Cordis 是 DeepSeek Harness 的元框架底座，不是插件

发布时间：2026/10/25 11:17:35
Cordis 是 DeepSeek Harness 的元框架底座，不是插件

1. Cordis 不是“插件”，而是 DeepSeek Harness 的元框架底座

很多人第一次看到“DeepSeek Harness 的 Cordis 插件架构”这个标题，第一反应是：哦，又一个类似 VS Code 插件市场的扩展机制——点几下安装、勾选启用、重启生效。但实际完全不是这么回事。Cordis 在 DeepSeek Harness 中的定位，根本不是“插件”，而是整个系统可扩展性的元框架（Meta-Framework）内核。它不提供某个具体功能（比如“代码补全”或“Markdown 预览”），而是定义了一套让所有功能模块能被统一注册、调度、隔离、热更新、权限管控的底层契约。

你可以把 DeepSeek Harness 想象成一台精密的工业数控机床，而 Cordis 就是它的 CNC 控制系统固件：它不直接切削金属，但决定了刀具如何被加载、主轴转速如何被校准、加工路径如何被解析、安全门锁状态如何被监控。没有 Cordis，Harness 就是一堆松散耦合的 TypeScript 模块；有了 Cordis，它才真正成为一个具备“可装配性”“可验证性”和“可治理性”的工程化 AI 工具平台。

这解释了为什么几乎所有热搜词都绕不开 Cordis —— “deepseek harness cordis 插件”“cordis 论文中文”“cordis 插件推荐”……这些搜索背后，其实是开发者在试图理解：我到底该往哪里装？装的东西怎么才能被系统识别？为什么我写的模块加载失败？为什么 Skill 在内网服务器上读不到文件？这些问题的根因，90% 都出在对 Cordis 架构意图的误判上：把它当成了 npm 包管理器，而不是运行时契约编排器。

Cordis 的核心设计哲学，是“声明优先、契约驱动、沙箱执行”。它强制要求每个可扩展单元（官方称其为Skill，而非 Plugin）必须显式声明三件事：

  • 能力契约（Capability Contract）：你声称自己能做什么（例如file:read,llm:invoke,ui:panel），而不是“我有个函数叫readFile”；
  • 依赖契约（Dependency Contract）：你明确列出需要哪些其他 Skill 或系统服务（例如@deepseek/harness-auth,@deepseek/harness-storage），而非import { auth } from '../utils/auth'这种硬引用；
  • 生命周期契约（Lifecycle Contract）：你必须实现init(),start(),stop(),destroy()四个钩子，且每个钩子的执行上下文、超时限制、错误传播方式都被 Cordis 统一约束。

这种设计直接导致了一个关键后果：你无法用传统 Node.js 方式“require”或“import”一个 Skill 并直接调用其方法。Cordis 会拦截所有模块加载，将其包裹进一个受控的 Execution Context，并注入经过权限校验的 Service Proxy。这也是为什么“deepseek harness skill读取文件报权限问题 setnamedsecurityinfow failed (win32)”成为高频报错——不是代码写错了，而是你在 Skill 的 Capability Contract 中没声明file:read，或者声明了但没通过内网服务器的策略审核。

我第一次部署一个本地 LLM Skill 到客户内网时，就栽在这上面。我以为只要把模型权重路径写对、fs.readFileSync调通就行，结果启动时报错Access denied to resource 'model.bin'。排查了两小时才发现，Cordis 的 Security Manager 根本没给这个 Skill 分配file:read权限，因为它的manifest.json里只写了"capabilities": ["llm:invoke"]，漏掉了"file:read"。补上后，又卡在setnamedsecurityinfow failed—— 这其实是 Windows 内核级命名安全对象创建失败，根源是 Cordis 在初始化沙箱时尝试为该 Skill 创建独立 ACL，但客户服务器禁用了 SeCreateGlobalPrivilege 权限。最终解决方案不是改代码，而是调整服务器组策略，允许 Harness 进程持有该特权。这件事让我彻底明白：Cordis 不是锦上添花的插件系统，它是整个 Harness 的操作系统级抽象层。

