arXiv 2610.18616 提出了一个不太起眼但方向感很强的 harness：DKGI，直接知识图谱交互。论文作者是 Yuyang Bai、Yu Wang、Yu Zhang 三人，10 月 13 日提交、15 日修订出第二版，代码放在 GitHub。要解决的矛盾很具体：富含文本的知识图谱，搜索时要顺着关系走、同时读沿途的文本证据；而预定义的图接口把智能体能看见的证据面提前圈死了——即便它自己写代码组合工具调用，能摸到的也只是接口喂给它的子图。DKGI 的做法是把完整的节点文件与边文件摊在文件系统上，让智能体自己写 Python 代码遍历关系、合并节点集、挑选文本证据，执行与 shell 检索、文件查看交替进行。
工具创造与工具使用共同演化
这个 harness 的运转方式值得逐句看。智能体面对的不是一组预置的图查询 API，而是裸文件；它写代码读节点、跟关系、挑证据，代码的执行反馈再回头指导它修改工具、扩展搜索。论文的关键词是「共同演化」：工具不是部署前冻结的，是在任务过程中随证据面变化长出来的。批量处理也在射程内——智能体可以一次处理大规模节点集，只把选中的文本带回给模型评估，不用把整个子图塞进上下文。三个域的基准上，免训练的 DKGI 在每个图谱上都超出已发表强基线至少 6.7 个 Hit@1 点，且用的是最小 harness。消融实验给出了归因：增益来自多轮编程本身，纯 shell 访问与预定义图工具都不够。
为什么「界面即架构」在这篇里格外明显
和同期另一篇论文对读很有启发。2610.22273 的 Librarian Agents（本站 2018）做的是加法：把非结构化语料预先整理成结构化工作区，降低下游的检索成本；DKGI 做的是减法：把已经结构化的图谱拆回裸文件，把接口的解释权还给智能体。一个向上收，一个向下放，共同点是都在拆「预设界面」这堵墙。如果接受「harness 决定证据面」这个判断，两篇合起来给出的路线图是：界面的设计权正在从系统架构师向智能体本身转移——区别只在转移的时机，一个在构建时，一个在运行时。
代价被摆上台面了吗
没有，而这是采用前必须自己补的题。让智能体直接对全量节点边文件写任意 Python 代码，等于把执行环境的爆炸半径开到最大：沙箱隔离、资源限额、敏感字段的行级权限，论文一句都没碰——benchmark 环境里这些问题被天然屏蔽，生产里不会。免训练是优点也是边界：没有训练意味着没有对齐过程，智能体写出来的工具质量完全取决于当次上下文。6.7 个 Hit@1 点是「每个图谱都超出」的下限表述，不是平均涨幅。把这篇当成 harness 设计的思路参考可以，当成即插即用的组件还差一份安全设计。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
站点这条线的旧账：840 拆过 AI 网关分层，1969 的 TRACER 在工具检索上做减法，2018 的 Librarian Agents 在语料层做加法。DKGI 的位置在两者旁边：它不动模型、不动数据，只动「智能体与世界之间的那一层」。代码已开源，复现门槛不高，值得工程团队在自己的沙箱里先跑一遍再下结论。