DeepSeek Harness（DSH）是一个带本地 Web 界面的 coding agent。它不只是回答问题，而是能直接操作仓库、终端、浏览器，并把可复用的能力做成插件（Skill）装进来。

下面按「项目本身能做什么」和「插件能补什么」分开说。

项目功能

有手的 Agent。 对话模型通常只给文本。DSH 能读改工作区里的文件、跑命令、抓网页、看你丢进去的截图，再根据结果决定下一步。目标可以是「修这个 bug」，也可以是「把整条发布链路搭起来」。

本地 Web GUI。 交互发生在浏览器里的会话窗口，不是把你丢进纯命令行。会话里能看到它在改哪些文件、跑了什么、交付了哪些产物。

多步任务，而不是单轮补全。 它会把大目标拆成步骤：查现状、改代码、构建、用真实 URL 验收。中途失败会接着查，而不是让你把现场重新描述一遍。

可以拆出去干。 独立的调研、实现、核对可以分给子 agent；大规模、多文件的活可以用工作流并行。适合「同时看十个模块」或「同一目标反复验证」这类事。

看得懂图和页面。 控制台、设计稿、报错弹窗，截图丢进去就能对着画面改，不必你把每个按钮文案口述一遍。

技能按需加载。 默认能力是通用的写代码和运维。遇到浏览器自动化、桌面应用、Slack、专项 QA 时，会先加载对应 Skill，再按那套流程干活。没有装过的能力，可以用 find-skills 去生态里搜。

有边界。 文件沙箱、高风险命令需要确认。这不是限制玩法，是避免 Agent 把密钥提交进 Git、或在生产上执行不可逆操作。

插件是什么

DSH 的插件就是 Agent Skills：一段给 Agent 看的说明（通常是 SKILL.md），告诉它何时启用、按什么步骤做、能调用哪些命令。

和传统 IDE 插件不同——它扩展的不是编辑器 UI，而是 Agent 的行为。装上之后，你说「去打开这个网站填表」，它知道该走浏览器自动化，而不是只给你一段 Puppeteer 示例。

技能来自开放生态，安装很直接：

npx skills find browser
npx skills add <owner/repo@skill> -g -y

目录在 skills.sh，常见分类包括前端、测试、部署、文档、设计、各家 SaaS。自己反复做的流程也可以 npx skills init 做成技能。

这套环境里已经装了哪些

它们经常叠着用：dogfood 和 slack 底层都依赖 agent-browser；桌面 Slack 则走 electron 连 CDP。

插件解决的是「流程」，不是「多一个 API」

以 agent-browser 为例，核心不是再包一层 HTTP，而是把稳定流程写死：

1. open 目标 URL
2. snapshot -i 得到 @e1、@e2 这种引用
3. click / fill 操作引用
4. DOM 变了必须重新 snapshot，不能拿过期引用硬点

dogfood 更进一步，规定了初始化、登录、定向探索、取证、汇总的顺序，以及报告模板。没有插件时，模型也可能「试试打开浏览器」；有插件时，它按同一套方法取证，结果才接得住。

适合干什么

• 改本机仓库：实现、重构、补测试、写发布脚本
• 对着真实页面验收：本地 dev server、预发域名、控制台配置
• 重复劳动：填表、回归、从站点里抽结构
• 桌面端和协作工具：Electron 应用、Slack
• 把团队里的标准做法收成 Skill，避免每次重讲一遍规范

不适合的也很清楚：需要你亲自点的云控制台确认、证书和备案、不可逆的 DNS 切换，仍然该人来拍板。插件给 Agent 补的是手和流程，不是替代责任。

怎么继续加能力

缺某类能力时直接说「帮我找一个做 X 的 skill」。find-skills 会去生态里搜，并给出：

npx skills add vercel-labs/agent-browser@agent-browser

这类安装命令。装的是用户级技能（-g），对后续会话生效。

DSH 的本体负责「能做事」；插件负责「某类事按专业流程做」。两者分开，才好加、好换、好自己写。

本文为PlanB于2020年4月28日发布在其个人博客上的文章翻译。

科学中重要的不仅是获取新的事实，而是发现关于它的新思维方式。 —— William Lawrence Bragg

引言

比特币 (BTC) 的 库存-流量 (Stock-to-Flow, S2F) 模型最早于 2019 年 3 月发布。

最初的 BTC S2F 模型是基于每月 S2F 和价格数据的公式。由于数据点按照时间顺序排列，它属于一种时间序列模型。如果你对 S2F 模型不熟悉，我强烈建议阅读原始文章，因为它解释了相关背景和术语。

在本文中，我通过移除时间维度并将其他资产（如白银和黄金）纳入模型，巩固了现有 S2F 模型的基础。我将这种新模型称为 BTC S2F 跨资产模型 (S2FX)。S2FX 模型可以通过一个公式同时估值不同资产，如白银、黄金和 BTC。

首先，我将描述相变的概念，因为它引入了一种关于 BTC 和 S2F 的全新思维方式，也解释了为什么 S2FX 模型很重要。

其次，我将阐述 S2FX 模型的工作原理及其结果的意义。

相变 - Phase Transitions

相变的概念在理解 S2FX 模型时尤为重要。在相变过程中，事物会获得完全不同的特性。这种转变通常是不连续的。以下是相变的三个例子：

1.水 2.美元 3.比特币

水

相变的经典例子是水。水存在于四种不同的相（状态）：固态、液态、气态和电离态。尽管它们本质上都是水，但在每种相中，水都具有完全不同的特性。

美元

相变也出现在金融领域。例如，美元经历了以下几种相变：

• 从金币（1 美元 = 371.25 格令纯银或 24 格令黄金）；
• 到以黄金为背书的纸币（“凭票即付黄金”）；
• 再到完全不以任何资产为背书的纸币（“此票据为所有债务、公共或私人债务的法定货币”）。