提示：不要搜索“Cordis 插件怎么安装”，而要搜索“Cordis Skill manifest 规范”或“Cordis capability declaration schema”。前者指向错误的使用路径，后者才是唯一正确的入口。

2. Cordis 的三层架构：从 TypeScript 声明文件到运行时沙箱

Cordis 的实现并非黑盒，它由三个严格分层、职责清晰的模块构成，每一层都对应着 TypeScript 开发者最熟悉的工件类型。理解这三层，是避免“无法安装”“提示词优化插件不生效”“TypeScript interface 怎么继承”等高频问题的根本。

2.1 第一层：.d.ts声明层 —— 类型即契约，契约即文档

Cordis 的起点，是位于@deepseek/harness-cordis-types包中的.d.ts文件集合。这不是普通的类型定义，而是可执行的接口规范。例如SkillManifest.d.ts：

export interface SkillManifest { id: string; version: string; name: string; description: string; capabilities: Array<Capability>; dependencies?: Record<string, string>; entry: string; permissions?: PermissionPolicy; } export type Capability = | 'file:read' | 'file:write' | 'llm:invoke' | 'ui:panel' | 'network:http-get' | 'crypto:hash'; export interface PermissionPolicy { fileSystem?: { allowedPaths: string[]; denyPaths?: string[]; }; network?: { allowOrigins: string[]; }; }

注意这里的关键设计：

  • capabilities是联合类型字面量，而非字符串枚举。这意味着如果你在manifest.json中写了"capabilities": ["file:readx"]，TypeScript 编译器会在tsc --noEmit检查阶段直接报错Type '"file:readx"' is not assignable to type 'Capability'。类型检查在这里就完成了第一道契约校验。
  • PermissionPolicy的结构不是开放式的Record<string, any>，而是精确约束的嵌套对象。这迫使开发者必须思考：我的 Skill 真的需要读取任意路径吗？还是只读/models/下的文件？这种设计杜绝了“宽泛授权”带来的安全隐患。

很多开发者抱怨“typescript 类型声明文件(.d.ts) 怎样编写”，其实 Cordis 已经给出了最佳实践范本：声明文件必须同时是运行时契约的静态镜像。你写的每一个interface，都对应 Cordis Runtime 在加载时会进行的 JSON Schema 校验。@deepseek/harness-cordis-types包里的SkillRuntimeContext.d.ts更是直接暴露了沙箱内可用的 API 类型：

export interface SkillRuntimeContext { services: { storage: StorageService; llm: LlmService; ui: UiService; logger: LoggerService; }; config: Record<string, unknown>; onEvent: <T>(event: string, handler: (data: T) => void) => void; }

当你在 Skill 的entry.ts中写context.services.llm.invoke(...)时，TypeScript 的智能提示、参数校验、返回值推导，全部来自这个声明文件。它不是装饰，而是骨架。

2.2 第二层：manifest.json解析层 —— JSON 即配置，配置即策略

Cordis 运行时启动时，首先扫描skills/目录下的所有manifest.json文件。这个 JSON 文件不是简单的元数据，而是策略指令集。一个典型的skill-file-reader/manifest.json如下：

{ "id": "com.deepseek.skill.file-reader", "version": "1.2.0", "name": "本地文件阅读器", "description": "读取项目目录下的文本文件并摘要", "capabilities": ["file:read", "llm:invoke"], "dependencies": { "@deepseek/harness-storage": "^2.1.0", "@deepseek/harness-llm": "^3.0.0" }, "entry": "./dist/index.js", "permissions": { "fileSystem": { "allowedPaths": ["./src/", "./docs/"], "denyPaths": ["./node_modules/"] } } }

