DeepSeek Harness 中的七大防御性架构模式
Updated August 16, 2026 · first published August 16, 2026
在复杂的自主智能体系统中，微小的错误往往会导致死循环、资源泄漏与巨额 Token 账单。DeepSeek Harness 源码沉淀了七大防御性模式：
1. 正交结果独立上报
将业务任务成功与否同资源消耗统计彻底解耦。即使任务失败，Token 消耗与执行耗时也必须完整记录并上报财务网关。
2. 契约双向严格校验
调用前和输出后均对参数结构和类型进行严格断言，防止提示词注入攻击与畸形 JSON 破坏后续流程。
3. 异步状态严禁同步化假设
所有的智能体状态变更均持久化在事件流日志中，避免在多步骤并发中发生数据冲突或竞态丢失。
4. 彻底释放运行资源 (Dispose)
取消或结束任务时，必须实质性终止子进程、关闭网络连接并清理临时文件，而不仅仅发出取消信号。
5. 分发器全面捕获插件异常
任何工具或插件的报错均被隔离在本地调用栈中，不得引发核心智能体控制循环的奔溃。
6. 严禁向不可信输出暴露环境敏感信息
过滤系统环境变量与路径信息，防止大模型在生成代码或分析报告时泄漏企业凭证。
7. 符号链接穿透校验
严格解析真实文件路径，阻止智能体通过软链接越界访问项目工作区之外的敏感文件。
Related
Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →