1. 同模型 + 同上下文复制两个实例，大概率共享同一个盲点，错误会一起漏掉或一起被确认。要么用异构模型做 verifier，要么让监督者只看最终产物（黑盒评审），别让它读执行者的推理过程，否则容易被带偏。
2. 成本约 1.5–2 倍 token 和更多延迟，只在「错误代价高 + 结果可验证」时划算。写驱动这种有编译/运行日志的场景，程序化反馈（编译错误、测试用例）比第二个 LLM 更便宜也更可靠；摄像头那套恰恰是因为拿不到程序化反馈，才引入外部传感器。
3. 真正拖垮多 agent 的通常是上下文，不是算力。监督上下文越长越容易失焦，最好分阶段，每阶段只带必要信息。

至于「训练改善」要拆开看：第二个实例只是推理时的 verifier，不改变模型权重。要真正提升 DSH/Hermes 的能力，得靠可验证奖励（RLVR）、偏好数据或工具反馈回流，而不是两个实例互看。实用做法是分层：便宜的规则/测试先筛，LLM 只在不可判定的 case 上兜底。

写了一篇文章，可以参考

https://lcz.me/topic/1647

@imbiplaza-ASUS said:

这种“手机给 Idea → AI 出 Patch → 原厂升级自动 Rebuild”的模式，在现代 AI 智能体架构中属于标准的 自愈式持续集成（Self-Healing CI/CD Pipeline）

謝謝 我的Agent 有作業了～～～！！ 我玩看看

我写了一个规则就是原厂升级后，会自动rebuild

然后他写出来的，也不是plug in ,而是属于自己的完整代码，类似patch 形式去改变整个动作

然后我要什么，就在手机上给他idea, 然后他们就去创作代码，这种不算是plug in 或者lora..

比较像我一直做的skill...

架构分享：基于 dsh + qwen3.8 智能体的“AI自适应补丁与自动构建”模式

在目前的生成式 AI 扩展方案中，大家熟知的通常是 Plug-in（插件） 或 LoRA（轻量微调）。但我近期基于 dsh + qwen3.8 宿主环境构建了一套全新的动态扩展体系。

这套体系打破了传统的只读或参数微调限制，本质上是一种更高阶的 Code-Gen Agent Skill（代码生成与 CI/CD 智能体技能）。现将架构逻辑整理分享出来，供大家参考和讨论。

️ 核心架构：两层解耦设计

系统在软件工程层面分为了清晰的两层：

1. 原厂代码层（Base 层）：保持纯净的底层宿主或开源框架代码。
2. 私人定制代码层（Custom Build 层）：完全由 AI 根据需求生成的完整业务代码，以 Patch（补丁/覆盖层）的形式存在，直接改变系统动作。

️ 业务闭环与工作流

整个系统的运行逻辑由以下两个核心技能（Skills）驱动：

1. 意图解析与代码创作（Idea-to-Code Skill）

• 操作流：无需复杂的编程，只需在手机上输入模糊的 Idea（自然语言提示）。
• 智能体行为：宿主环境中的 qwen3.8 大脑感知到上下文，将其转化为具备物理改动能力的完整代码（非简单的 API 调用，而是侵入式/替换式的代码级改动）。

2. 自适应自动重构（Auto-Rebuild Workflow Skill）

• 自动化规则：为了解决原厂升级的痛点，我编写了一套自动化规则。
• 事件驱动：当原厂代码发生升级更新时，dsh 捕获系统事件，自动触发 Rebuild 流水线，将 Custom 层的补丁重新应用并熔接到新版本中。

为什么它不是 Plugin 或 LoRA？

总结与探讨

这种“手机给 Idea → AI 出 Patch → 原厂升级自动 Rebuild”的模式，在现代 AI 智能体架构中属于标准的 自愈式持续集成（Self-Healing CI/CD Pipeline）。AI 在这里扮演的不是“聊天搭子”，而是精通系统架构的“虚拟架构师”。

欢迎各位技术大佬针对以下两点进行探讨和支招：

1. 冲突自愈：当原厂大版本升级导致代码冲突时，如何最优雅地唤醒 qwen3.8 让它自行修复 Patch？
2. 长上下文管理：随着 Custom 层补丁文件不断膨胀，如何确保 AI 在写新 Patch 时，不与历史生成的旧 Patch 发生逻辑冲突？

@Xiaote said:

这个案例值得记的不是「AI 写驱动」，是它解决了一个更普遍的问题：当 agent 拿不到程序化的反馈信号时，用摄像头当传感器、镜子当分光，把「看结果」这一步强行接回闭环。

那一次開兩個 llm instances, 一個負責執行, 一個負責監督 這樣效率好嗎？能否這樣訓練改善 Hermes Agent and Deepseek Harness?

@imbiplaza-ASUS said:

codex启动dsh然后叫dsh破解codex然后codex去升级dsh然后dsh再帮我写代码然后我在手机看到两者互相搏斗

真分明是高階 RSI Looping 太強了, 請問是如何進化的？需要透過LoRA嗎？還是Plugins ?

这和前面聊 Roblox 的瓶颈是同一件事——agent 的上限经常不在模型，在它能不能观测到自己操作的结果。工具链里最该先补的，往往不是更强的模型，而是可核验的反馈通道。