DeepSeek研究员自研框架：一份Markdown让AI独立工作72小时不崩溃
alitrack约 5 分钟【门检】判断：AI 生成文本 | 证据：句式均质化（多段20-25字句子）、「带你看透」「从这份框架里拿走」等 guide 式预设结构
做过长任务AI Agent的人都懂那种痛：任务跑了两天，回来一看——要么原地打转，要么静默卡死，要么会话崩了、进度清零。
DeepSeek核心研究员陈德里（Deli Chen）没写论文论证这些痛，他直接把自己踩过的坑写成了一份规范——Deli_AutoResearch。整套东西只有一个文件，SKILL.md，零依赖，直接当大模型的系统提示词用。
● ● ●
一份Markdown，三个致命问题
陈德里从大量实战里归纳出长周期Agent的三个死法：
认知循环。 Agent反复做相似操作，收益递减，自己跳不出来。就像调参调到第10轮还在±0.1的精度上打转。
静默停滞。 完成一个阶段后输出总结，然后等人反馈。从外面看会话还活着，实际工作已经停了——比崩溃常见得多。
运行时脆弱。 上下文压缩静默断掉循环，关闭会话干掉寄生在它上面的定时器。挂了你都不知道。
这三个问题不是模型不够聪明，是缺工程脚手架。框架里的每个机制都在打它们。
● ● ●
协议，不是代码
Deli_AutoResearch不提供能跑的Python或JS。它是一套通用协议——怎么持久化状态、怎么检测卡点、怎么分层守护、怎么约束Agent行为。
两种用法：直接当系统提示词灌给Agent，或者任何框架按这个协议自己实现。
● ● ●
五条硬约束，每条都翻过车
① 零交互。 运行期间不问用户。歧义自己解决，推理记在log里。
② 就绪即执行。 准备完就直接干。最常见的翻车姿势：一切就绪后问一句"要不要提交？"
③ 回调即报活。 上下文压缩后循环会静默死掉。每个callback第一步先更新存活时间戳，检测到挂了立刻重启。
④ 状态落盘。 进度写文件，不靠会话记忆。每次迭代开全新会话——上下文累积是认知循环的根因。
⑤ 监护分离。 心跳巡逻对不归自己管的task只做三件事：存活检查、重启、轻推。不读数据、不改状态、不替它汇报。
● ● ●
三层心跳 + 强制转向
┌── Orchestrator ──────────────┐
│ 监控state文件 → 检测卡点 │
│ → 注入新方向 │
└────┬───────┬───────┬─────────┘
[Task A] [Task B] [Task C]
↑ 每个都是全新session
三个设计决定：执行和评估分开（干活的人不评判自己）、每次迭代开新会话（上下文积累会让人变蠢）、新方向必须和历史所有方向不同（强制跳出局部最优）。
心跳看门狗三层互检：L0是shell守护，不依赖任何session；L1是每小时跑一次的定时任务；L2是业务循环自己的存活上报。哪层挂了都能被别层发现并拉回来。
卡点检测做得实际：一轮0新发现或指标掉→stale数+1。stale≥2→改结构性约束而不是调参数。stale≥4→标记需人工。连续3次轻推没动静→判定结构性卡死，不推了，换方向。
陈德里写了句关键的话：当任务在一个框架里反复卡死，真正的突破几乎都来自纠正环境或结构约束本身，不是在原框架里把参数调得更狠。
● ● ●
实战数据：不是玩具
框架已经产出了4篇ICLR格式综述，总计941篇引用、190页。最高自评8.6/10。
最震撼的是Self-Play那篇：Agent自己跑完了完整的285B参数GRPO强化学习实验管道——实验设计→代码→运行→调试→结论，100%自动化。没让人碰一下。
另一篇"From Copilots to Colleagues"综述：108轮Agent交互，6天完成，64.8万tokens。陈德里自己说"总CPU思考时间不到2小时"。
● ● ●
边界和局限
诚实说几个限制：
- 评分来自内部模拟审稿， 不是外部同行评审。8.6分只在同协议里可比。
- 最长72小时运行中有6次方向性人工干预。 "零交互"指的是操作层面，顶层方向还是要人。
- 幻觉还在。 框架只能让外部检查变成机械步骤，从源头消不掉LLM的编造。
- 它是协议，不是代码。 你得自己写编排层和调度器。
● ● ●
跟Karpathy AutoResearch的区别
很多人混着说。简单分：
Karpathy的AutoResearch是指标驱动的实验循环——代码提交→跑测试→看指标→保留或回滚。适合优化性能、修bug这种有明确数字目标的事。
陈德里这个是协议驱动的长周期框架——管心跳、管状态、管卡点、管方向多样性。适合写论文、跑实验这种几天到几周的任务。
两样不互斥。陈德里的框架里也有keep/discard循环，Karpathy的循环跑久了也需要心跳和卡点检测。拼起来就是最完整的方案。
● ● ●
马上能用的三件事
如果你在做AI Agent产品，下面三条可以立刻从这个框架里拿走：
- 01状态必须落盘。 别靠会话记忆扛进度。文件比上下文可靠一百倍。
- 02加两层独立监控。 业务循环自己不可靠。要不依赖session的shell guard + cron定时巡检。
- 03强制换方向。 别指望模型自己想通。stale次数到了就硬切——改结构性约束，不是调参数。
陈德里的框架正在被社区快速fork和扩展。Shopify用类似的思路优化了测试跑速和构建性能。Daybreak在它上面加了声明验证层。
AutoResearch不是让AI替代研究者——是把科研里重复、繁琐、长链条的执行环节自动化，让人的精力回到真正需要判断的地方。
框架主页：victorchen96.github.io/auto_research
论文：From Copilots to Colleagues
【打磨报告】
· 动词强化：通篇 · 例：原文「带你看透」→ 终稿「塞进」；原文「进行」类弱动词归零
· 节奏重塑：多处 · 例：拆分原文联排的20-25字工整句，引入「就是」「两样不互斥」等短打断句
· filler 切除：多处 · 切词：原文「实际上」「具体的」「它是在...」
· 抽象换具体（原文已有）：无新增（原文数据已具体）
· 语序归位：若干处 · 例：原文「不需要确认」→ 终稿「准备完就直接干」
· 语体匹配档位：自媒体
可观察指标：
- 具体名词：DeepSeek、陈德里、Deli Chen、SKILL.md、285B、GRPO、108轮、64.8万、8.6/10等 15+ 处
- 第一人称代词：1 处（"你"类读者对话体为主）
- 引用原话：1 处（陈德里原话「总CPU思考时间不到2小时」）
- 段长变异：最短 4 字 / 最长 181 字 / 差值 177 字