智猩猩AI整理
8月1日，DeepSeek Harness团队负责人崔添翼在X上发了一条中文推文。
他说，如果开发者正在做Agent Harness相关的开源项目，希望第一时间接入DeepSeek Harness，可以回复GitHub ID和项目地址。
帖子下面没有产品Demo，没有发布会预告，连一张配图都没有。
但几天后，上千条回复堆了上来，近千位开发者带着开源项目来报名。社区有人戏称，这不是内测招募，这是开源Agent春晚。
8月5日，崔添翼又发了一条更具体的帖子。
这次他直接列清了DeepSeek Harness希望接入的方向，plugin、skill、MCP、orchestrator、aggregator、UI。
8月1日是试探社区反应，8月5日是明确生态边界。DeepSeek想要的不是一个封闭的Harness产品，而是一个能被全球开源项目立刻接住的底座。
几天后，DeepSeek Harness微信公众号正式上线，账号主体是北京深度求索人工智能基础技术研究有限公司，头像是一只黑鲸。
其实崔添翼不是第一次在X上喊人。
6月21日，他发了一则招聘帖，Harness部门是新成立的，目标很远大，工作繁重，每天都在面试，在各种地方贴小广告。他甚至在帖子里直接贴了三个岗位链接，研究员、工程师、产品经理。
这种姿态不太像一个大厂高管，更像一个急着把产品做出来的创业者。
那么问题来了，Harness到底是什么，值得他这么急？
答案，要从Agent真正走向生产环境之后说起。
7月初，黄仁勋和LangChain创始人Harrison Chase有过一次26分钟的公开对话。那整场对话里，黄仁勋一次都没提GPU和算力，只反复讲一个词，Harness。
他说，未来的公司将建立在Harness之上。
与此同时，LangChain公布了一个实验。他们用NVIDIA的Nemotron 3 Ultra跑Deep Agents评测，没有改模型权重，只调整了系统提示词、工具描述和中间件。
结果分数从原来的水平追到0.86，离最高分0.87 只差0.01，单次评测成本却从43.48美元降到4.48美元。
模型没变，周围的系统变了。
这就是Harness要做的事。它不负责生成下一个token，但负责决定模型什么时候调用工具、访问哪些文件、任务拆成几步、出错后怎么回退、执行到哪一步可以结束。
DeepSeek的招聘页面上写过一句话，Model + Harness = Agent。模型负责想，Harness负责把想出来的东西稳定地塞进真实工作流。
更重要的是，DeepSeek做Harness，并不是为了单独造一个开发者工具，而是在补齐自己与Claude Code、Codex之间最明显的一块能力差距。
过去，开发者可以直接调用DeepSeek模型，也可以把它接入Claude Code、OpenCode等第三方Agent。
但在这个模式里，模型是DeepSeek的，真正决定开发体验的Harness却掌握在别人手里。
DeepSeek如果想真正做自己的Coding Agent，就必须把这一层补回来。
所以从这个角度看，DeepSeek Harness的真正对手，很可能不是某一个开源 Agent框架，而是Claude Code和 Codex这样的完整Coding Agent。
开发者baboonAI4S，也就是Claude Qin，把712个报名项目做了一次荟萃分析。他发现，排名前三的赛道分别是智能体框架135 个、编程智能体107 个、记忆与上下文56个。这三个方向合计占了约 42%。
它恰好对应了Agent从Demo走向工程化的三道坎，长任务执行、记忆、安全。
baboonAI4S 在讨论区写了一段话，他说，要做好Harness，必须先回答一些更本质的问题。
记忆和推理是不是一体两面？记忆是一个过程还是结果？记忆的承载形式是什么，难道还是markdown文件吗？
更有意思的是，在DeepSeek亲自下场做Harness之前，海外开发者其实早已围绕DeepSeek模型构建Agent。
5月1日，美国独立开发者Hunter Bown在X上发了一条中文帖。
这个帖子当时在国内开发者圈里传得很广。不是因为它的技术内容有多深，而是因为一个老外，用DeepSeek模型做的终端编程Agent，几天之内Star数冲到 11000多，登顶了GitHub全球 Trending。
这说明一件事。DeepSeek的模型已经足够好，好到海外开发者已经开始围绕它构建Agent。但DeepSeek自己，在Harness这层反而慢了一步。
所以崔添翼 8月1日那条帖子，表面上是招募内测，实际上是在补课。补的是模型已经出海，但工程生态还没跟上的那一课。
V4 Flash，则把模型优势推到了下一阶段，7月31日，DeepSeek-V4-Flash正式版API公测。
截止今日，V4 Flash单周调用量达到10万亿Token，直接登顶全球榜首。
根据Artificial Analysis的测评，它的智能指数只比GPT-5.6 Luna低1分，但完成一次基准任务的平均成本仅0.03 美元，是Claude Fable 5的约百分之一。
模型性价比这条路，DeepSeek已经跑通了。
但V4-Flash-0731的模型卡里写了一句很关键的话，公开的代码Agent测试，使用了尚未发布的DeepSeek Harness，执行的是minimal模式，同时开启了max推理强度。
也就是说，那些亮眼成绩不是裸模型跑出来的，而是DeepSeek-V4-Flash+DeepSeek Harness+最大推理强度的组合结果。
这让我想起豆包下载量超过DeepSeek那件事。模型能力之外，谁能离用户的工作流更近，谁才能留下用户。Harness就是这个更近的接口。
接下来的问题变成，怎么把已经跑通的模型性价比，稳定地转成可用的工作流Harness就是那个转换层。
8月5日那条帖子里列出的接入方向，plugin、skill、MCP、orchestrator、aggregator、UI，几乎覆盖了Agent工程的全栈。这说明DeepSeek想要的不是一个封闭产品，而是一个生态。
所以，DeepSeek这次真正要补上的，可能并不是一个简单的Coding Agent，而是模型能力之上的工程层。
过去，DeepSeek把模型做到了极致的性价比；接下来，它需要回答的，是另一个问题：如何让这套模型能力稳定、持续、低成本地完成真实任务。
这也是Harness的价值。黑鲸已经出水,真正的较量，才刚刚开始。