Cursor 上线了（Cursor 官方博客）。

Cognition 洽谈 $40B 估值融资：Devin 的母公司 Cognition 年化收入已经逼近 $1B，不到三个月里估值涨了五成多，目前融资谈判还在早期阶段（TechCrunch）。

---

本期由 AI 基于鸭哥已发布文章和公开资料整理生成，请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai