8月13日晚，在DeepSeek V4 Pro正式版上线的同一天，DeepSeek又放出了一个此前预告了半个月的产品——DeepSeek Harness。

昭粟AI制作

与DeepSeek过去一年频繁发布的大模型不同，这一次发布的并不是一个新的模型。

DeepSeek Harness，简称DSH，是DeepSeek自己开发的一套开源Agent Harness。

简单理解，如果大模型负责“想”，Harness负责的就是让模型真正“干活”：它把模型接入文件、终端、工具、搜索和其他Agent，同时管理上下文、任务执行和不同工具之间的协作。

DeepSeek官方给它的定位是一个“开源agent harness”，目前仍处于Developer Preview（开发者预览）阶段。

目前代码已经在GitHub公开，采用MIT许可证，用户也可以直接通过npm启动Web界面。官方同时提醒，目前产品还在快速迭代，后续可能出现破坏兼容性的修改。

这不是DeepSeek突然做出来的一个“AI编程工具”。

过去几个月，DeepSeek已经在一步步把模型之外的Agent执行层补起来。

模型会写代码

还不等于它能自己把活干完

理解DeepSeek Harness，首先需要区分“模型”和“Agent”。

当用户让大模型“帮我修改这个项目里的登录页面”时，仅仅生成一段代码并不困难。

真正复杂的是后面的工作：模型需要知道项目有哪些文件，找到应该修改的位置，读取代码，调用终端，执行修改，运行测试；如果测试失败，还要读取报错，再继续修改。

如果任务持续几十分钟甚至数小时，它还需要记住之前做过什么，压缩不断增长的上下文，并决定什么时候调用哪个工具。

这些工作并不全部由大模型本身完成。

OpenAI今年1月在介绍Codex工作原理时，就专门把这一层称为Codex的“agent loop”或“harness”：它负责组织模型、工具和提示词之间的交互，让模型生成的判断最终变成文件修改、终端执行等实际动作。

截图自OpenAI：《Unrolling the Codex agent loop》

Codex官方对Harness和Agent Loop的解释

Anthropic的Claude Code采用的也是类似思路。

按照官方介绍，Claude Code不仅回答代码问题，还能够读取整个代码库、编辑文件、执行命令，并连接开发工具，目前已经覆盖终端、IDE、桌面端和浏览器。

截图自Anthropic Claude Code官方文档

Claude Code产品能力说明

也正是在这样的行业背景下，“Harness”开始成为Agent产品中越来越重要的一层。

DeepSeek此前在组建Agent Harness团队时，将这套关系概括为：

Model + Harness = Agent。

按照相关招聘信息，DeepSeek将模型之外的上下文管理、工具调用、任务执行等工程工作归入Harness，并已经建立独立的Agent Harness团队。

DeepSeek目前官网招聘页面仍然可以看到“Agent Harness团队”和“Agent Infra研发工程师”等岗位。

截图自DeepSeek官方招聘页面

DeepSeek这次没有简单复制一个Claude Code

从最终公开的产品来看，DeepSeek Harness确实首先覆盖了AI编程Agent最常见的一套能力。

它能够访问文件系统和终端，也能完成工具调用、项目管理、长任务执行、上下文管理、联网搜索、Skill以及多个Agent之间的协作。

但DeepSeek在底层结构上采用了一套更开放的方式。

它把自己的设计概括成一句话：Everything is a Plugin，一切皆插件。

截图自DeepSeek Harness官方架构文档

模型适配器可以是插件，工具可以是插件，文件访问可以是插件，Agent Loop可以是插件，Session记录和UI同样可以被替换。

这些组件建立在DeepSeek开发的Cordis插件框架之上。官方架构文档写得相当直接：模型适配器、工具注册、会话日志乃至Agent Loop本身都不是不可修改的固定核心，而是可以根据配置替换的组件。

截图自DeepSeek Cordis官方教程

Cordis插件框架说明

这使它与目前较成熟的Codex、Claude Code存在一个比较明显的产品差异。

OpenAI更强调把Codex做成一个可以直接承担工程任务的Coding Agent。OpenAI目前对Codex的描述已经包括功能开发、复杂重构、代码审查、多Agent并行以及长任务协作。

今年2月推出Codex App时，OpenAI也直接将其称为“command center for agents”，让开发者同时管理多个Agent。

截图自OpenAI Codex官方产品页

Introducing the Codex app（多Agent、Skills及长任务能力）

DeepSeek Harness则把更多底层结构开放给开发者。

开发者不仅可以使用一个已经配置好的Agent，还可以决定这个Agent装什么模型、调用什么工具、使用什么Prompt、具有什么Skill，甚至重新组合它的运行方式和界面。

