6 min read

聊聊 DeepSeek Harness

Source: https://x.com/i/article/2088107955770335233

前言

DeepSeek Harness 终于出来了。看完官网和仓库的介绍,我最大的感受是,这个项目很有潜力。

这次的开源,我理解是提供了 2 个东西,一个是开箱即用的 Coding Agent,一个是底层的 Harness 框架,就好像 PI 之于 OpenClaw,这可能也是社区为啥对它有争议的点,因为讨论的不是一个事,很多人吐槽的前者,而我更关注后者的设计思路。

DeepSeek Harness 把 Coding Agent 自身也做成了 Plugin,企业和开发者可以替换其中的组件,再组装出适合自己的 Harness,且它提供了创造模式可以持续自我迭代优化,大致可以理解成:

  • Kernel 负责整套运行和扩展机制,Plugin 提供可以替换、组合的原子能力。
  • 企业根据自己的场景,从社区选择或者自行开发 Plugin,最后把 Kernel 和 Plugin 封装成一套内部使用的 Harness。

这件事为什么重要,需要先聊聊 Harness 的定义。

Harness 是什么?

前几天,InfoQ 的同学问过我一个问题。

从上下文管理、任务规划、MCP 工具调用到多 Agent 编排,Harness 的功能已经高度趋同,整条链路上还有哪些真正能拉开差距的创新空间?

现在大家对 Harness 的定义并不完全一致。我的理解是,模型提供 Agent 的基础认知和推理能力,Harness 决定这些能力如何被组织、调用,并最终落到真实任务中。两者共同影响 Agent 的能力边界和实际表现。

我个人会把 Harness 分成狭义和广义两层:

  • 狭义 Harness 是让 Coding Agent 完成一次任务的运行框架,包括上下文管理、Memory、Tool Call、任务规划、测试验证和多 Agent 编排等能力。狭义 Harness 决定 Agent 能不能稳定地把一次任务做完。
  • 广义 Harness,是让 Agent 在真实业务环境里持续获得验证、反馈和纠偏的闭环系统。它是面向真实的组织和业务,需要让 Agent 持续获得验证、反馈和纠偏。广义 Harness 决定它能否在真实业务中持续做对事情。

Harness 的上半场解决的是“Agent 如何完成一个任务”,能力确实正在趋同。但功能名称相同,不代表实际效果相同。你的 Agent 怎么跑得更快、更准、更稳定、更经济,失败以后能不能恢复,这些差异都藏在水面之下。

下半场解决的是“Agent 如何进入真实研发与业务系统,通过持续反馈完成目标”,差异化将更多来自场景化验证、反馈归因和闭环执行能力。

研发平台、线上日志、Tracing、内部自动化平台,以及企业自己的知识和规则,都要逐步接进来。Agent 需要看到真实反馈,判断结果对错,找到问题发生在哪里,然后继续修正。

这部分高度依赖具体场景,很难由一个通用 Coding Agent 直接解决。同一个 Coding Agent,有些团队能用出神的感觉,有些团队只觉得它是垃圾。差别往往来自团队围绕 Agent 提供了哪些适合自己业务的 Harness。

所以现在大家都在封装 Plugin。本质上就是把过去分散的 Skill、MCP、Doc、Connector 等收进来,做成可以安装、组合和分发的实体。

这时再看 DeepSeek Harness,它的思路就比较清楚了。

再看 DeepSeek Harness

DeepSeek Harness 最大的宣传点 -- “一切皆插件”,是把 Coding Agent 自身也做成了 Plugin。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,可以自由替换和灵活重组。

这意味着企业可以选择社区丰富的插件,也可以针对自己的场景开发 Plugin,替换 DeepSeek Harness 内置的 Harness 组件。这样既提高了二次开发的灵活性,也更容易继续跟进上游版本。

这套思路和我们当年做 Egg 很像。Egg 提供内核运行机制、插件机制和上层框架扩展机制。

放到 DeepSeek Harness 里,大致可以理解成这样。

  • Kernel 负责整套运行和扩展机制
  • Plugin 提供可以替换、组合的原子能力
  • 企业根据自己的场景,从社区选择或者自行开发 Plugin,最后把 Kernel 和 Plugin 封装成一套内部使用的 Harness

一个稳定的 Kernel,其他交给社区。照这个思路发展下去,未来出现的可能不止一个 oh-my-dsh,而是无数个面向不同场景的 oh-my-dsh(笑)。

它会怎么影响现有 Coding Agent

看到社区有人说,MiniMax、Kimi、ZCode 等团队要笑了。

我的观点是不尽然。DeepSeek Harness 对现有 Coding Agent 的直接产品冲击可能没那么快,生态层面的影响却可能很大。

前有梁圣的 AGI 愿景和 DeepSeek 的开源模型这两个强大号召力,现在又有 DeepSeek Harness 这个很有意思的架构理念。只要它的架构经得住检验,全世界的开源开发者很可能会涌进来。这几家还真未必能笑到最后。

之前 OpenClaw 底层的 PI,到现在都还有很多人讨论,OpenCode 也一直有不少开发者推崇。但它们有 Harness,没有自己的基础模型。DeepSeek 同时拥有 LLM 和 Harness,这会带来很大的生态潜力。

最近社区不也在讨论“同一个模型放到不同 Harness 里,测评结果可能差异很大”,那万一 DeepSeek Harness 成为了后续大模型横向测评的 Harness 基础设施呢?当它成为开源社区的白月光,无数社区开发者把 Plugin 生态逐渐发展起来,它甚至可能形成某种事实标准,反向影响其他 Coding Agent 向它靠齐。

当然,这些判断主要基于我目前看到的理念和架构设计,仍然属于推演。理念很有意思,生态潜力也足够大。接下来,就看社区拿着高倍放大镜看完代码以后是否买单了。