DSH 这么好玩，但是只能在电脑上玩太可惜了，于是我用 Kuikly 框架做了一个 APP，一码三端的跨端原生 app，按官方 Host 协议跟电脑上的 DeepSeek Harness 对话。
今天的 Agent 系统看起来很像一套小型操作系统：它们管理子 Agent 进程，维护长期记忆文件，通过工具驱动接触外部世界，还要处理权限、隔离、恢复和观测。可它们的起点并不宏大。最初，开发者手里只有一个把输入映射为输出的语言模型。复杂性并不是一次设计出来的。每当模型试图越过一次调用的边界，系统就必须在模型外面增加一个新部件：模型不知道此前聊了什么，于是出现上下文；模型无法改变世界，于是出现工具；一次工具调用解决不了任务，于是出现循环；上下文装不下历史，于是出现记忆；循环开始产生真实副作用，于是出现权限与沙箱；一个循环不够并行，于是出现子 Agent...
DeepSeek Harness 的"一切皆插件"背后，跑的是一个叫 Cordis 的框架——原本服务于第三方 QQ 机器人，如今被 DeepSeek 用作整个 Agent 运行时的地基。这篇文章希望用通俗易懂的语言，把 Cordis 的魅力介绍给大家：为什么"卸载"和"协作"能变成框架的默认行为，为什么"改配置不用重启"是理所当然，为什么一篇 88 页的论文会以它为研究对象。
代码能告诉我们系统现在怎样工作，却很少解释它背后的演进过程。 一个看似普通的改动背后，可能已经排除过几种方案：某个组件为什么没有复用，某个接口为什么保留旧实现，某条看起来多余的限制究竟防过什么问题。这些判断形成于需求讨论、代码评审，以及工程师与 Agent 的共同探索，却未必会在后续任务沿用。功能最终上线，这些判断很容易停留在当时的上下文里。 下一次类似任务到来，新的 Coding Agent 可以重新读懂代码，却仍要从头恢复这些背景。Forge Memory 就从这个问题开始：怎样让一次任务形成的工程判断，真正进入下一次任务？ 本文复盘我们如何围绕这个问题，一步步把工程判断变成项目知识，再让这些知识进入真实的 AI Coding 工作流。
