自进化的起点不是模型变聪明，是模型开始改承载自己运行的系统。这是Harness系列第5篇，前四篇讲了是什么、怎么拆、怎么转、怎么提分，这篇讲它自己改自己。

第2篇埋了个伏笔：DSH的目标用户可能从开发者走向Agent。当时一笔带过，这篇展开。因为这是整个系列最值得认真对待的一篇。

前四篇讲怎么搭，这篇讲它自己改自己

进化有个阶梯。最早是改提示词，调调措辞换换例子。然后是改工作流，搜一搜哪种流程分高。再往上是改脚手架代码，重构承载任务的支架。到顶是端到端改完整Harness：模型不再只是在给定系统里完成任务，而是开始分析并修改承载自身运行的系统。

DSH发布的是可以热重载的壳，并且设计成适合Agent自己去修改、进化的形态。这个发布思路很有野心：没去和成品工具卷产品，而是延续一贯的思路，开源加基础设施化。开源是把每一层都拆开，允许社区一起优化。基础设施化提高了使用门槛，避免项目复杂度膨胀到无法维护。

三层理解里，第三层就是为进化准备的：底层的元框架，让插件真正做到热重载、自由组合、彻底遗忘和删除。壳成了可以修改、可以换部件的对象。下一代Agent会在长任务里一边执行，一边更换支撑自身运行的部件，就像一艘持续航行的忒修斯之船。

别再只让它干活，让它改承载自己的系统

有个对比很说明问题。一家为当前范式做最好的产品，目标最有效、最简单。一家押注下一个范式，把替换、组合、撤销作为首要假设来设计。前者研究壳本身的能力，后者研究壳的可塑性。

可塑性这个问题更接近元框架：壳是流动的，一直会被模型内化和重写，最重要的是怎么高效地修改、替换、撤销其中的组件变化。DSH的插件不好直接类比外部工具，它更像是把钩子、外部工具、子Agent和内部核心循环统一成了一种机制。解决的是动态组合问题，让组件在依赖出现消失时重组，卸载时撤回副作用。

Creator模式是这个方向的第一个入口：指导Agent检查当前运行时、试验插件、创作新的预设。虽然还不是自进化系统，但能收集用来学习自进化的数据。官方同时鼓励社区创建分发第三方插件，这个模式可能成为插件生态的创作入口。

自进化到底缺什么，评测先行吗？

DSH给了自我修改的底座，但距离真正的自进化还缺一个完整的学习闭环：需要有学习循环来提出修改，需要有评估来验证修改有效。因此当前其实是第一步，自身拆成可定位、可替换的组件。

缺评估这件事，人大的一篇论文补上了。它面向模型自主改进壳的新兴能力，建立统一评测框架。要可靠地评测，至少解决三个问题。

第一，任务必须真正对壳的变化敏感。如果表现主要由基础模型能力决定，分数变化就不能算进化的证据。第二，验证集和评估集不仅要样本互斥，还要对壳变化表现出一致的响应分布。不然观测到的提升可能只是对验证集的过拟合，不是可泛化的改进。第三，进化是包含复杂轨迹分析与持续决策的长程过程，评测必须覆盖长程，不能只看单步。

这三个问题翻译成大白话：改了壳分数真动了吗，换个任务还灵吗，跑得久了还稳吗。说到底，没有评测的进化是自嗨，有了统一基准，进化才有刻度。

底座有了，但学习闭环还没闭上

模型侧也在进化。有实测把新版进化模型从开发、多模态到超长技能全测了一遍，编码、搜索、工具调用全面增强。壳进化加速模型迭代，模型增强又反哺壳的进化。这是个双螺旋，不是一条单行线。

但别被热闹带偏。真正的自进化需要闭环：跑任务、攒轨迹、分析失败、提出修改、验证有效、合入系统，再跑下一轮。现在的DSH走完了前半段：壳可拆、可换、可热重载。后半段的学习循环和评估基准，论文刚刚给出刻度，工程落地还早。

我给这个阶段的定位是：底座就绪，刻度就位，闭环在途。押注自进化方向没错，但别把第一步当成终点。

从改任务到改自己，其实只差两样东西

一样是学习循环，另一样是评估基准。学习循环回答怎么改，评估基准回答改得好不好。两样齐了，进化才转得起来。

有意思的是，这两样都不在模型里，在壳里。怎么收集轨迹、怎么分析失败、怎么构造候选修改、跑什么基准验证，全是Harness的活。模型的角色是提议和执行，壳的角色是记忆、评判和拍板。系列第1篇的公式在这里有了新解：模型负责想，壳负责剩下的一切，进化也不例外。

还有个细节：彻底的遗忘和删除。进化不只是增加，也是削减。Cordis 插件卸载时撤回副作用，失败的修改能干净回滚，没有残留。删得干净，进化才敢大胆改。删不干净，系统只会越来越臃肿。

动手入口：先跑通一次完整闭环

光说明白不够，得动手。有份保姆级教程目标很明确：照做一遍走通装、配、跑、写插件、加载、批处理的完整闭环。

先搞清几个词：插件是能力单元， profile是具名组合，bundle是分发包，patch是改插一行的配置文件。想给某个会话换一套能力，挂个插件在旁边就行，不用动源码。

环境要新版运行时加包管理器，加官方模型的密钥。版本还是开发者预览，官方明示未来会有破坏兼容的变更。现在入场就是早期 adopters 的位置：能玩，但别在生产要害上 All in。

我的建议分三步。第一步，跑通Creator模式，亲手改一次运行时，感受壳是可塑的。第二步，给自己的高频任务写一个专属插件，体会组合的自由度。第三步，关注进化评测的进展，刻度有了再谈闭环。关键在于，进化不是等来的，是先把壳拆开、再让数据回流，一步步搭出来的。

判断很简单：别问模型什么时候觉醒，问你的壳能不能被改、敢不敢改、改完能不能验。