DeepSeek Harness，“杀死”Agent黑箱

8月13日，距离新模型发布不到24小时，DeepSeek官网首页发布的横幅和开放平台公告突然被撤下。API文档中模型名称没变，开发者仍可正常调用，但官方保持沉默。 事后，有开发者发现DeepSeek在Hugging Face后台代码仓库疯狂抢修，疑似因为前端接口、后端推理栈与权重配置出现了严重错位，导致体验“翻车”。 DeepSeek曾给出过一个公式：Model+Harness=Agent。这意味着，对可执行任务的Agent来说，只有模型是不完整的。Harness的可控、可观测、可回溯的特性，补上了模型所缺失的另一半。 模型是大脑，负责思考、推理和理解意图。但纯语言模型只能输出文本，无法直接操作文件、修改数据库和浏览网页。Harness是“身体”和“神经系统”，它提供了模型与外部世界交互所需的一切，包括工具调用、文件读写、沙箱环境、权限管理、任务编排等。 一是时间可组合性通过“可逆效应”机制，让系统自动记录并撤销组件卸载后的副作用，加载过程即决定卸载过程，确保系统长期稳定。二是空间可组合性通过“响应式共效应”实现声明式依赖管理，组件只需声明需求，运行时就能自动协调依赖变化，实现动态激活与停用。 两者融合于统一的上下文、承载状态、生命周期边界和依赖环境。Harness因此可实现“无特权核心”，所有组件包括Agent主循环均可替换，开发者通过配置文件即可自由组合。这一理念为构建灵活且面向未来的Agent基础设施奠定了方向。 OpenAI和Anthropic的战略是“向下整合”，即通过打造体验极致、深度绑定自家模型的Harness，巩固其在AI应用层的优势；DeepSeek的战略是“横向铺开”，不再满足只做一个优秀的模型供应商，而是试图通过开源一个模型中立、高度模块化的Agent底层标准，成为下一代AI应用的基础设施。 网传的DeepSeek Harness内测入选项目名单同样释放了强烈的信号，入选项目高度集中在能夯实Agent能力的基础设施领域。其项目主要围绕MCP插件、代码智能体、运行时、编排框架、可视化UI与多智能体调度等方向，直指Agent在真实世界落地的核心难题。 DeepSeek的一系列操作，可视为一场精心设计的“祛魅”运动。DeepSeek开源Harness，并大力扶持各类基建插件，本质上是在做一件事：将“如何构建一个强大的Agent”的一整套方法论和源代码，公之于众。 在此之前，OpenAI和Anthropic的Harness更像一个“黑箱”，其内部优化是核心机密，如何打造Agent产品被视为一种“特权”。DeepSeek通过开源和Cordis插件理论，主动拆解了这个黑箱，并证明Agent的强大不在于某一个神秘的内核，而在于一套可组合、可替换的工程组件。 当Harness被充分祛魅，成为一个透明、可被随时替换的组件后，整个价值链上，唯一不可被标准化、仍会持续进化的，就只剩下最底层的“模型”本身了。 如果把DeepSeek的模型、开源、Harness、涨价四个动作连在一起看，就会发现DeepSeek的目标非常明确。先建立生态，再定标准，然后用最强的模型性能，完成商业价值的最终变现。 Harness和开源就像是免费修建的高速公路，前期用来吸引车流，而当车流足够多时，顺势提高燃油的价格，便成为了最高效的商业兑现方式。 昨天的文章里，我们测评了DeepSeek-V4-Pro-0813的七项复杂任务，唯独指环王那题没有跑完整。当时为了赶时间，只给了《指环王》第一章的3句开头。 安装的过程就不赘述了，推荐大家用npm（Node.js的默认包管理器，安装并管理项目所需的各种第三方库，可以简单理解为一个开放的应用市场）安装，也方便升级和安装其他插件，可以直接运行npx @deepseek-ai/dsh web启动，如果卡住不动的话，可以先运行一遍npm install -g @deepseek-ai/dsh，然后再运行刚才的命令就可以顺利启动了。 装好环境之后正式开始今天的测试，《指环王》这个基准测的不是“会不会画一只鹈鹕”，而是“读懂一段文学→理解一个世界→把世界程序化搭出来”的完整链路，是目前圈内最狠的Agent考题之一。 昨天的测试为什么不算数？因为我们当时只给了3句开头，而Karpathy给Opus 5的是原著第一段。今天我们把原文补齐：第一章前段完整文字，从比尔博宣布111岁生日宴会，到霍比屯议论，再到弗罗多身世往事，共计1817个词、23段，一字不改。 第一次测试，我们按“评测就该严谨”的思路，把提示词写得滴水不漏，1817个词的原文，加上场景要素清单（洞屋要有圆形门、宴会长桌要有食物、宾客要议论纷纷），再加上运镜要求、灯光要求、比例要求，一共五条硬性要求。 结果很打脸，第一次生成的效果非常粗糙，叙事也不完整。场景是搭出来了，但离“霍比屯的生日派对”相距很远。效果呈现上，运镜支离破碎，画面像是赶工出来的半成品。穿模很严重，山坡上站的小人像是插了一堆棒棒糖。我们复盘了一圈，把原因归结为提示词太长了，列出的场景限制了模型的发挥。 第二次，我们把提示词砍到只剩目标，读懂原文，用Three.js搭出霍比屯生日派对的3D世界，运镜按原文节奏走，保存为完整可运行的HTML文件。场景要素、灯光、比例要求，全部删掉。 场景竟然一次就跑通，洞屋、比尔博、弗罗多、宴会长桌、酒馆前议论的霍比特人，该有的都有；角色只有轻微漂浮和穿模，属于“能看出是霍比屯”的范畴；运镜叙事成立，按原文节奏从俯瞰霍比屯推到比尔博，再扫过议论的人群，最后环绕宴会长桌。 同一个模型，同样的原文，一个细致入微的提示词换来翻车，一句直白的目标换来及格以上的结果。看来现在顶级的模型反而不需要详尽的提示词，只需要用直白简洁的话告诉他目标就可以了，说多了反而效果会变差。 缓存命中率涨了一个点。前一天在Claude Code接入是98%，在DeepSeek Harness里是99%。这个提升看起来小，但在长上下文任务里，缓存命中率每涨一个点，都是实打实地关系到成本和生成速度。 再看测试本身，第一次的长提示词翻车，发生在DeepSeek Harness环境里；第二次反转，也在同样的环境。但全程没有环境相关的报错、卡顿、上下文丢失，两轮测试的对比是干净的，变量只有提示词本身。 作为一个刚发布的开发者预览版，这是很加分的稳定性，而且DeepSeek Harness还会把运行过程中每一步都显式的呈现出来，你可以看到模型是怎么工作的，这是一个很好的创新。 Harness作为完全开源的Agent框架，定义了“模型如何被调用、工具如何被组合、任务如何被编排”的底层标准，吸引了海量开发者和真实任务涌入。而这些真实任务的执行轨迹，通过Harness内置的可观测体系，源源不断地回流，为DeepSeek模型下一轮训练与优化提供天然数据养料。 当这套飞轮转起来，开发者的选择就变得不再困难。因为使用DeepSeek Harness，就会得到一个始终与最强模型同步进化，且无需二次适配的开箱即用系统。