下一波“大的”要来了？DeepSeek V5 现身官方代码库，新一代旗舰模型预计 11 月登场
10月28日消息，近日有细心网友发现DeepSeek近期再度更换了全新大模型指纹，引发了外界关于其即将发布重磅新模型的广泛猜测。目前，在 DeepSeek Harness 官方代码库中，已经正式出现了包括 DeepSeek-V5、V5-open 以及 V5-next 在内的全新代码。 从代码结构来看，当前的 V5相关内
10月28日消息，近日有细心网友发现
DeepSeek近期再度更换了全新大模型指纹，引发了外界关于其即将发布重磅新模型的广泛猜测。目前，在 DeepSeek Harness 官方代码库中，已经正式出现了包括 DeepSeek-V5、V5-open 以及 V5-next 在内的全新代码。
从代码结构来看，当前的 V5相关内容目前主要充当占位符角色，但这清晰地表明新模型的发布机制已经准备就绪。未来正式推出时，官方仅需通过服务端修改 /models 配置便可直接推送 V5，而无需强制要求客户端发版。具体而言，代码体系覆盖了两种截然不同的下发路径:其中 deepseek-v5-open 走的是无版本门槛路线，而 deepseek-v5-next 则属于必须升级客户端的路径。
当然，现有代码仅能证明 DeepSeek 已经为 V5系列大模型的发布做了前置铺垫，并不意味着该系列会立刻推出。回顾其近期节奏，9月17日发布的 V4.1Flash 虽然采用了完全换新的架构，但命名上依然沿用了4.0系列。考虑到上一代 Pro 正式版发布时的反馈，官方未来直接将新一代旗舰大模型定名为 DeepSeek V5Pro 也是一个合理的推演方向。
业内分析认为，鉴于 Flash 版刚发布不久，V5Pro 系列大概率不会在10月内立刻上线，预计最快要等到11月份才会正式与公众见面。如果进度顺利，11月中旬时 V5Pro 与 V5Flash 或许有望一同迎来更新，从而让产品命名序列更加清晰明了。
1
手把手教你设计一个成熟的 Agent Harness
2360
2
我用 REA 逆向了付费颜色 APP，结果很意外！
560
3
离谱，DeepSeek 崩了 5 小时，大家却喊：梁圣恩情还不完？？
420
4
REA | 爆火GitHub 17万星标，MCP服务端，AI Agent自动逆向二进制程序
400
5
DeepSeek 全新模型发布，性价比最高的一集！
370
6
自己学习ai，直接买cursor 的套餐，还是买gpt 或者claude 的套餐?
360
7
B 站上 DeepSeek 闹鱼灾了，我发起《大肥鱼清除计划》！
350
8
又一个国产版 Codex 神器，也来卷办公了！
320
9
AI 越强，被它拒绝的代价就越大
我有时候会想：AI 越来越厉害之后，有些事情，会不会反而越来越难做？
这个想法看起来有点矛盾。AI 明明在降低门槛，让不会写代码的人做出软件，让不会画画的人生成图片，让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候，AI 拒绝帮我编写 SQL 注入的请求体，而那还是我有源码、在本地跑测试的情况。那么，往后是否只会更难？
我们假设某一天，AI 说：「这个请求违规，我不能帮助你。」到那个时候，你还有多少能力，能绕过它，把事情做完？
这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求，以及一件事实际有没有造成伤害，彼此之间并不总是画得上等号。一个请求可能确实危险，也可能只是缺少上下文被误判，或者恰好落在某家公司的限制范围里。
无论是哪种情况，随着我们越来越依赖 AI，这句拒绝都可能变得越来越贵。
今天，一个程序员让 AI 帮忙写代码，AI 拒绝了，他大概率还有别的办法：查文档、找开源项目、问同行，或者自己写。麻烦一点，慢一点，但路还在。
可如果十年之后，大部分程序都由 AI 完成，情况就不一样了。
很多人从接触编程的第一天起，就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品，却未必经历过独立处理底层问题的训练。平时，这种能力结构完全够用，效率甚至更高。只有 AI 拒绝的时候，他们才会发现：平常被省掉的那段学习过程，恰好是此刻最需要的东西。
到那时，一次拒绝的成本，可能就从「今晚多花两个小时」，变成「先花半年学会这门技术」。
拿 SQL 注入举个稍显极端的例子：往后，连真正理解这类攻击如何发生、能够独立构造测试的人，会不会也越来越少？
