极简 Agent 实用测试基准：别再只看能不能跑起来

Tue, 25 Aug 2026 11:30:00 +0800

很多项目把“轻量”写在 README 里，但这个词经常只代表安装命令短、核心代码少，或者演示时能在一台小机器上启动。

对一个需要 24 小时在线的个人助理来说，这些都不够。真正的问题是：它空闲时占多少资源？连续调用工具后会不会涨内存？断网、重启、模型限额和审批暂停之后还能不能回来？

因此我给“极简 Agent”定义了一套实用测试基准。它不评模型知识，也不追求实验室里的漂亮分数，只回答一个工程问题：

这个 Agent 能不能在低资源 VPS 上，长期、稳定、安全地替一个人处理真实任务？

极简不是一个内存数字

一个个人 Agent 至少包含四层：

消息入口 → Agent Runtime → 外部模型 → 工具与状态

只统计 Agent 主进程的 RSS，会漏掉浏览器、Node bridge、MCP 子进程、后台 worker 和模型代理。只统计空闲内存，也会漏掉长上下文、文件解析和工具输出带来的峰值。

所以“轻量”应该同时满足：

常驻资源低；
任务峰值有上限；
空闲后能够回落；
不产生孤儿进程；
重启后能恢复必要状态；
失败不会演变成无限重试；
高风险动作不会绕过审批。

测试环境必须先固定

不同机器、Python/Node 版本和模型端点会显著影响结果。每次测试至少记录：

host:
 cpu: 2 vCPU
 memory: 1 GiB
 swap: 1 GiB
 os: Ubuntu 24.04
runtime:
 version: git commit / release tag
 language: Python 3.12 / Node 26 / Go 1.x
model:
 endpoint: remote OpenAI-compatible
 model: fixed model id
 context_window: fixed
features:
 channel: Lark WebSocket
 memory: SQLite or files
 mcp_servers: [luck-ops]
 browser: disabled

不要一边测 Agent A 的最小配置，一边给 Agent B 打开浏览器、语音和十个插件。功能集合必须一致，模型也必须一致。

DeepSeek Harness 解读（四）：minimal 真的是最小 Agent 吗？

Tue, 18 Aug 2026 10:30:00 +0800

这是 DSH 系列的最后一篇。我们之前问过：minimal preset 只有两个工具，它是否已经是最小化 Agent？答案是：对模型可见能力来说接近最小，对真实运行时来说并不是。

DSH 的四种 preset 不是四个产品

DSH 当前把 Agent 能力组合成几类 preset：

standard 完整 Coding Agent
ptc TypeScript Code Mode / PTC
minimal persistent bash + str_replace_editor
creator 运行时检查和插件实验

它们不是四个独立程序，而是同一个 Cordis Runtime 上的不同能力组合。

这一区分很重要：preset 决定的是某个 Agent Scope 可以看到和使用哪些能力，而不是重新启动一套完全不同的 Agent 实现。

minimal 为什么看起来很小

DSH 的 minimal 配置对模型暴露的主要能力只有：

1. persistent bash
2. str_replace_editor

同时它关闭或抑制了很多额外上下文：

不加载完整 Coding Agent 的复杂工具集；
不注入运行时上下文；
不使用默认的复杂压缩能力；
使用固定、短的系统提示；
让 Bash 在多个 step 之间保持状态。