AI 与人文
AI 不只会聊天，它开始真正干活了
第二期为什么选择 DeepSeek Harness，以及下一站 WorkBuddy
文｜叶曲炜（Tree Ye） 活动｜8月30日 15:00–17:00 地点｜金尚·城溪
我为什么想讲 DSH
很多朋友已经会用豆包、Kimi、DeepSeek 或 ChatGPT。写一段文案、解释一个概念、整理一份材料，它们都很方便。但只要任务稍微长一点，我们就会陷入一种熟悉的忙碌：AI 回答一轮，我们复制一次；它忘了背景，我们再讲一遍；它找错资料，我们重新搜索；简报写完，又把内容搬到演示文稿（PowerPoint，简称 PPT），再搬到行动方案。
看起来是 AI 在工作，实际上人一直坐在旁边当“人肉中转站”。我们不是把任务交了出去，而是换了一种方式陪着它干活。
这正是我选择 DeepSeek Harness（简称 DSH）作为第二期主题的原因。它不是另一个聊天模型，而是一套开源的智能体工作框架（Agent Harness）。这里，Agent 是能够规划并完成多步任务的 AI 智能体；Harness 则把模型、工具、文件和权限组织成一张真正能干活的工作台。
“单身汉”与“独领风骚”
圈内朋友给 DSH 起了一个很传神的外号：“单身汉”。这个外号当然不严谨，却很有画面感——它希望把一段工作接着做完，不需要人不停地复制、粘贴和催促。更调皮的朋友还拿 DSH 三个字母打趣，把这种会折腾的劲儿称为“风骚”；这里借的只是“独领风骚”的意思：模型能换、工具能加、方法能沉淀、过程能回看。
但我更愿意把这种“风骚”概括为四句大白话：系统归你、模型可换、能力可拼、过程可查。对普通用户来说，不必先背一串术语，看懂这四句话就够了。
“能力可拼”：普通人只需先懂四个词
DSH 官方把这种设计概括为“Everything is a plugin. Every run is traceable.”——一切皆插件，每次运行都可以追溯。这里的 Plugin（插件）不是“装得越多越聪明”，而是按任务安装、替换和组合能力的方式。厨房里刀具很多，也不会自动变成大厨。
系统内部当然还会反复计划、执行和检查，也会通过界面让人观察和干预。但普通参与者不必先记住 Loop（循环）、UI（用户界面）等术语；先学会下任务、看过程、验收成果，更重要。
真正值得沉淀的，也不是更多提示词，而是自己的工作方法。当一套判断标准被写成 Skill，再配上合适的模型、工具和安全边界，个人经验才开始变成可复用、可检查、可改进的生产力。
这次，我们只完成一项任务
为了让没有技术背景的朋友真正感受到差别，这次不准备做一场“功能大全”。我们只设定一个白领非常熟悉的情境：
现场，我们会先让 DSH 理解目标、制定计划，再在同一个练习文件夹里连续完成五件事：
- 核验近一年的公开资料，形成可追溯的证据清单；
- 把资料压缩成 800 字以内的决策简报；
- 把简报转成 6 页汇报提纲；
- 把建议变成一个 30 天小范围试点方案；
- 最后自己检查文件、字数、链接和未完成项。
我们真正要看的，不是 AI 写得多快，而是：它能否连续推进？上一阶段的文件能否自然进入下一阶段？来源是否能追溯？缺少能力时会不会坦白？最终结果是否方便人验收？
DSH 到底改变了什么
普通聊天 AI 主要返回一段文字；DSH 则把 AI 接到一个明确的工作文件夹，让它在授权范围内读取材料、创建文件、搜索资料和连续推进任务。Harness 可以理解为“工作框架”：它负责把会思考的模型与会执行的工具连接起来。
对普通参与者而言，不必先研究各种运行模式。第二期只使用默认工作方式，重点观察它能否在同一个工作文件夹里连续完成任务，而不是把课堂变成一场技术名词考试。
更关键的是，关键步骤可以回看：它看过哪些材料、调用了什么工具、创建或修改了哪些文件。我们不只看最后的答案，也能追问“这个结果是怎么来的”。
为什么不是所有任务都要用 DSH
我很喜欢 DSH，但我并不认为所有人、所有任务都应该用它。真正成熟的工具观，不是“新工具一出，旧工具都该退休”，而是知道什么时候不值得折腾。
另一条更容易上手的路：腾讯 WorkBuddy
WorkBuddy 是腾讯推出的全场景 AI 办公工作台。用户可以用日常语言交代任务，让它在授权范围内读取本地文件、整理材料，并生成文档、表格、PPT 或研究报告等可验收成果。它还提供多种内置模型，并支持在界面中配置自定义模型。