尽管我们仍称之为“美元”，但在这三个阶段中，美元的特性完全不同。

比特币

比特币也经历了类似的相变。Nic Carter 和 Hasu 在他们 2018 年的研究中展示了 BTC 的叙事如何随着时间而变化。

以下是比特币叙事的主要变化：

1. “概念验证”阶段：比特币白皮书发布后；
2. “支付”阶段：BTC 达到与美元平价（1 BTC = 1 美元）后；
3. “电子黄金”阶段：第一次减半后（2012-11-28），比特币几乎与黄金价格相当（1 BTC = 1 盎司黄金）；
4. “金融资产”阶段：第二次减半后（2016-07-10），每天交易额突破 10 亿美元，日本和澳大利亚明确其合法地位，芝商所 (CME) 和 Bakkt 推出比特币期货。

这些比特币叙事似乎在图表上是连续的。然而，如果将叙事与财务里程碑（以及后来的 S2F 和价格数据）相结合，它们更像是具有更突然转变的阶段。

比特币 S2F 跨资产模型 (S2FX)

下图展示了最初 S2F 模型中使用的每月 BTC S2F 和价格数据点。我们可以直观地辨认出四个不同的聚类。

这些聚类可能正表明了相变的存在。

通过最小化每月 BTC 数据与这些聚类之间的距离，可以量化这些聚类。我使用一种遗传算法（最小绝对距离）来量化四个聚类。未来的研究可以探索不同的聚类算法（例如 k-均值算法）。

每个识别出的 BTC 聚类在 S2F 和市场价值的组合上显现出明显不同的特性，这与减半事件和 BTC 叙事变化一致：

1. 概念验证阶段：S2F 1.3，市场价值 100 万美元；
2. 支付阶段：S2F 3.3，市场价值 5800 万美元；
3. 电子黄金阶段：S2F 10.2，市场价值 56 亿美元；
4. 金融资产阶段：S2F 25.1，市场价值 1140 亿美元。

这些 BTC 聚类的相变视角表明，在不同阶段，比特币就像不同的资产，具有完全不同的特性。基于这一视角，我们可以将其他资产（如白银和黄金）纳入模型，使其成为真正的跨资产模型。

对于白银和黄金，我使用 Jan Nieuwenhuijs 最近的分析数据及 2019 年 12 月底 TradingView 上的价格数据：

• 白银：S2F 为 33.3（库存 90 万吨，年生产 2.7 万吨），市场价值 5610 亿美元；
• 黄金：S2F 为 58.3（库存 19 万吨，年生产 3260 吨），市场价值 10.088 万亿美元。

结果显示，四个量化的 BTC 聚类与白银和黄金共同形成一条完美的直线。

通过回归分析构建 S2FX 模型。与原始 S2F 模型的主要区别是，S2FX 模型在回归分析中加入了白银和黄金的 S2F 和市场价值数据。S2FX 模型显示，六种资产的 S2F 与市场价值之间存在显著关系（F 检验和系数的 p 值均较低），拟合度极高（R² = 99.7%）。

S2FX 模型公式可以用来估算比特币下一个阶段的市场价值（2020-2024 年 BTC 的 S2F 为 56）：

市场价值 = exp(12.7598)*56^4.1167 = 5.5万亿美元

这相当于 BTC 的价格为 28.8 万美元（假设 2020-2024 年比特币供应量为 1900 万枚）。

比特币的价格预测显著高于原始研究中的 5.5 万美元。然而，请注意，S2FX 模型只是第一步，目前尚未被他人复制和审查。

尽管仅有六个数据点，但我认为 S2FX 模型的结果仍具有重要意义。我将 S2FX 模型视为一个工作假设，就像 S2F 模型一样。未来的研究可以着重于在分析中加入更多资产。然而，大多数资产的 S2F 值较低（≤1），因此并不具有吸引力。相反，钻石的 S2F 值较高，但其估值非常复杂（包括原石/切割、克拉、颜色和亮度等因素）。

S2FX 模型支持插值，而不是像原始 S2F 模型那样依赖外推。原始 S2F 模型的预测超出了构建模型时使用的数据范围，而新的 S2FX 模型的预测则落在公式推导所使用的数据范围内。

结论

在本文中，我通过移除时间维度并将其他资产（如白银和黄金）加入模型，巩固了现有 S2F 模型的基础。我将这种新模型称为 比特币库存-流量跨资产模型 (S2FX)。S2FX 模型能够通过一个公式对白银、黄金和比特币等不同资产进行估值。

我解释了相变的概念。相变为理解比特币和 S2F 提供了一种全新的思维方式，这也是我构建 S2FX 模型的起点。

S2FX 模型的公式与数据高度吻合（R² = 99.7%）。

根据 S2FX 模型，比特币下一阶段（2020–2024 年 S2F 为 56）的市场价值估计为 5.5 万亿美元。这对应的比特币价格（假设供应量为 1900 万枚）约为 28.8 万美元。

在巩固原始 S2F 研究中已知事实的基础上，S2FX 模型为比特币向第五阶段过渡提供了一种全新的思考方式。