DSH（DeepSeek Harness）把「引擎」和「怎么干活」拆成了两层：模型能力之外，一个 Agent 的行为风格几乎全压在预设的那段 persona 上。官方四个预设里 standard 只有一句话，minimal 干脆把其余 prompt 段落全关掉——没有人管「别自述、先读后改、改完自证」这类工程纪律。我写了个插件 dsh-preset-claude-code，不 fork 官方、以一个新 bundle 层的身份往组合树里插一行 preset，把 Claude Code 那套提示词和工具集搬进来。过程中踩到一个很实在的坑：包「装上了」不等于「生效了」，判定标准只有一个——dump 里有没有你那一行。附一次同题对照实测：只换 persona，输出 token 1483→851。

线上故障最常见的样子不是「503 挂了」，而是页面还在、按钮还能点、功能悄悄没了——接口 500，前端 catch 住，右下角弹一句「系统开小差」，探活依旧绿。手写 E2E 用例能覆盖，但维护不起。我做的这个引擎换了个思路：给一个根 URL，让它自己在真实 Chromium 里逛完整站，用四层递进去重挡住无限下钻、三级弹性回溯挡住状态污染、多标签页守护挡住内存泄漏，命中静默故障就连带截走现场图。为了验证它到底靠谱不靠谱，我自己造了一个假站点做两组实测：整站巡检 8 页、25 个动作，832 个原生元素里只碰了 25 个（3.0%），跳过 807 次重复；随后一组 2×2 对照把「静默失败能被抓到」的两个前提拆开了——四组里只有一组成功，反过来也说明这条链上有两个必须先检查的地方。

UI 回归的两条老路都有硬伤——手写脚本锚点靠人挑、页面一改就整片红；让 LLM 每次现场驱动浏览器，今天过明天不过。trace-to-test 的做法是：用 browser-harness 录下一次真实操作，让 AI 只在「探索」和「编译」两个阶段介入，把结论固化成一段不依赖模型的确定性代码，并给出可归因的三态判定：这次的失败，到底是产品坏了还是测试写坏了。