DeepSeek Harness 目前仍像毛坯，但其“一切皆插件”的架构，指向的是可观测、可改造、可自我迭代的 Agent 运行时，而非又一个开箱即用产品。
DeepSeek Harness 发布：大家都在吵性能，我更在意它到底要做什么
2026 年 8 月 13 日晚，DeepSeek 开源了 DeepSeek Harness（命令行叫 dsh），MIT 协议，仓库一上线不到一天就冲到数万 star。同一天发布的还有 V4-Pro 正式版。模型加工具链一起放出，本来想凑个"双响炮"的声势，结果社区吵翻了。
大部分人盯着 V4 的跑分和涨价，说"满血版没预想中那么强"。但我把知乎上几篇长文从头读到尾，加上自己翻了翻架构文档，得出来的感觉不太一样：我们可能正在用上一阶段的尺子，量下一阶段的竞争。
先泼一盆冷水：它现在确实像个毛坯
看到它的第一反应普遍是懵。内测开发者 Kitt在进化 拿到产品时说，左边菜单栏就一个工作区目录和一个新增对话按钮，插件管理、定时任务、内置浏览器、computer-use 全都没有，设置页只有外观和模型两项。他当时心里想的是："一个 agent 产品，这些东西现在不都是标配吗？这玩意离完工是不是还挺远。"
段小草说得更直白：需要 npm install 才能用，本身就把非程序员用户挡在门外了，"相比于现在的毛胚状态，希望能更加开箱即用"。他还吐槽内测秀出来的插件大多是自嗨，"用户是来看你给黑鲸鱼换皮肤的吗？用户是想看到怎么把模型能力榨干到极致。不搁这造生产力，秀各种风格的皮肤有啥用？"
这些都是实打实的批评，我认。
但架构这件事，是真的有点东西
如果你只盯着产品用起来顺不顺手，那确实会失望。问题是 DeepSeek 根本没打算把它做成一个"开箱即用"的成品。Kitt 后来才明白："DSH 根本就没打算自己做这些功能，走的是插件路线，自己只搭框架，所有能力交给社区自定义。"
这就是它最大的卖点：一切皆插件。模型适配器、工具注册表、会话日志，甚至 Agent 主循环本身，全都是可替换的插件。底层是 Cordis 框架，讲究"注册即副作用，卸载即回滚"，没有需要打补丁的特权核心。
酱紫君用一个比喻把这件事说透了。他把大模型比作一匹马，Cursor、Claude Code 这类客户端是马车车厢，而 Harness 是马鞍和缰绳——连接马的力量和车厢的那层东西。他说现在的所谓 Harness 其实都是"单片机"：所有逻辑焊死在一个 while true { loop } 里，开局塞一段巨长 prompt，设定角色，喂工具 JSON Schema，模型输出 Tool Call，客户端跑一段代码喂回去，周而复始。
DeepSeek 觉得这太挤了。他们要的是一套能让模型自省、动态插拔、在运行时自己改写自己插件树的抽象运行时。用他的话讲，现在的 Harness 好比 Linus 刚写的 Linux 0.01 内核，啥也没有，但方向已经摆在那了。
最有争议的一层：这到底是开源情结，还是生意
见仁见智。有人的角度很冷，说这是披着开源外衣的商业模式：开源运行时吸引开发者，但每个 agent 任务都要消耗 token，DeepSeek 收 API 费，跟 Redis 开源 + Redis Cloud 赚钱一个套路。
这个质疑成立，但也别把它想得太黑暗。DeepSeek 之前只开源了模型的半边，Harness 一直没动静，这次补齐，算是把"模型到干活"这段闭环整个摊开给所有人。身份上也有意思：之前讲 harness 的多是工具厂商和社区，这次是模型厂商亲自下场——模型通常按自家 harness 做过训练适配，理论上能压榨出别人 harness 用不出来的能力。
我更在意的那件事：自我迭代的可能性
现在聊聊为什么我觉得不该只盯着产品形态和跑分。
SeanTan 那篇长文（标题就叫《当大家失望于 DeepSeek V4 时，我更关注它刚刚开源的 Harness》）点出了一个被大多数人忽略的事。他说我们习惯用"大脑够不够聪明"来评判一家 AI 公司——DeepSeek 有没有造出一个足够聪明的大脑？但 DeepSeek 正在做的可能是另一件不同层面的事：
如果单个大脑暂时没那么聪明，能不能制造一个会组织自己、改造自己，甚至逐渐学会迭代自己的智能系统？
他把 Agent 能力拆成乘积：模型 × Harness × 工具 × 记忆 × 环境 × 计算资源。模型只是其中一个因子。DSH 加上那个 append-only 的 Session Log（每次运行都可追溯，模型看到的所有内容都被记录下来），本质上是在给这个系统装"眼睛"和"记忆"。你能看到 agent 看到什么、为什么这么决策、结果如何复现。
他感慨，构成"运行 → 观察自己 → 找到缺陷 → 修改自己 → 测试 → 保留改进 → 用更好的自己继续运行"这个反馈环的零件，正在一件一件出现。Coding 让 AI 能改软件，Trajectory 给了它经验数据，Verifier 让它判断改得好不好，Cordis 提供了可控的模块化变异边界，Harness 则提供了一个可以被修改的软件身体。
有答主三风说得更极端也更直接："从产品的角度来说纯史一坨，给任何模型装上都纯 debuff。但从 Agent 的角度来说，这是一个前所未有的自进化框架。如果梁子能在这玩意上跑通 RL，训出来的模型确实有望在 AGI 上超车。"
我不完全同意"纯史一坨"这个说法，他明显是因为 V4 失望夹带了情绪。但"DSH 的最大价值不在当下性能，而在它是一个可以用来训练更好 agent 的自进化框架"这一点，我认同。
我的结论
DSH 现在确实不好用，对普通用户不友好，插件大多还是自嗨，官方也明确说还在 developer preview，会有破坏性变更。这些都不是假装看不见的问题。
但我整体的感觉是：DeepSeek 这次卖的其实是架构和方向，不是开箱即用的成品。它把"马鞍"做成了一套能让模型自己换零件、甚至自己改自己的系统。Claude Code 和 Codex 是产品，给你一个现成的 agent；DSH 是地基，给你一堆零件让你组自己的 agent，然后动手改。
好消息是，模型能力也在快速跟上。V4-Pro 那套数字（84% 的缓存命中率、实测 33 秒跑完一个任务、84% 输入主要是系统提示）说明运行本身已经相当高效。差的只是"人味"层面的打磨和生态的沉淀——这恰恰是社区最擅长补的部分。
DeepSeek 是不是在憋一个更大的东西，能不能在"自进化"这条路上跑通，现在谁也没法打包票。DSH 可能最后被 Claude Code 或别的框架压过去，Cordis 也可能没成行业标准。但即使它失败，它指向的问题还在：下一阶段的竞争，很可能不是"谁的大脑更聪明"，而是"谁能把这些大脑组织成一个持续运行、动态重组、不断积累经验、甚至开始修改自身结构的系统"。
到那时候回看，V4 某个 benchmark 比对手低几分，可能只是个很小的历史注脚。
注：文中观点整理自知乎答主 Kitt在进化、段小草、酱紫君、SeanTan又名阿卉、三风等的公开发帖，数据与"缓存命中率 84%"等来自答主"体验生活的张三"的实测。均为发布于 8 月 13-14 日的个人观点，含内测开发者的一手体验，部分对 V4 的吐槽带有个人情绪，请自行判断。