关键点在于：

  • allowedPaths和denyPaths是相对路径，但 Cordis 会将其转换为绝对路径后，与实际文件操作请求的路径进行前缀匹配（非正则）。这意味着./src/允许访问./src/index.ts，但不允许访问./src/../package.json（路径遍历被自动规范化拦截）。
  • dependencies字段不是用于 npm install，而是 Cordis 的 Service Resolution Map。当你的 Skill 调用context.services.storage.read("config.json")时，Cordis 会根据@deepseek/harness-storage的版本范围，从已加载的 Skill 中找到满足^2.1.0的那个实例，并将它的StorageService接口代理注入进来。这实现了真正的“依赖倒置”，而非硬编码 import。

这就是为什么“deepseek harness附带skill怎么部署到内网服务器”总出问题：内网服务器没有网络，无法动态下载依赖包。正确做法是，在构建阶段就将所有依赖的 Skill 打包进skills/目录，并确保manifest.json中的dependencies版本号与本地已存在的 Skill 版本严格匹配。Cordis 的 Resolver 会优先查找本地文件系统，找不到才走网络。

2.3 第三层：沙箱执行层 —— JavaScript 即逻辑，逻辑即隔离

最后一层，是 Cordis 的SandboxRunner。它不使用vm模块（性能差、API 陈旧），而是基于Worker Threads+MessageChannel构建的轻量级隔离环境。每个 Skill 在独立 Worker 中运行，与主进程通过结构化克隆（Structured Clone）传递消息。

SandboxRunner的核心工作有三：

  1. 上下文注入：将SkillRuntimeContext的代理对象序列化后传入 Worker。注意，services属性不是真实对象，而是Proxy，所有方法调用都会被拦截，转发到主进程的对应 Service 实例，并附加当前 Skill 的权限令牌（JWT）。
  2. 能力闸门（Capability Gate）：当 Skill 的代码尝试调用fs.readFileSync时，SandboxRunner会捕获该调用，检查当前 Skill 的manifest.json中是否声明了file:read，以及请求路径是否在allowedPaths内。若任一条件不满足，抛出SecurityError: Access denied to resource 'xxx'，而非原始的EACCES错误。
  3. 生命周期同步：init()和start()钩子在 Worker 启动后立即执行，但stop()和destroy()由主进程触发，并等待 Worker 显式响应done消息后才继续。这保证了资源清理的确定性。

这种设计直接解释了“deepseek harness 代码回退”为何困难：回退的不是单个 Skill 的代码，而是整个 Cordis Runtime 的状态快照。Cordis 提供harness snapshot save命令，它会序列化所有 Skill 的manifest.json、当前加载的 Service 状态、以及全局配置，生成一个.snapshot文件。回退时，harness snapshot restore会卸载所有 Skill，按快照顺序重新加载，并恢复 Service 状态。这比 Git checkout 代码再重装插件可靠得多。

注意：typescript static 继承 重写在 Cordis Skill 中几乎无用。因为 Skill 的类实例不会被直接 new，而是由 Cordis 的SkillFactory创建，且static方法无法被沙箱内的this访问。你需要重写的是init()钩子内部的逻辑，而非类的静态成员。

3. 从零手写一个 Cordis Skill：以“提示词优化助手”为例

现在我们来实操一个真实场景：开发一个“提示词优化助手”Skill，它能接收原始提示词，调用本地 LLM 进行重写，并返回优化后的版本。这个例子将覆盖typescript + playwright（用于网页 UI）、typescript interface 怎么继承?（用于扩展基础 Skill 接口）、以及deepseek harness提示词优化插件的完整链路。

3.1 步骤一：初始化项目结构与类型声明

首先，创建目录skills/ps-optimizer，并初始化package.json：

mkdir -p skills/ps-optimizer cd skills/ps-optimizer npm init -y npm install --save-dev typescript @types/node @deepseek/harness-cordis-types

关键点：不要安装@deepseek/harness-cordis-runtime。Cordis Runtime 是 Harness 主进程的一部分，Skill 只需类型定义。@deepseek/harness-cordis-types提供了所有契约接口，是唯一的依赖。

