Harbor Self-Evolving

0.10.2 — 稳定 Workbench 样式

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

发布于 2026-09-27。正式 source tag：v0.10.2。

已修复

每个 Harbor client-plugin 生命周期拥有独立样式标签，旧的重复实例或热重载实例销毁时不会再移除当前 Workbench 样式。
Job 状态文字固定在卡片右上角，不再随标题区域高度拉伸。
移除状态外层背景圈，同时保留完成、运行、关注和失败的颜色与符号。
Plugin、Skill 与 Python Adapter 身份对齐为 0.10.2。

验证

0.10.2 归档记录针对性生命周期/布局检查与协调 package 发布证据。

0.10.1 — 可信科学评测闭环

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

发布于 2026-09-26。正式 source tag：v0.10.1。

已交付

正式 Candidate Experiment 只通过私有 Dataset 严格 Adapter 执行 exact harbor-dsh-evaluator/v2 bundle；Dataset verifier 与 v1 fallback 不能成为分数权威。
可信 Evaluation Report、内容寻址 Job bundle、跨产物 Evaluator 身份、score suppression 与执行失败处理，阻止无效证据进入质量结论。
repeat-aware Experiment、paired uncertainty、不可覆盖 Promotion report、exact Policy snapshot 和更严格的 Docker/环境 invariant，让 governed comparison 可审计。
Historical diagnosis、Candidate-bound business observation、独立 Ground Truth meta-evaluation 与人工确认 badcase draft 保持各自证据边界。
diagnostic、experiment 与 governed 产品模式只展示当前证据级别允许的控制面。
Plugin、Skill 与 Python Adapter 身份对齐为 0.10.1，两个 package 均包含 34 个公共 Schema。

发布修复

0.10.0 已发布到 npm，但 clean Linux tag/PyPI workflow 在构建 Python artifact 前暴露两项 release-test portability 问题。公开 tag 和 package 版本没有移动或覆盖。0.10.1 保持相同 runtime 行为，修复 test-helper 导入并使用仍有界的 shared-runner 响应预算，正式取代 0.10.0。

0.10.0 — 发布不完整

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

2026-09-26 打 tag，commit 为 97a385062ba194d5496ba2d98c45a3701d08c01d。

警告

发布不完整。npm 0.10.0 成功，但 clean Linux tag/PyPI workflow 在构建任何 Python artifact 前失败。tag 与 npm package 保持不可变；请使用 0.10.1。

计划源码范围

源码引入 exact Evaluator v2 执行边界、sealed 可信报告、repeat-aware 科学 Experiment、governed Gate invariant、Historical/business/meta 证据强化与三个产品模式。0.10.1 完整承接相同 runtime 行为。

0.9.8 — Host 路径转换修复

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

发布于 2026-09-21。正式 source tag：v0.9.8。

已交付

Host 命令转换保留已经解析到 Trial Host 目录的路径。
Historical Session Observation 与 Candidate 命令不会再次添加 Host Root 前缀。
HostEnvironment 集成测试执行 SessionObservationAgent 的上传、Digest 校验与 Artifact 写入完整路径。
Plugin、Skill 与 Python Adapter 身份对齐为 0.9.8。

验证

0.9.8 归档记录专项与完整自动化检查。发布状态与证据状态分开报告。

0.9.7 — Context 合约与双语站点

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

发布于 2026-09-20。正式 source tag：v0.9.7。

已交付

Candidate Context v3 在 Dashboard overview 与 Job detail 中有效；满足条件的 Job 可使用 Compare/Gate。
Historical Context v2 按 protocol 显式识别，包括仅有 Context 的 pending Job。
Setup 持久化完整安装身份；Settings 只复制可审阅的精确更新命令，绝不执行 registry 包。
Plugin、Skill 与 Python Adapter 身份对齐为 0.9.7。
双语产品与文档站覆盖 19 个工具、Skill、Adapter、评测概念、证据边界与 Roadmap。

验证

0.9.7 归档记录自动化 Node/Python/package/site 检查、公开 package 身份与 release 附件。发布状态与证据状态分开报告。

0.9.6 — Host-first 执行

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

发布于 2026-09-19。正式 source tag：v0.9.6。

已交付

Host 成为默认执行环境；Docker 保持显式 opt-in。
Candidate Context 记录执行环境，因此 Host 与 Docker 不会静默可比。
Plugin、Skill 与 Python Adapter package 身份对齐为 0.9.6。
普通 registry setup 继续作为支持的安装路径。

验证

归档记录自动 Node/Python/package check 与公开 release 身份。证据类型与业务验收保持分离。

19 个 Harbor Agent 工具

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

Plugin 暴露 19 个严格工具：10 个 workspace/Job mutation 进入 DSH 一次性 approval；9 个为只读或内存操作。Host 缺少 approval seam 时，mutation tool fail closed。

