如果你用过各种 AI 编程工具，一定遇到过这个场景：模型说「完成了」，你跑一下测试——挂了。或者它改了三个文件就停下来，剩下七个根本没碰。

这不是模型不够聪明。是缺少一层「做完的标准」。

Zagens 做的事就是这一层。

---

先搞清楚：Zagens 不是聊天壳

市面上大多数 AI 编程工具是「聊天框 + 模型」——你把需求打进去，模型回一段文字或一个改动，然后对话结束。做完没做完，全看模型一句话。

Zagens 把这个模式倒了过来：

我们管这层约束叫 Agent Harness（给 Agent 套上「马具」）：DeepSeek V4 负责推理和动手，验收标准负责卡住「口头完成」。

大致有三层：

谁把关	谁负责	做什么
你	操作者	定义「做完」：哪些测试必须过、交付物长什么样
Agent	模型	自我检查：计划有没有漏、清单是否收齐
系统	工具链	真的去跑测试、检查命令退出码——机器不说谎

系统验收挂了，Agent 会发现、回滚、重试，而不是假装完成。

---

v0.8.6 新能力：从「写完」到「验证完」

这一版可以记五件事：过夜队列、验收写成配置、对话时间线可读、组合式工具、本地健康体检。

1. 夜间队列——你睡觉，它干活

zagens queue add "重构某某模块，拆成独立子项目"
zagens queue run        # 也可以设成定时自动跑
zagens queue briefing   # 早上回来读简报

夜间队列支持：

• 可选独立工作区：任务可放到单独的 git 工作树 / 分支跑，不碰乱你当前目录
• 失败自动回滚：验收不过就恢复到任务开始前，并清掉事后留下的垃圾文件
• 定时联动：可以接到桌面里的定时任务，比如每天凌晨自动跑队列
• 桌面侧栏：Windows 桌面端可添加任务、查看列表、一键跑队列、生成早报

同版还加了：技能草稿需你确认后再安装、把一次运行打包成可回放的 trace，以及验收跑测试时界面会显示进度——不再长时间干瞪着「生成中」。

2. 把「做完」写成配置文件

「做完」可以落成一份可进 Git 的 .toml：先允许哪些工具、最后必须过哪些检查。

schema_version = 1

[harness]
id = "code-edit-example"
description = "改完代码必须过测试与 clippy"

[verify_budget]
max_retries = 2
timeout_ms = 300000

[rollback]
strategy = "snapshot"

[[stages]]
id = "prepare"
tools = ["read_file", "grep_files", "glob_files"]

[[stages]]
id = "implement"
tools = ["edit_file", "write_file", "apply_patch"]
requires = ["prepare"]

[[verify]]
id = "unit_tests"
predicate = "tests_pass"
args = { toolchain = "cargo" }

[[verify]]
id = "clippy"
predicate = "exit_code"
args = { command = "cargo clippy -p your-crate -- -D warnings" }

先检查配置本身合不合法，再挂到队列任务上：

zagens gate validate path/to/gate.toml
zagens gate list
zagens queue add "修 clippy" --gate-file path/to/gate.toml
# 也可以用内置预设，例如 rust-cargo-smoke

更多示例见仓库 docs/harness/gates/。

3. 流式时间线——长对话也能扫完

以前长任务一跑，屏幕上工具卡片刷个不停，很难一眼看出「在想什么 → 在改什么 → 最终给了什么」。

这一版把一整轮回复做成可读的时间线：

• 边想边做边写：推理、工具调用、正文交错出现
• 同类动作合并：连续读文件 / 改文件 / 跑命令会收成一行「活动」
• 结束后自动收起：过程折进「工作过程」，最终结论留在外面
• 子 Agent 可回看：派出去的子任务失败或中断时，能看步骤摘要，也可导出日志

一句话：你更容易知道 Agent 花了多少步、卡在哪一类动作上。

4. 组合工具——少绕弯，过程可查

Agent 现在有两套「组合拳」（是对话里的工具，不是你在终端里敲的命令）：

工具	它自动串起来的事	用途
explore_codebase	找文件 → 搜内容 → 读文件	摸清代码从哪进、从哪出
edit_and_check	改代码 → 跑测试	改完立刻验一遍