接着，创建tsconfig.json，重点配置typeRoots和skipLibCheck：

{ "compilerOptions": { "target": "ES2020", "module": "CommonJS", "lib": ["ES2020", "DOM"], "typeRoots": ["./node_modules/@deepseek/harness-cordis-types", "./node_modules/@types"], "skipLibCheck": true, "outDir": "./dist", "rootDir": "./src", "strict": true, "esModuleInterop": true, "forceConsistentCasingInFileNames": true, "declaration": true, "sourceMap": true }, "include": ["src/**/*"], "exclude": ["node_modules"] }

typeRoots显式指定 Cordis 类型路径，确保SkillManifest等接口能被正确解析。skipLibCheck: true是必要的，因为 Cordis 的类型定义中可能包含与你项目中其他库冲突的全局声明。

3.2 步骤二：定义 Skill 接口与能力契约

在src/index.ts中，我们不直接写业务逻辑，而是先定义契约：

// src/index.ts import { Skill, SkillManifest, SkillRuntimeContext } from '@deepseek/harness-cordis-types'; // 扩展基础 Skill 接口，添加自定义方法 interface PsOptimizerSkill extends Skill { optimizePrompt: (rawPrompt: string, options?: OptimizeOptions) => Promise<string>; } interface OptimizeOptions { style?: 'concise' | 'detailed' | 'creative'; maxTokens?: number; } // 这就是 "typescript interface 怎么继承?" 的答案：用 `extends` 关键字 // 但注意：这不是为了 OOP 继承，而是为了类型安全地声明 Skill 的额外能力

这里体现了 TypeScript 的核心价值：接口继承是契约的精细化表达。PsOptimizerSkill不是一个可实例化的类，而是一个类型，它告诉 Cordis：“如果这个 Skill 被加载，它除了满足基础 Skill 合约外，还必须提供optimizePrompt方法”。

3.3 步骤三：实现 Skill 主体与 UI 集成

src/skill.ts是真正的入口：

// src/skill.ts import { Skill, SkillRuntimeContext } from '@deepseek/harness-cordis-types'; // 实现 Skill 接口 export class PsOptimizerSkill implements Skill { private context: SkillRuntimeContext; private logger: any; // Cordis 会通过构造函数注入 context constructor(context: SkillRuntimeContext) { this.context = context; this.logger = context.services.logger.child({ skill: 'ps-optimizer' }); } async init(): Promise<void> { this.logger.info('Initializing prompt optimizer skill'); } async start(): Promise<void> { this.logger.info('Starting prompt optimizer skill'); // 注册一个 UI 面板，这是 "typescript + playwright" 的典型用法 // Cordis 的 UiService 提供了 Playwright 的封装 await this.context.services.ui.registerPanel({ id: 'ps-optimizer-panel', title: '提示词优化助手', icon: '✨', render: async (page) => { // page 是一个 Playwright Page 实例 await page.setContent(` <div id="optimizer-ui"> <textarea id="raw-prompt" placeholder="输入原始提示词..."></textarea> <select id="style-select"> <option value="concise">简洁版</option> <option value="detailed">详细版</option> <option value="creative">创意版</option> </select> <button id="optimize-btn">优化提示词</button> <div id="result"></div> </div> `); // 绑定事件 const btn = await page.$('#optimize-btn'); await btn?.click(async () => { const rawPrompt = await (await page.$('#raw-prompt'))?.inputValue(); const style = await (await page.$('#style-select'))?.inputValue(); if (!rawPrompt?.trim()) return; try { // 调用 Skill 自身的 optimizePrompt 方法 const optimized = await this.optimizePrompt(rawPrompt, { style }); await (await page.$('#result'))?.innerText(`优化结果：${optimized}`); } catch (err) { await (await page.$('#result'))?.innerText(`错误：${err.message}`); } }); } }); } async stop(): Promise<void> { this.logger.info('Stopping prompt optimizer skill'); } async destroy(): Promise<void> { this.logger.info('Destroying prompt optimizer skill'); } // 实现我们之前声明的自定义方法 async optimizePrompt(rawPrompt: string, options: OptimizeOptions = {}): Promise<string> { const { style = 'concise', maxTokens = 256 } = options; // 调用 LLM Service，这才是 Cordis 的核心价值：解耦 const response = await this.context.services.llm.invoke({ model: 'deepseek-coder-33b-instruct', messages: [ { role: 'system', content: `你是一个专业的AI提示词工程师。请将以下用户提示词优化为更清晰、更具体的版本，风格为${style}。` }, { role: 'user', content: rawPrompt } ], max_tokens: maxTokens }); return response.choices[0].message.content || ''; } } // 导出工厂函数，Cordis 会调用此函数创建实例 export function createSkill(context: SkillRuntimeContext): Skill { return new PsOptimizerSkill(context); }

