DeepSeek智能体框架开放测试：Harness是什么？有什么特别？

国产大模型DeepSeek正在从模型层向更深的Agent基础设施层延伸，智能体框架露出真容。

8月13日，DeepSeek Harness v0.1（简称DSH）开发者预览版正式向全球开发者开放测试，并同步以MIT协议公开源代码。项目发布后，迅速在X等社交平台引发开发者热议，不到24小时内，在开发社区GitHub狂揽超过7万颗星。

随着DeepSeek密集发布新品，Harness成为此次更新中颇受关注的一环。8月13日凌晨，DeepSeek V4 Pro正式推出，新版本增强了Agent能力。同一天，DeepSeek宣布，随着DeepSeek V4全系列模型正式版上线，API价格将上调并采用峰谷分时定价。

如果说模型决定了AI“能做什么”，那么Harness就是决定AI“如何把事情做完”的基础设施。随着AI从聊天问答走向能够自主调用工具、编写代码、操作文件并完成复杂工作流的Agent，Harness的重要性也开始凸显。

从模型到Agent：DeepSeek如何定义Harness？

所谓Harness，是指围绕大语言模型构建的一套软件支撑框架，旨在帮助AI Agent管理和执行更加复杂的任务。简单来说，它可以被理解为让一个大模型真正成为Agent所需要的整套运行系统。

DSH团队将模型比作“Agent的灵魂”，而Harness则“给予Agent理解环境、使用工具，并在真实场景中持续工作的能力”。

团队表示，DSH采取“一切皆插件”的设计思路：“我们采用插件式开放架构来构建Agent Harness：模型、工具、技能、会话、沙箱、存储、循环、调度、UI等所有Agent能力均由插件组合而成，可自由替换、灵活重组。”

这意味着，DSH并不只是给DeepSeek模型套上一层工具，而是试图将Agent运行所需要的各个环节拆分成可以动态组合的模块。

目前，OpenAI、Anthropic等AI前沿实验室都在构建自己的Harness，以提升AI在编程及其他工作场景中的效率和能力。

不同的是，OpenAI的Codex和Anthropic的Claude Code更侧重于面向软件开发的AI Agent，能够理解代码库、调用工具、修改代码并完成复杂的软件工程任务。相比之下，DeepSeek此次推出的Harness则进一步向底层延伸，直接触碰到Agent工程架构层面。

有开发者在X平台上总结认为，DSH能够将DeepSeek的模型、工具、文件系统、沙箱、Agent循环等全部模块化，同时记录、回放和修改Agent的完整运行过程。由此，DeepSeek不再只是“一个模型”，而开始成为一个可以自由组装、持续演进的Agent运行平台。

DSH采取“一切皆插件”的设计思路，引发社区讨论。来源：X平台

这种设计也与DSH背后的核心组件Cordis有关。DeepSeek与北京大学近日联合发布论文《A Programming Paradigm for Spatiotemporal Composability》（《一套处理时空可组合性的编程范式》），进一步解释了这套架构的技术基础。

作为负责DSH插件加载、卸载和依赖关系的核心，Cordis提供了一套动态组合机制。经过Context管理的组件可以被动态加载和卸载，同时自动回收其所管理的副作用。

值得注意的是，这套设计并非只停留在论文或实验室阶段。据论文介绍，相关设计已经在Koishi聊天机器人框架中运行四年，目前已有超过4000个社区插件在生产环境中得到验证。

在X平台上，许多网友用“overwhelming（压倒性的）”来形容这篇论文。有开发者表示，它提出了一种新的编程模型，即一个组件不仅需要告诉系统“我需要什么”，还需要明确“我会改变什么”。系统在运行时可以据此自动激活相应依赖，而当组件退出时，又能够撤销此前产生的影响。

早期体验者：想法很酷，但仍有明显短板

DSH开放测试后，迅速吸引了一批开发者进行实际测试。

知名开发者、Flask框架创始人Armin Ronacher评价称，DSH展现出了“一些很酷的想法”。他表示自己很喜欢其中的设计，“确实让我重新思考了一下我们在产品中进行Harness重构的方式”。

也有开发者直接对比了不同Harness的实际表现。一名用户给DeepSeek V4 Flash布置了完全相同的任务——制作一个基于Three.js的滑沙游戏，分别在DSH、Reasonix和Codex中运行。从最终呈现效果来看，DeepSeek V4 Flash与DSH结合后的表现最好。

网友测试DSH。来源：X平台

一名Reddit用户则认为，Harness的架构理念非常先进，其最大的优点是能够把DeepSeek模型的能力发挥到目前可以达到的较高水平。不过，DSH的缺点在于，Agent完成一个任务可能需要较长时间，而且Token消耗较大，“还有很多优化空间”。

体验者总结DSH的优缺点。来源：Reddit

另有早期使用者提到，DSH目前的使用体验仍然比较复杂，包括Skills加载机制、插件说明、CLI使用方式等都存在一定的学习成本。换言之，DSH的技术架构似乎比产品体验走得更快。

从更广泛的角度来看，DSH真正引发关注的地方是其所代表的竞争方向。

美国科技媒体VentureBeat认为，DSH显示出DeepSeek的竞争重点正在从“模型层”向“Agent基础设施层”上移。

随着越来越多模型通过标准化接口提供服务，开发者未来可以相对容易地在不同模型之间进行替换。相比之下，一个Agent的Harness负责决定它如何推理、调用工具、修改软件、管理文件以及贯穿整个工作流，其替换成本可能要高得多。