换句话说，目前的DSH更像一个可以自己组装Agent的工作台和运行时，而不是一个已经高度封装好的“DeepSeek版Codex”。

Harness其实已经藏在DeepSeek V4的成绩单里

事实上，早在7月31日DeepSeek V4-Flash正式版API上线公测时，DeepSeek就在官方更新日志中首次公开提到了这个尚未发布的Harness。

当时DeepSeek公布了一系列Agent Benchmark成绩：V4-Flash在Terminal Bench 2.1得到82.7分，NL2Repo为54.2，DeepSWE为54.4，Toolathlon Verified达到70.3。

但在这些数字下面，DeepSeek特意加了一条脚注：

公开Benchmark中的Code Agent任务，并不是单独让V4-Flash模型裸跑，而是使用DeepSeek Harness极简模式作为运行框架，推理强度设置为max。

截图自DeepSeek API官方更新日志

7月31日V4-Flash更新

到了8月13日正式上线的V4-Pro，DeepSeek再次采用了同样的方法。

根据DeepSeek公布的成绩，V4-Pro在Terminal Bench 2.1达到87.9，NL2Repo达到61.5，DeepSWE达到62.7，Toolathlon-Verified达到74.1。

官方同样注明，公开Code Agent测试使用的是DeepSeek Harness极简模式。

截图自DeepSeek V4 Pro官方发布页面

Agent Benchmark及Harness测试条件

也就是说，在DeepSeek真正把Harness交到开发者手里以前，它已经进入了DeepSeek自己的模型评测体系。

这也说明一个容易被Benchmark忽略的问题：Agent成绩并不完全等于基础模型成绩。

同一个模型放进不同Harness里，因为System Prompt、工具、上下文压缩、搜索方式、执行策略不同，最后完成任务的能力可能并不一样。OpenAI今年在解释Codex时，同样明确将Harness视为影响模型如何使用工具、执行任务的核心部分。

因此，今天再比较不同公司的“Agent能力”，已经很难只比较模型名称。

从5月招聘，到7月Benchmark

再到8月正式开源

DeepSeek进入Harness并不是8月13日才出现的动作。

今年5月，DeepSeek就开始公开招募Agent Harness相关人员，包括Agent Harness产品经理和研发岗位。随后，其招聘体系中进一步出现Agent Infra等职位。

到了7月31日，尚未发布的DeepSeek Harness第一次出现在V4-Flash官方Benchmark脚注中。

8月13日，DeepSeek V4 Pro正式版上线，Harness再次成为其Code Agent评测环境；同一天，DeepSeek Harness开发者预览版正式公开。

把这三个时间点连起来看，DeepSeek过去几个月实际上完成了从模型能力—Agent评测环境—Agent运行框架的一轮补齐。

而它此前甚至主动让自己的模型适配竞争对手的Agent工具。

DeepSeek V4目前原生支持OpenAI Responses API，并专门提供Codex适配；官方文档同时提供Claude Code接入指南，用户可以把Claude Code底层调用的模型切换为DeepSeek。

截图自DeepSeek V4 Pro官方页面

Responses API及Codex适配

现在，DeepSeek选择再往前走一步：不仅提供模型，也自己提供承载模型工作的Harness。

现在的DeepSeek Harness

还远没有到“取代Codex”的阶段

DeepSeek自己没有把DSH包装成已经成熟的商业产品，而是明确标注为Developer Preview，并在GitHub首页用大写字母提醒开发者：未来会出现破坏兼容性的变更。

发布后十几个小时，GitHub Discussions里已经出现大量社区插件，也开始出现安装、Windows路径和长任务运行等Bug反馈。例如有开发者反馈，长任务运行过程中后台停止响应后，Web页面仍持续显示“运行中”，停止任务、继续发送消息等操作也无法使用。

截图自DeepSeek Harness GitHub Discussions：长任务卡死反馈

（开发者个案，不代表整体体验）

与此同时，社区已经开始出现第三方搜索、跨Session记忆、邮件、OpenAI Codex Provider等插件。GitHub官方讨论区显示，产品发布后很快出现了大量Show and Tell（展示与讲解）项目。

截图自DeepSeek Harness GitHub Discussions

（社区插件及早期开发者生态）

因此，现在把DeepSeek Harness直接描述成“Codex杀手”还为时过早。

它真正值得关注的地方反而更具体：此前DeepSeek最有辨识度的产品是模型和API；现在，它第一次把自己用于组织模型、工具和执行环境的Harness公开给开发者。

而在Codex和Claude Code已经把AI编程从“回答代码问题”推进到“把整个任务交给Agent”的情况下，DeepSeek也开始进入模型之外的这一层竞争。