Tool	用途与最小边界	模式 / 结果
`harbor_candidate_snapshot`	把一个 Cordis composition 固定为不可变 Candidate Manifest。	写本地 Artifact · approval。下一步：Doctor 或 Context preview。
`harbor_model_binding`	读取当前 DSH 默认 provider/model/reasoning 身份。	只读/内存。返回非敏感 binding draft，不返回凭据。
`harbor_evolution_init`	把已确认四概念卡编译成 non-overwriting Stack project。	写本地 Artifact · approval。不运行评测。
`harbor_evolution_doctor`	在产生费用前检查 Candidate、Dataset、Stack、可选 Policy 与执行架构。	只读。返回阻断诊断。
`harbor_quick_diagnostic_init`	创建一个 Query、最小 Host-model Candidate、可运行 Task 与非晋级 Evaluator。	写本地 Artifact · approval。只证明 wiring。
`harbor_session_diagnostic_preview`	在 exact current workspace 预览 1–10 个最近完成顶层 Session。	只读/内存。安全 metadata + 15 分钟 owner-bound token。
`harbor_session_diagnostic_run`	重新验证 token，冻结私有脱敏 Batch，每条 Session 运行一个 Trial。	启动评测 · 写入 · approval。Historical，Gate N/A。
`harbor_dataset_validate`	验证 manifest、Task 唯一性、instruction、路径、敏感 metadata 与 source digest。	只读。不修复或重写身份。
`harbor_context_preview`	刷新 Candidate manifest，预览 Context v3 并寻找可比 baseline。	刷新 manifest · approval。不运行 Job。
`harbor_eval_run`	使用冻结身份运行 strict diagnostic 或 promotion-eligible Candidate Job。	启动评测 · 写入 · approval。返回 Job 身份。
`harbor_eval_result`	读取 summary、Job、Dataset、progress、Trial 或 governance view。	只读。bounded、递归脱敏、显式 untrusted envelope。
`harbor_resolve_page_context`	解析 exact-session opaque `@harbor` 页面上下文与当前 revision。	只读。返回窄 metadata、typed ref 与 navigation action。
`harbor_get_evidence`	通过精确 typed ancestry ref 读取一个 Evidence。	只读。不接受猜测 path/id。
`harbor_propose_action`	从显式用户请求与新鲜上下文起草一个可过期 Workbench action。	内存 draft。不写资源、不启动 Job、不 Gate、不部署。
`harbor_evaluator_inspect`	检查 active descriptor、implementation kind、ternary Criteria 与 bounded editable source。	只读。省略 secret/local-path-shaped source。
`harbor_evaluator_update`	以 optimistic concurrency 替换一个 allowlisted source，并生成新 Evaluator/Stack 版本。	写本地 Artifact · approval。不自动评测或 Gate。
`harbor_ground_truth_init`	创建 non-overwriting 独立 Ground Truth draft，并记录 provenance。	写本地 Artifact · approval。支持 human/programmatic/consensus/model/external。
`harbor_evaluator_meta_evaluate`	对比重复 observation 与独立 GT，产出 ESF/SCE/RCR。	写报告 · approval。治理 Evaluator，不晋级 Candidate。
`harbor_candidate_compare`	在 Policy 下对可比 Baseline/Candidate Job 应用确定性 Promotion Gate。	写 Gate Artifact · approval · 可晋级。永不部署。

徽标含义

Read-only：不修改 workspace 评测状态。
Writes local artifacts：在 bounded Harbor workspace 创建或版本化文件。
Starts evaluation：批准后可能发生 runner/Judge/model 工作。
Promotion eligible：证据或结论可进入 promotion policy；Historical 与 quick diagnostic 不可。

Tool success 只表示声明操作完成，不代表 Candidate 质量提升或生产环境变化。

DSH 原生评测工作台

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

npm 包 dsh-harbor-evolution 不只是工具注册表，它承担五层职责：

安装生命周期：配置选定 DSH profile，安装 Python Adapter，暴露内置 Skill，并要求重启。
Agent 编排：注册 19 个带 typed boundary 与批准语义的严格工具。
原生 Web 体验：Workbench、Historical 启动器、Context、Evidence、Artifact、operation 与 Settings。
Host 服务：限量读取 project/job、选择 Session、代理模型调用、协调后台操作。
信任边界：脱敏、same-origin 浏览器检查、显式确认和不可信证据 envelope。

工具面

Plugin 注册 19 个工具。10 个 mutation 工具需要 DSH 一次性批准；9 个为只读或内存操作。逐工具契约见工具参考。

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：

评测最近 Session

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

当你已有真实 Agent 交互、却没有整理好的 Dataset 时，Historical evaluation 是冷启动入口。它用于诊断，不是晋级证据。

Web 路径

在 DSH Harbor 页面打开 Historical Sessions。
预览当前 DSH 工作区可见、最近完成的顶层 Session，最多 3 条。
检查冻结的 Judge 身份、投影字段、脱敏策略以及成本/数据披露。
选择 Session 并确认。
Plugin 写入私有脱敏 Batch，每条 Session 物化为一个 Harbor Trial，并启动非晋级 Historical Job。

Agent 工具路径最多预览 10 条，但只允许 exact current working directory。Preview 返回安全 metadata 与短期 owner-bound selection token，而不是原始 Session id 或 transcript。