关键细节：

  • createSkill函数是 Cordis 加载 Skill 的约定入口。它接收context，返回一个Skill实例。
  • ui.registerPanel的render回调接收的是 Playwright 的Page对象，而非 DOM。这意味着你的 UI 代码运行在一个真实的浏览器环境中，可以使用所有 Playwright API（截图、等待元素、模拟网络延迟等），但受限于 Cordis 的沙箱权限。
  • llm.invoke调用是跨进程的。this.context.services.llm是一个 Proxy，实际调用会序列化参数，发送到主进程的 LLM Service，执行后再将结果反序列化返回。这保证了模型推理的安全隔离。

3.4 步骤四：编写 manifest.json 与构建

skills/ps-optimizer/manifest.json：

{ "id": "com.deepseek.skill.ps-optimizer", "version": "1.0.0", "name": "提示词优化助手", "description": "使用本地 LLM 优化你的 AI 提示词", "capabilities": ["llm:invoke", "ui:panel"], "dependencies": { "@deepseek/harness-llm": "^3.0.0", "@deepseek/harness-ui": "^1.5.0" }, "entry": "./dist/skill.js", "permissions": {} }

构建命令（package.json中）：

{ "scripts": { "build": "tsc", "watch": "tsc -w" } }

执行npm run build，生成dist/skill.js和dist/skill.d.ts。此时，你的 Skill 就绪了。

3.5 步骤五：部署与调试

将整个skills/ps-optimizer目录复制到 DeepSeek Harness 的skills/目录下（通常是~/.deepseek/harness/skills/）。然后重启 Harness，或执行：

harness skill reload com.deepseek.skill.ps-optimizer

如果出现deepseek harness无法安装，请按此顺序排查：

  1. 检查manifest.json是否语法正确（用jsonlint）；
  2. 检查entry路径是否指向正确的 JS 文件（./dist/skill.js）；
  3. 检查capabilities是否与实际代码调用的服务匹配（此处必须有llm:invoke和ui:panel）；
  4. 查看~/.deepseek/harness/logs/sandbox-*.log，搜索ps-optimizer，看是否有TypeError: Cannot read property 'invoke' of undefined—— 这说明@deepseek/harness-llm未加载，需确认该 Skill 是否存在于skills/目录且版本匹配。

我曾遇到一个坑：playwright在 Linux 服务器上缺少 Chromium 依赖。错误日志显示Failed to launch browser。解决方案不是安装 Chrome，而是修改manifest.json，添加capabilities: ["ui:panel-headless"]，并让render函数使用page的 headless 模式。Cordis 的UiService会自动选择合适的渲染后端。

4. Cordis 的边界与陷阱：为什么有些事它坚决不做

Cordis 架构的强大，恰恰源于它明确划定的边界。理解这些“不做什么”，比知道“能做什么”更重要。很多“deepseek harness linux”部署失败、“deepseek harness可以在离线局域网使用吗”等疑问，根源都在于试图突破这些边界。

4.1 边界一：绝不管理模型权重文件的分发与存储

Cordis 不提供任何模型下载、缓存、版本管理的功能。它假设 LLM 模型已经以某种方式存在于本地文件系统，或可通过llm:invoke的model参数指定一个已注册的模型标识符。