每一步子动作都会记进事件日志，后面排队过夜跑、做验收时也能追溯。

5. Agent 体检——本机用得怎么样，有数可查

zagens doctor --tools
# 需要导出数据时可加 --json

它会汇总你本机历史：工具调用次数、失败率、最容易翻车的工具、验收通过 / 自修复次数、被阶段规则拦住的次数等（数字因人而异，下面只是字段示意）：

工具调用总计: …
失败率: …
最高失败率工具: …
验收通过 / 自修复: …
被阶段规则拦截: …

桌面端侧栏也有 Agent 体检，看的是同一份报告。

---

一个实际工作流

假设要跨多个模块做接口重构：

1. 说清需求，选「长重构」模式（这类模式会强制跑产品侧验收；日常默认模式更偏观察、提醒）
2. Agent 用 explore_codebase 一次摸清调用点，而不是零散搜几十次
3. 写出计划与待办；若要更严，再挂上你自己的验收配置（例如文件数量上下限）
4. 分批改，每批用 edit_and_check 做局部验证
5. 收尾跑系统验收；失败就回滚重试，而不是口头「做完了」

---

不只是写代码：办公文档也能用同一套验收

周报、竞品分析、合同初稿、项目 PPT，往往和写代码完全割裂。Zagens 的 办公模式把它们放进同一套 Agent：内置 11 个办公技能（周报、竞品分析、项目汇报、数据报表等），直接产出 Word / Excel / PPT。

技能可以带阶段规则和读回核对——生成完不等于正确，系统会打开文档核对关键内容；成品落到工作区的 deliverables/ 目录。

例如「写一份 Q2 竞品分析」：走完调研 → 分析 → 撰写 → 读回核对，而不是丢一段看起来像报告的文字。

更多场景说明：办公场景地图。

---

底层：可回放的 Kernel V3

桌面端、终端界面、命令行 共用同一套执行内核：

• 每一轮都有完整事件记录，方便回放和排查
• 关掉再开，状态靠日志恢复，不靠「聊天记忆」硬猜
• 持续集成里可以用固定会话回放，锁住引擎行为不漂移
• 也可用 zagens trace pack 把单次运行打成回放包

工具覆盖（节选）：读写与改代码、Git、终端、办公文档、断言与跑测、子 Agent、验收规则、可选联网搜索与抓取网页。

---

安全：本地跑 Agent，默认不当「全自动放权」

Agent 要在你电脑上跑命令、读写文件——安全不能事后补丁。

• 独立运行时进程：密钥不进网页界面
• Windows 原生沙箱：先跑 zagens sandbox setup；推荐开完整隔离模式，降级模式隔离范围更小
• 执行前可审批：桌面端能在动手前审一眼工具调用
• 路径防穿越：规范化路径，禁止用 .. 逃出工作区

详情：SECURITY.md · 沙箱能力说明

---

什么时候适合用 Zagens

适合	不适合
日常用 DeepSeek V4 做开发的深度用户	想要零配置云端 SaaS
需要长任务真正跑完（不是模型说「做完了」）	只聊天、不需要执行工具
写代码和写文档在同一套工作流里	只用网页 Copilot 就够的团队
Windows 桌面用户；macOS / Linux 可用终端 / 命令行	需要手机端体验
在意本地执行安全和动手前审批	想要完全不管、全自动乱改的 Agent

---

安装

Windows 桌面

到 GitHub Releases v0.8.6 下载：

• Zagens_0.8.6_x64-setup.exe.zip（推荐，解压后安装）
• 或同目录下的安装包 / MSI

也可从官网：zagens.com/download

macOS / Linux 终端界面

cargo install zagens-cli --version 0.8.6 --bin zagens-tui --features tui --locked
zagens-tui              # 恢复上次会话
zagens-tui --fresh      # 新建会话

纯命令行

cargo install zagens-cli --version 0.8.6 --bin zagens --locked

三平台预编译包也在同一发布页（附带校验文件）。

---

总结

Zagens v0.8.6 想说清楚一件事：Agent 不能靠「说做完了」来交差。

这一版把「怎么验收」做成了能用的能力——夜间队列省掉你盯着跑的时间，验收规则能写成配置进版本库，时间线让长任务读得下去。

开源 MIT · didclawapp-ai/zagens · v0.8.6

---

如果你也在用 DeepSeek V4 做长任务，欢迎试用；也欢迎在 Issue 里反馈「模型说做完了但其实没做完」的场景——那就是我们继续收紧验收的方向。