为什么自我修改不等于进步

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

Agent 可以重写 prompt、tool 或 Evaluator，却仍然变差。“发生变化”不等于“有所进步”。

可信循环会在改动前固定业务 case、执行身份与评分 contract，并把提出改动的 Optimizer 与决定晋级的 Gate 分开。

Candidate 评测与晋级

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

Candidate evaluation 比 Historical 诊断回答的问题更窄：在可比评测条件下，单个受控改动是否改善了固定业务任务？

严格顺序

把 Candidate snapshot 为不可变 manifest。
验证 Dataset 身份、Task 唯一性、路径、敏感 metadata 与 source digest。
对 Candidate、Dataset、Evaluation Stack 和可选 Promotion Policy 运行 Doctor。
在昂贵 Job 前预览 Context v3 并发现可比 baseline。
新 Stack 或 provider 路径先跑 diagnostic。
只改变一个受控面：Agent 或 Evaluator，不能静默同时修改。
使用固定身份运行 promotion-eligible regression。
检查 progress、Trial output、criterion evidence 与 governance impact。
与可比 baseline Compare + Gate。

可比性

只使用同一个仓库，不代表 baseline 可比。Candidate manifest、Dataset manifest、Evaluation Stack、Context、执行环境以及相关 model/Judge 身份必须满足契约。Dataset digest、Stack 版本、provider 身份或 runtime 边界变化都可能要求新 baseline。

定义四个概念

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

自进化不是“让模型改自己”，而是建立一条可检查的学习链：用 Dataset 规定问题，让 Generator 产出结果，让 Evaluator 依据证据判断，再让 Optimizer 只提出一个受控改动。 Evaluator 自己还要接受 Meta-Evaluation（元评测）。

Evaluator 治理与元评测

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

Candidate 质量与 Evaluator 质量是两个独立治理问题。

接口与检查

正式 Candidate Evaluator 实现 harbor-dsh-evaluator/v2。Descriptor 标识 implementation kind（script 或 llm-as-judge）、ternary Criteria，以及 bounded editable source allowlist。Inspection 会省略 secret-shaped 与 local-path-shaped 值。

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。

诊断最近 Session

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

Historical evaluation 降低冷启动成本。先预览 bounded Session metadata，检查哪些数据可能交给 Judge，再确认非晋级 Job。

你做什么

选择反映失败的最近 completed Session，检查排除项，并同意已披露 Judge/数据边界。

把 badcase 整理成 Dataset

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

Dataset 是经过整理的业务意图，不是私有 transcript dump。抽象失败、保留相关约束，并创建可独立审查的期望行为。

你做什么

去重失败模式，移除私有标识，分开 tuning/holdout，并审查每个 instruction file。

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。

运行一次受控回归

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

Snapshot Candidate、验证 Dataset、Doctor Stack、预览 Context；新路径先运行 diagnostic，再运行 promotion-eligible Job。

你做什么

声明一个假设和一个允许的改动。保持 Dataset、criterion、provider 与 runtime 不变，除非改动明确要求新 baseline。

读取 Gate 并交接

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

在显式 Promotion Policy 下，把 Candidate Job 与可比 baseline 比较。整体结论必须与 regression、coverage 与 invalid criterion 一起阅读。

你做什么

复核代表性证据，确认 policy 匹配业务风险，并决定外部 CI/CD 是否消费该建议。

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。

Host 优先，也要诚实讲边界

Sat, 19 Sep 2026 00:00:00 +0000

要求用户先装 Docker 才能诊断 Agent，会制造摩擦；假装直接执行具有隔离性，则会制造风险。0.9.6 选择 Host 作为默认，并精确说明边界。

Host 模式以当前用户权限与环境运行，不提供容器隔离、用户切换、网络策略或 CPU/内存限制。需要这类边界时，Docker 仍是显式 opt-in。

先证据，后优化

Sat, 19 Sep 2026 00:00:00 +0000

让自进化失去可信度的最快方式，是让同一个不透明循环自己选 case、重写自己，再宣布胜利。

Harbor 反过来：先固定测什么、怎么测；再检查证据是否有效、覆盖多少 population；然后才提出一个改动，并与身份仍匹配的 baseline 比较。

0.10.3 — 可操作的项目目录权限恢复

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

发布于 2026-09-27。正式 source tag：v0.10.3。

变化

目录读取被拒绝时返回稳定的 HARBOR_PROJECT_ROOT_ACCESS_DENIED，不暴露本地路径。
Workbench 明确说明这不是网络问题，给出 macOS 权限恢复和迁移项目目录的步骤；技术详情默认折叠，并可复制恢复说明。
分类仅覆盖目录读取，普通文件操作的 EACCES 不会被误标。
即使宿主使用 NODE_ENV=production，源码开发 setup 也会显式安装锁定 dev dependencies。
Plugin、Skill 与 Python Adapter 身份对齐为 0.10.3。

证据边界

0.10.3 归档记录针对性 service/client/setup 检查、生成后的 client bundle、源码 setup 与摘要一致的公开 npm/PyPI artifacts。它不代表完整跨平台 TCC/ACL 覆盖，也未修复桌面宿主的签名和权限声明。