得物小摊是一个从 0 到 1 孵化的创新业务。在一段时间里，我需要同时负责 H5、运营后台、Node 网关和 Go 服务的设计、实现、联调和交付。 随着业务推进和协作范围扩大，一次需求常常要穿过多个工程与运行时。我开始让 AI 并行参与这些模块的开发。代码产出速度明显提高，一个人也像拥有了一支"虚拟全栈团队"。
当写代码不再是瓶颈，真正容易断掉的是交付链：Agent 是否读到了可信事实、规则能不能在关键节点拦住错误、任务中断后能不能继续并拿出验收证据。 记录的是一条项目被走通的过程。 这篇把多次项目里反复撞上的问题抽出来：写代码不再是瓶颈以后，交付还会在哪里断掉。
如果说 Vibe Coding 让「写代码」这件事从「敲键盘」变成了「和 AI 对话」，那么今天要介绍的这项工作，可能正在把同样的故事在 3D 世界构建 领域重演一遍。
本文作者基于 dsh 0.1.1-rc.2 的源码阅读与试用，分享了对这一新 Agent 框架的思考。文章从最普通的 Agent 循环讲起，顺着两个"没看懂的模式"深挖：PTC 模式将模型对工具的多次调用改写为写一段程序，把五次往返压成一次；创造模式则让模型在运行中提交插件、动态增删自身工具。再往下，作者拆解了底层 Cordis 框架的时间与空间两个维度的设计。结论是：dsh 是为"持续学习"目标打造的运行时骨架，是自进化 Agent 的设计思路，尚未成为成熟的编码产品。
人与 Agent 所需的信息，往往散落在大量本地文件中，准确、高效地定位这些信息并不容易。zg（zvec-grep） 是面向人与 Agent 的本地优先检索基础设施，基于 Zvec 提供的向量检索与 BM25 能力，并结合 ripgrep（rg），从代码、文档等本地内容中提取并组织信息，减少搜索轮次与上下文消耗，帮助人与 Agent 高效地发现和定位所需内容。zg 现已开源，欢迎体验，也期待你的反馈与贡献！