它与 DSH 都在推动 AI 从“会回答”走向“会完成任务”，但走的是两条不同的路：DSH 更像一间可以拆开研究和改装的实验室；WorkBuddy 更像一间已经装修好的智能办公室，可以“拎包入住”。
DSH 与 WorkBuddy：不是擂台，是两种入口
两者不是二选一。第二期选择 DSH，是因为它最适合作为理解 AI 智能体的“教学标本”；第三期考虑 WorkBuddy，是因为它更适合让普通用户迅速获得一次完整的办公交付体验。需要说明的是，DSH 仍处于开发者预览版（Developer Preview），而 WorkBuddy 的模型、积分和套餐也会调整，使用时都应以当期官方信息为准。
小白如何安装
这次活动会带着大家一步一步完成安装。为了不让命令行抢走整场活动，我们会优先使用已经准备好的 ZIP 压缩包、图文教程和一键启动说明；命令行方式作为备用，也帮助大家理解它在电脑上怎样运行。
- 安装 Node.js（运行 DSH 所需的基础环境）。具体版本以课前清单和活动当天官方要求为准。
- 新建一个不含隐私和单位机密的练习文件夹，并在该目录打开 PowerShell 或 Terminal（命令窗口）。
- 运行 npx @deepseek-ai/dsh web，启动本机的网页操作界面。
- 进入模型设置，填写 API Key（模型服务访问密钥）。密钥不能转发给别人，更不能在投屏时展示。
- 选择 Workspace（工作文件夹），新建任务并先完成一个最小文件操作。
如果电脑进入休眠或 DSH 进程被关闭，本地任务也会停下来。“睡前交任务、醒来收成果”要成立，电脑和进程必须保持运行；若部署在持续在线的服务器上，才可能真正长期执行。这个细节不够浪漫，却很重要——好工具不怕讲真话。
技术之外，我更关心人的位置
第一期沙龙的主题是“把思考权请回桌上”。第二期，我们不是把思考权再交出去，而是给 AI 一张真正干活的桌子。两者并不矛盾。
AI 可以承担检索、整理、转换、重复执行与初步自检；但问题值不值得做、证据能不能信、边界放在哪里、错误由谁承担，仍然属于人。技术越能自主行动，人越不能把责任稀释在“是 AI 做的”这句话里。
所以，我希望大家从现场带走的不只是 DSH 的安装方法，还要带走一种新的 AI 素养：不只会提问，还会委托；不只会生成，还会验收；不只追求效率，还知道何时该按下暂停键。
三期沙龙，不是三种工具，而是一条学习路径
我们希望把三期活动逐步连接起来：先学会与 AI 对话，再看懂 AI 如何行动，最后把 AI 变成真正的工作伙伴。
- 第一期｜人与 AI 如何对话：学习记录、追问、反思，把思考权请回桌上。
- 第二期｜AI 为什么能够行动：通过 DSH 完成一个连续任务，看懂工作台、工具、方法与安全边界怎样配合。
- 第三期｜普通人如何拥有 AI 工作伙伴：通过 WorkBuddy 完成真实办公交付，学习委托、监督、验收、隐私与责任。
第三期预告｜当 AI 成为办公室同事
第三期拟以 WorkBuddy 为主题。我们可以提供一组散乱的会议或活动材料，让参与者用日常语言下达任务，最终得到会议纪要、行动清单和简短汇报。重点不是比谁的文件做得更花哨，而是学习怎样把要求说清楚、怎样中途检查、怎样判断结果能不能直接使用。
当 AI 成为“办公室同事”，真正困难的往往不再是让它开始工作，而是知道应该交给它什么、保留什么，以及谁对最后的结果负责。工具可以替我们加班，却不能替我们背锅——这一点，人和 AI 最好提前说清。
热点之外，我们怎样选择 AI 人文沙龙的题目
AI 人文沙龙不能变成新品发布会，也不能对热点假装看不见。我的态度是：追热点，但不做热搜搬运工；讲工具，但不把人变成工具。每个选题至少要经过五把尺子。
- 热点性（Relevance）：关注正在发生、值得理解的新工具、新观念和新问题。DSH 正处于关注高峰，因而适合作为第二期入口。
- 人文性（Humanistic Value）：不只讲“怎么用”，还要讨论“为什么用、为谁而用、什么不能交给 AI”，把“道—法—术”贯穿起来。
- 可用性（Usability）：优先选择国内可获得、使用门槛较低、费用在多数参与者可接受范围内的工具，并兼顾安全与合规。