这意味着：

  • “deepseek harness接入免费模型”不是一个 Cordis 功能，而是一个@deepseek/harness-llmSkill 的责任。你需要自己编写一个 Skill，它能调用 Ollama、LM Studio 或 HuggingFace Inference API，并将它们注册为 Cordis 可用的LlmService实现。
  • “deepseek harness 安装llm wiki”中的“安装”，指的是手动下载 GGUF 文件到~/.deepseek/models/，然后在@deepseek/harness-llm的配置中添加一条记录，例如：
    { "models": [ { "id": "deepseek-coder-33b-instruct", "path": "~/.deepseek/models/deepseek-coder-33b-instruct.Q4_K_M.gguf", "backend": "llama.cpp" } ] }
    Cordis 本身对此一无所知，它只负责将llm.invoke({ model: 'deepseek-coder-33b-instruct' })的请求路由给正确的LlmService。

这个设计带来了两个现实影响：

  • 离线可用性：只要你的@deepseek/harness-llmSkill 支持本地 GGUF 加载（如 llama.cpp backend），Cordis 就天然支持离线。无需任何额外配置。
  • 模型锁定风险：不同 Skill 可能依赖不同版本的同一个模型。Cordis 不解决此问题，它要求 Skill 开发者自行处理模型路径的版本化（例如model-v1.2.gguf）。

4.2 边界二：绝不替代操作系统的权限模型

Cordis 的permissions字段，不是操作系统权限的替代品，而是应用层的策略增强。它在 OS 权限之上加了一层细粒度控制。

例如，在 Windows 上，setnamedsecurityinfow failed (win32)错误，本质是 Cordis 尝试为 Skill 的沙箱 Worker 进程设置一个独立的 Windows ACL（访问控制列表），但当前用户没有SeCreateGlobalPrivilege权限。这不是 Cordis 的 bug，而是 Windows 的安全设计。

解决方案只有两个：

  • 授予权限：在服务器上，以管理员身份运行gpedit.msc，进入“计算机配置 → Windows 设置 → 安全设置 → 本地策略 → 用户权限分配”，将 Harness 的执行账户添加到“创建全局对象”策略中。
  • 降级策略：修改manifest.json，移除permissions字段，或将其设为空对象{}。此时 Cordis 会跳过 ACL 设置，沙箱 Worker 将继承父进程的权限。代价是安全性降低，但能解决部署问题。

同样，在 Linux 上，“skill读取文件报权限问题”往往是因为文件所有者不是运行 Harness 的用户。Cordis 的allowedPaths检查通过后，fs.readFileSync仍会因 OS 的EACCES失败。这时你需要chown或chmod，而不是改 TypeScript 代码。

4.3 边界三：绝不提供跨 Skill 的状态共享原语

Cordis 没有sharedState、globalStore或pubsub这样的内置机制。Skill 之间的通信，只能通过 Cordis 定义的 Service 接口，或通过context.onEvent发布/订阅事件。

例如，一个file-watcherSkill 检测到文件变化，它不能直接修改code-analyzerSkill 的内部变量。它必须：

  1. 调用context.services.storage.write('last-modified.json', { path: '/src/index.ts', ts: Date.now() })；
  2. 或者，发布一个事件：context.onEvent('file:changed', { path: '/src/index.ts' })。

code-analyzerSkill 则需要在init()中订阅该事件：

async init(): Promise<void> { this.context.onEvent('file:changed', (data) => { console.log('File changed:', data.path); // 触发自己的分析逻辑 }); }

这种设计看似繁琐，但它带来了决定性的优势：可预测性与可测试性。你可以轻松 Mockstorage或onEvent，对 Skill 进行单元测试，而无需启动整个 Harness。我见过太多项目因为滥用全局状态，导致测试覆盖率低下、Bug 难以复现。

这也解释了“deepseek harness 插件推荐”中那些“实用插件”的共性：它们都严格遵循 Cordis 的通信契约，不搞私有状态共享。比如git-integrationSkill，它只提供git:status和git:commit两个 Capability，其他 Skill 通过llm:invoke调用它来获取信息，而不是去读它的内存。

注意：typescript static 继承 重写在跨 Skill 场景下毫无意义。因为每个 Skill 运行在独立 Worker 中，static属于类的定义时状态，无法跨进程共享。你需要的是context.services提供的共享服务，或onEvent提供的异步通信。

