基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践

基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践

摘要

DeepSeek Harness以Cordis微内核实现“一切皆插件”，通过Session Log保证轨迹可审计。基于AgentLoop平台，用三维正交确定性评估器（完成度、红线合规、过程可靠性）评测其与Codex在terminal-bench 2.1上的表现，两者通过率持平但失败归因各异，验证了轨迹评估的细粒度价值。