文档 on Harbor Self-Evolving

安装与开始

Mon, 01 Jan 0001 00:00:00 +0000

要求

可用的 DeepSeek Harness，以及要评测的业务 Agent 工作区。
用于 DSH Plugin setup 的 Node.js/npm。
安装 Adapter 所需的 Python 环境支持。
Harbor >=0.21,<0.22。
只有显式选择容器执行时才需要 Docker；0.10.3 默认 Host。

安装

请在业务 Agent 工作区运行，不要在本源码仓库运行：

Workbench、上下文与受审动作

Mon, 01 Jan 0001 00:00:00 +0000

Harbor 页面注入现有 DSH Web GUI，复用 DSH locale、Session、conversation、composer、Settings 与 Tool View；它不是第二个聊天产品或登录系统。

核心概念与可信分数

Mon, 01 Jan 0001 00:00:00 +0000

先把四个英文概念翻成业务语言

概念	中文解释	在 Harbor 中回答的问题
Dataset（评测数据集）	一组带任务说明、输入与期望证据的业务样本；它定义“要测什么”，不等于把一堆聊天记录直接交给模型。	哪些能力必须做好？哪些失败必须被发现？
Generator（生成器）	接收 Task，在固定 Candidate、模型与运行环境下生成回答或 Artifact 的执行者。它可以是 LLM Agent，也可以是脚本、工作流或其他程序。	谁来答、怎样运行、产出什么？
Evaluator（评估器）	根据 criterion（评测标准）与 Evidence（证据）判断输出质量的机制；既可以是确定性脚本，也可以是 `llm-as-judge`。	什么叫“好”？现有证据足够下结论吗？
Optimizer（优化器）	阅读 Dataset 级结果和逐 Trial 证据，提出一个受约束、可审查的改动。它不能自己宣布成功，也不能绕过回归评测和 Gate。	根据失败改哪里？如何避免一次改太多？

Harbor 会把这四个用户概念编译为更严格的 Evaluation Stack，其中还包括 Integration、Renderer、Judge、Contract、Reporter、Policy、Context 与 Gate。用户先描述业务问题即可，不需要先填写内部架构问卷。

架构与信任边界

Mon, 01 Jan 0001 00:00:00 +0000

三个产品角色

Plugin：面向用户的 DSH 集成与权限边界。
Skill：选择最小安全评测路径的工作流 policy。
Adapter：物化 Job、Trial、Evidence 与 Context 的 Harbor runtime bridge。

Gate 保持独立确定性 policy function；它不是 Optimizer 的一部分，也没有部署能力。

安全、隐私与执行边界

Mon, 01 Jan 0001 00:00:00 +0000

Harbor Self-Evolving 会收窄高影响操作，但它不是通用沙箱或多用户授权系统。

Session 与 project scope

Agent 工具从调用 Session 的 absolute cwd 得到 project root。Web token 绑定 Session 与 project。Candidate/private context 与 journal 路径在已实现处应用 symlink/no-follow 防御。通用 lexical path containment 不是普遍的物理文件系统保证；更强的 realpath/openat containment 仍在 roadmap。

故障排查

Mon, 01 Jan 0001 00:00:00 +0000

找不到 Harbor 页面

确认 setup 修改了 DSH 实际运行的 profile，按输出命令重启，并验证依赖为精确 registry 版本而非 link:。检查两个 Harbor plugin 与内置 Skill 都存在。