给产品经理拆解能看懂的 Deepseek Harness 设计思维：如何让 Agent 更快、更准，更省成本的做事情。

假如你参加一场考试，你最希望看到的题目是一定是平日刷过的原题。但国内的考试非常卷，所以会发现即使学会了课本知识，刷了很多题，但遇到一些难题还是不会做。

因为出题人会故意制造你没见过的题型，所以做题的第一步需要把问题整理和拆解成你见过的题型、公式，在继续套用。这一步也会卡掉很多人。

但高考是为了筛选人，我们训练AI是为了让他更好更快的解决问题。那么最好的方式就是帮助它把输入的上下文提前分类整理好，转换成它见过的题型和知识。

除此之外，随着 Agent 能执行越来越长的任务，过程中不可避免的积累了过于冗长的信息，这些信息很多时候对当下任务是没有用的，可以进行“收纳整理”。

就像在收拾家务时，一些长期不用的东西可以装到一个收纳箱里面，上面用记号笔写上它是什么。并把它放在另一个房间或者储物室里，需要的时候去储物室，按照名称找就可以很快找到。

本质上这是一种【用空间换时间】的方法，找东西更快也不费脑子。

以上的这些处理过程，对应的就是 Deepseek Harness 论文中提到的 LID 以及 Context Rot 的基本架构思想，如果有不太严谨的地方，也欢迎指正拍砖。