- 需求性（Demand）：根据参与者、同侪和合作伙伴的反馈调整主题，让活动回应真实工作、学习与生活需求。
- 系统性（Learning Path）：让每一期既能独立参加，又能与前后主题连接，逐步形成从认知、体验到迁移应用的系列课程。
从一次活动，走向 3—6 次阶梯式共学
今后，一个好工具或一本好书不一定只讲一次。三次活动可以完成“认识—体验—应用”；六次活动还可以继续加入“设计—检验—迁移”。这样，沙龙既保持新鲜，也不会每次从零开始，最终形成可积累、可复用、可持续生长的 AI 人文学习系列。
活动信息
来之前，准备这三样
- 一台允许安装软件的笔记本电脑和电源适配器；
- 按课前清单安装合适版本的 Node.js，并预留可用网络；
- 一个可用的模型 API Key，以及一个不含隐私和单位机密的练习文件夹。
主讲人｜叶教授 Tree Ye
大学管理、教育教学与人工智能的人文交汇
叶教授从事大学教学、管理与评估四十余年，现任北京第二外国语大学中瑞酒店管理学院教授；曾任北大方正教育集团副总裁、两所大学校长。曾赴美国康涅狄格州立大学访学，研究方向涉及知识发现与数据挖掘（Knowledge Discovery and Data Mining, KDD）；毕业于国防科技大学，获硕士学位，研究方向为人工智能与专家系统，并有海外访学及游学二十余所大学的经历。长期关注大学战略管理、智慧教育、数字化教学、教师发展与教育教学评估。
近几年，重点研究生成式人工智能（Generative AI）、AI 智能体（AI Agent）与问题导向学习（Problem-Based Learning, PBL）、项目化学习（Project-Based Learning, PjBL）、社会情感学习（Social and Emotional Learning, SEL）的融合，研发并上线 AI 赋能 PBL 教学设计多智能体系统（AIP-TDA-MAS 2.0），同时持续探索 AI 赋能个人记录、学习、反思与创造。
多年大学管理带来组织视角，教学与评估带来教育视角，文史哲、绘画与篆刻的长期爱好带来人文视角，跨文化经历又提供了另一面镜子。AI人文沙龙正是这些经历的交汇处——既谈技术怎样工作，也谈技术应当服务怎样的人生。
联系主讲人
微信号：tree_ye1961 ｜ 个人网站：www.treeye.cn
场域｜金尚·城溪
AI人文讲习所·沙龙｜空间、阅读与AI相遇，本身就是一场课程设计
金尚 JinShang 由室内设计师田丽莲（Lilian Tian）于2016年创立，是一个把办公、活动、餐饮、艺术与生活方式连接起来的社区型空间品牌。金尚官方资料显示，目前在北京运营金尚·丽、金尚·源、金尚·东山墅、金尚·城溪与金尚·慕田峪五处空间。
金尚·城溪位于北京市西城区新街口外大街34号。这里不是一间标准会议室，而是一组可以阅读、交流、沉思与创造的复合文化空间：城溪小院适合小规模会谈与茶聚，溪言阅读空间让书籍与对话相遇，城溪剧场承载讲座、戏剧与公共文化活动。
AI人文讲习所·沙龙
AI人文讲习所·沙龙由我主讲并提供框架、案例与现场引导，但它不是传统的单向授课。我们更愿意把到场者称为“参与者”或“共学伙伴”：每个人都带着自己的经验与问题而来，在对话、求证和实践中共同生成认识。
联系与报名
主讲人微信：tree_ye1961
活动报名：打开微信，扫描下方金尚小程序码。是否报名成功，以小程序确认页面或主办方通知为准。
最后：把执行交出去，把责任留下来
AI 正在从“会说”走向“会做”。这会带来巨大的效率，也会放大错误、权限与责任的风险。我们既不必恐惧，也不必神化。最好的方式，是亲手安装一次、亲自交付一个任务、认真验收一份成果，然后形成自己的判断。
8 月 30 日，在金尚·城溪，我们先一起看看这个“单身汉”究竟有多能干，也看看它为什么能够“独领风骚”。下一期，再让 WorkBuddy 走进普通人的办公桌。贯穿三期的问题始终没有改变：当 AI 可以替我完成越来越多的工作，我要把节省下来的时间，用来成为什么样的人？
金尚·城溪｜AI人文讲习所·沙龙
技术资料、产品信息与图片来源
技术与产品信息核验截至 2026 年 8 月 24 日。DSH 与 WorkBuddy 都在持续更新，安装、界面、模型和套餐以活动当天官方资料与实测为准。