这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统，一个经过授权的安全研究员想复现漏洞，假如 AI 识别到危险模式就拒绝，而使用者又只熟悉「让 AI 帮我检查」，这项原本可以独立完成的工作，就这样卡住了。
但是安全专家不会因此消失，但这类技能可能越来越集中在少数人手里。你仍然可以找专家，只是要付出更多的钱、更多的时间，以及更高的沟通成本。
类似的困境，未必只发生在网络安全领域。
你想从一个停止维护的软件里取回自己的数据，需要解析它的旧文件格式。AI 判断这涉及规避保护措施，拒绝继续。你拥有这些数据，却没有能力把它们读出来。
你买了一台设备，厂商停止提供服务。你想修改程序让它继续运转，过程中需要处理某种访问限制。AI 不愿协助，而你所掌握的维修方式，早已只剩下「把报错发给 AI」。
你想给常用的网站写一个辅助工具，减少重复操作。平台将此归入自动化限制，AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理；未来的使用者，可能连从哪里开始都不知道。
这些例子有一个共同点：当工具同时承担了「执行工作」和「传授知识」的角色，它的拒绝就不只是挡住了一次任务，也挡住了获得这种能力的机会。
更麻烦的是，这种依赖往往是我们主动选择的，而且每一步都很合理。
既然 AI 几秒钟就能做好，为什么还要花几个月学习？既然公司可以采购成熟的 AI 服务，为什么还要养一支负责基础工作的团队？既然市场上已经很少有人手写这些东西，学校为什么还要花大量时间教？
对个人、公司和学校来说，这些选择都有现实依据。但叠加起来，整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制，我们才发现，备用方案早已在追求效率的过程中被一点点削掉了。
所以，「AI 越强，做事越便宜」可能只描述了未来的一半。
另一半是：被允许的事情越来越便宜，被拒绝的事情依然需要人工完成，却要面对更少的人才、更高的报价，以及越来越难获得的知识。两边的成本差距，会越拉越大。
有人会说，可以换一个模型，或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争，开放模型还足够可用，限制就未必能形成真正的门槛。
但备用方案也需要维护。它需要硬件、知识、软件生态，以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务，那么「理论上还有别的办法」和「普通人实际用得起、用得明白」，之间仍然可能隔着很远。
我担心的，正是这段距离。
我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制，有充分的理由。但我们也需要关心：限制由谁定义，误判有没有申诉渠道，用户能不能换工具，以及脱离这个工具之后，还剩下多少独立行动的能力。
保留这些能力，平时看起来甚至有点低效，明明可以自动生成，还要理解原理；明明可以一键完成，还要知道手动怎么做。
但这些看似多余的知识，会在工具拒绝、失效、涨价或改变规则的那一刻，成为真正的选择权。
AI 越强，我们可能越需要留意它说「不」的那一刻。
因为那句话的分量，最终取决于：它拒绝之后，我们还能做什么。
310
10
什么是LLM
290
11
WorkBuddy 本地 API 桥 + dsh 插件：把你的 WorkBuddy 额度，变成手边随手可用的模型
280
12
day3-如何写出一个高质量的 Skill（组内分享）
高质量 Skill 不是“一个调得很顺的巨型 Prompt”，而是一个可验证、可回归、可维护的能力包。
先定义“什么算好”，再实现“怎么做好”。评估体系先于 Skill 本身成型。
下面用“故障诊断 Markdown 转 YAML”作为例子，但方法是通用的。
---
一、先想清楚：Skill 到底是什么
一个 Skill 至少包含四部分：
部分 作用
接口 输入什么、输出什么、边界在哪
流程 分几步做，每步的产物是什么
规则 硬约束、经验规则、失败模式
降级策略 不确定时怎么办，而不是硬编一个看似合理的结果
高质量 Skill 的共同点：职责单一、接口清晰、规则可定位、输出可验证。
反例：把几十条经验全塞进一个主 Prompt，改一条规则要重调整个 Prompt，评估时也不知道是哪条规则退化。
---
二、核心方法：先建评估，再写 Skill
不要先写转换器再补测试。正确顺序是：
1. 定义输出契约：什么算合法、什么算合格；
2. 建金标准集：一小批人工认可“可放行”的样本；
