给编程 agent 补上交付证据与验证闭环（天枢 Harness）

在真实的工程会话里，同一套模型权重会表现出能力下限的滑落。天枢的文档把它归类为经过指令与偏好对齐的 Transformer Agent 呈现出的趋同运行时退化，并和单个具体 bug 区分开：被质疑就投降、过度服从字面指令、局部信息压过全局目标、长上下文被早期结论支配、反复调用同类工具却没有真实推进。项目要解决的正是最后这类收尾问题，模型说「应该修好了」不算完成。

天枢 Tianshu Harness 是一个 TypeScript 编写的编程 agent 运行时，终端 TUI 与桌面 GUI 共用同一个内核，输入自然语言任务，输出带运行时证据的交付报告与拦截台账。

做法是在模型与真实世界之间加一层认知执行环境（CVM），把目标、状态、证据、资源、权限与终止条件从对话历史里外部化，交给运行时持续管理。CVM 有 75 个运行时 hook 横跨 5 大阶段，在模型输出和真实动作之间做可观测、可纠偏的一层。上下文侧用冻结前缀加增量 appendix 与边界压缩，官方称各家支持前缀缓存的模型在长会话里稳态命中率在 95–99%，对 DeepSeek V4 另有针对性优化。模型清单覆盖 DeepSeek、GLM、Claude、Codex、Grok、MiniMax、MiMo 等。

装它需要什么

• 桌面端不要求先装 Node，从 GitHub Releases 下载安装包即可。macOS 要 11 及以上，Apple Silicon 与 Intel 各一包；Windows 要 10 1809 及以上、建议 22H2，或 Windows 11，界面依赖 WebView2 Runtime（建议 120 及以上）；Linux 需要 glibc 2.35 及以上，以及 libwebkit2gtk-4.1 和 libgtk-3，官方推荐 X11 会话。
• 终端 CLI 要求 Node.js ≥ 24。macOS / Linux 用 bash <(curl -fsSL https://raw.githubusercontent.com/huiliyi37/Tianshu-harness/main/scripts/install-tui.sh)，Windows 用 PowerShell 版安装脚本，或者直接 npm install -g tianshu-harness。
• 从旧包 tianshu-tui 迁移时需要先卸再装：npm uninstall -g tianshu-tui && npm install -g tianshu-harness。旧包占着 rivet 命令链接，直接装会报 EEXIST。
• 模型侧要备一个服务商的 API Key，首次运行在 /connect 向导里粘贴。

跑起来

1. 按上面的方式装好桌面端或 CLI。
2. 终端执行 tianshu，看到 〉 提示符即就绪；首次运行会自动打开 /connect 向导，选服务商并粘贴 API Key。
3. 先给一个只读任务认项目：阅读这个项目，告诉我它的结构、入口在哪、以及一处最值得改进的地方。
4. 确认读得准，再给多步任务：修复这个项目里第一个失败的测试，并说明根因。它会自己 grep、读文件、改代码、跑测试。
5. 要接脚本或 CI，走无界面模式：tianshu -p "解释 src/agent/loop.ts"，或 tianshu --stream-json -p "重构这个模块" 输出 NDJSON 事件流，也可以用 tianshu --goal "修复所有类型错误" --budget 50。

默认权限档是「自动」：低风险动作直接执行，高风险动作会停下来问。CLI 主命令是 tianshu，rivet 作为兼容别名保留，指向同一入口，数据目录仍是 ~/.rivet。

输出是什么

收尾时运行时会调用 deliver_task，输出一块交付报告：交付门状态（GREEN / YELLOW / RED）、本次改动的文件、跑过的验证、逐条完成度审计。没有证据的收尾会被门禁拦下，这是判断本次会话靠不靠谱的第一处。

输入 /cockpit 打开驾驶舱，也可以从 Ctrl+P 命令面板进。面板分别是 /cockpit verify（已验证 / 未验证 / 失败 / 受阻，以及跑过哪些命令、影响面多大）、/cockpit advisory（运行时提醒的累计渲染、采纳、忽略与效果增益）、/cockpit model（缓存命中率、输入输出 tokens、本轮成本）、/cockpit safety（风险等级与空转检测）。不带参数是总览，/cockpit off 关闭。

运行时的每次拦截逐条写进会话目录里的 sensorium.jsonl，用 tianshu logs 可以列出数据根与各日志路径。台账默认只写轻量行，要看全量拦截记录，启动前设 RIVET_DEBUG_TELEMETRY=1。

先说它做不到什么

• macOS 安装包目前是 ad-hoc 签名，没有 Apple 公证，从浏览器下载后被 Gatekeeper 拦截属于预期行为。拖进「应用程序」后要执行一次 xattr -cr /Applications/Tianshu.app，应用内自动更新不受这条影响。
• Windows 安装包未做 Authenticode 签名，SmartScreen 可能拦截，需要手动选择仍要运行。
• Linux 版本要 glibc ≥ 2.35，Wayland 尚未验证，官方推荐 X11 会话。
• Issue 区里的记录集中在平台适配上：Windows + Git Bash 下 bash 超时后后台孙进程未被 taskkill /T 杀死、Windows 上全量 npm test 跑不干净（12340 条用例中 110 条失败）、Windows 桌面端调用子进程时黑框一闪而过。这几条的当前状态是已解决，说明跨平台细节曾经是薄弱面。

适合长期跑多步编码任务、在意「改完了有没有证据」的开发者，也适合已经在用 DeepSeek V4、想在终端和桌面之间共用一套内核的人。只偶尔问几句代码问题的轻度用户要掂量安装门槛；不接受未签名安装包的环境，则更适合直接从源码构建。仓库地址是 https://github.com/huiliyi37/Tianshu-harness，采用 Apache-2.0 许可证，主要语言是 TypeScript，当前 1074 Star、75 Fork、24 个开放 Issue。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.5 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。