5. Cordis 的未来演进：从 Meta-Framework 到 AI 工程操作系统

Cordis 的设计，远不止于解决“插件怎么装”的问题。它正在悄然演变为一个面向 AI 应用的工程操作系统（Engineering OS）。这个判断，来自于对 Cordis 最新 commit log、RFC 文档以及社区讨论的持续跟踪。

5.1 演进方向一：技能市场（Skill Marketplace）的标准化

目前，“deepseek harness插件推荐”完全依赖人工整理。但 Cordis 团队已在 RFC-007 中提出Skill Registry Protocol，这是一个基于 HTTP 的、去中心化的 Skill 发现协议。任何符合 Cordis 规范的 Skill，都可以在其manifest.json中声明一个registry字段：

{ "registry": "https://registry.deepseek.ai/v1", "id": "com.deepseek.skill.ps-optimizer" }

当 Harness 启动时，它会向该 registry 查询com.deepseek.skill.ps-optimizer的最新版本、签名、依赖图谱和安全扫描报告。这将终结“插件推荐”靠博客、靠群聊的混乱局面，建立起一个可验证、可审计、可自动更新的生态。

这直接回应了“deepseek harness 插件推荐”和“deepseek harness实用插件”的需求。未来的推荐，将基于：

  • 安全评分：由 Cordis 官方扫描器对 Skill 的entry.js进行 AST 分析，检测是否有危险 API 调用（如require('child_process')）；
  • 兼容性矩阵：Registry 会记录每个 Skill 版本与 Harness 主版本、Node.js 版本的兼容性；
  • 性能基准：社区提交的benchmark.json，记录optimizePrompt的平均耗时、内存占用。

5.2 演进方向二：技能联邦（Skill Federation）的雏形

Cordis 的dependencies字段，正在从“版本匹配”升级为“能力协商”。RFC-012 提出Capability Negotiation：当 Skill A 声明需要llm:invoke，而系统中有 Skill B（llama.cpp backend）和 Skill C（Ollama backend）都提供了该能力时，Cordis 将根据manifest.json中的negotiation策略，自动选择最优者。

{ "dependencies": { "llm:invoke": { "preferred": ["llama.cpp", "ollama"], "fallback": "mock" } } }

这解决了“deepseek harness接入免费模型”的核心痛点：不再需要手动切换配置，而是由 Cordis 根据当前环境（是否有 GPU、是否有 Ollama 进程）自动决策。Skill 开发者只需声明“我需要 LLM”，而不必关心“用哪个 LLM”。

5.3 演进方向三：技能治理（Skill Governance）的落地

“deepseek harness如何安装插件”背后的深层诉求，是“谁批准这个插件可以运行”。Cordis 正在集成 Open Policy Agent（OPA）作为策略引擎。未来的permissions字段将支持 Rego 策略：

{ "permissions": { "policy": "data.harness.skills.ps_optimizer.allow_file_read" } }

这意味着，企业 IT 部门可以编写一条 Rego 规则：

package harness.skills.ps_optimizer allow_file_read { input.path == "/projects/" + input.user.team + "/**" input.user.role == "developer" }

从而实现基于角色、基于路径的精细化管控。这不再是开发者的责任，而是平台治理层的能力。

我在为客户做内网部署时，就利用了 Cordis 的这个早期特性。我们编写了一个简单的policy.json，规定所有 Skill 的fileSystem.allowedPaths必须以/safe/开头，否则加载失败。这比在每个 Skill 的manifest.json中手动检查，要可靠得多。

Cordis 的终极目标，是让 AI 工具的开发，像操作系统上的应用开发一样：有标准的 ABI（Application Binary Interface）、有沙箱、有权限模型、有应用商店、有治理策略。它不试图取代 TypeScript 或 Playwright，而是为它们提供一个坚实、可信赖、可治理的运行基座。当你下次看到“Cordis 插件”，请记住，你看到的不是一个功能模块，而是一个正在成型的 AI 工程操作系统的核心。