3. 先写评估 Skill：让它在金标准集上跑出基线；
4. 再迭代生成 Skill：每次修改跑同一套评估，无退化且目标维度提升才算正向。
这就是评估驱动开发：评估是 Skill 的单元测试，金标准集是回归锚点。
---
三、评估 Skill：三层门禁，逐层递进
前一层不过，后一层不跑。每层留可追溯证据。
第 1 层：确定性硬门禁
用解析器、Schema、校验器完成，不消耗模型成本。
· 输出可解析；
· 必填字段齐全，类型/枚举合法；
· 引用目标存在，无悬空引用、无不可达节点；
· 关键路径至少有一条能到达预期出口。
不通过直接打回。
第 2 层：语义断言
用脚本 + 结构遍历检查“逻辑对不对”，仍然保持确定性。
通用检查项：
· 覆盖率：源材料里的关键步骤、分支、条件，输出里是否都有对应？
· 完整性：每个判断节点是否都有明确出口？有没有死胡同？
· 可达性：每条路径是否都能到达预期终点？有没有无出口循环？
· 顺序与依赖：有先后依赖的操作，是否保留了顺序？有没有被拍平成无序列表？
例子：故障诊断转换中，检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。
第 3 层：LLM-as-Judge
只处理解析器表达不了的维度：忠实度、完整性、可执行性。
但 Judge 会漂移，不能单独放行，必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化，换模型必须用金标准集重新校准。
通用 Judge 维度：
维度 问什么
忠实度 输出是否忠实源材料意图？有没有自行发明内容？
完整性 关键步骤、条件、证据是否保留？隐式知识有没有被压成空话？
收敛性 输出是否仍指向原目标，而不是发散？
可执行性 下游不依赖源材料能否直接使用？
---
四、金标准集：回归测试的锚点
不需要一开始就标注几百份。用已认可的样本当种子，扩到 15～30 份，覆盖失败模式而非随机抽样：
· 完整正例：典型流程；
· 边界/异常分支：异常路径、循环、前置失败回退；
· 已知易错模式：实际踩过的坑；
· 留出集：不参与调优，只用于最终验收，防过拟合。
金标准不需要完美，只需要当前标准下认可可放行。
回归指标：关键路径用 pass^k（k 次全过），稳定性用 pass@k。
---
五、工程约束：让批量产出可重放
· 幂等：同输入 + 同 Skill 版本 + 同规则 → 输出一致，否则无法判断变好是 Skill 改了还是随机波动；
· 隔离不阻断：单份失败进隔离队列，记录失败层和原因，不阻塞其余；
· 版本绑定：规则、rubric、金标准集进 Git；每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”；
· 抽样人工复核：Judge 临界样本 + 易错模式，人工抽检结果反过来校准 rubric。
---
六、Skill 本身怎么写
· SKILL.md 控制篇幅，写清：输入约定、输出契约、分步流程、硬规则、降级策略；
· 经验规则放 references/ 或 rules/，按失败模式分类，不要全塞进主 Prompt；
· 不确定时标 needs_review: true，不要硬编看似合理的结果；
· 迭代由评估报告驱动：报告告诉你哪层挂了、哪类失败模式，你改对应规则文件，而不是漫无目的调 Prompt。
---
七、落地顺序（不要反过来）
1. 固化输出契约：Schema + 结构约束；
2. 建金标准集：从已认可的 + 最易出错的样本开始；
3. 先写评估 Skill：跑出基线报告；
4. 再迭代生成 Skill：每次修改对比逐项通过率，无退化且目标提升才算正向；
5. 批量运行 + 隔离回放：失败进队列，结束后人工抽检；
6. 评估 Skill 自身版本化：换 Judge 模型必须重新校准。
---
八、给组员的三条硬要求
1. 不许凭感觉说“变好了”：每次修改必须附评估报告对比，逐项通过率说话。
2. 不许跳过确定性门禁直接看 Judge 分数：前两层挂了，Judge 分数没有意义。
3. 不许把规则堆进主 Prompt：规则按失败模式分文件，评估报告要能定位到具体文件。
---
一句话收尾
生成 Skill 决定“能不能做”，评估 Skill 决定“敢不敢用”。
先让评估体系站稳，再让生成器迭代。这样交付的不是一堆“看起来还行”的产出，而是一套可证明、可回归、可交接的 Skill 质量体系。
270
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
