DeepSeek Harness 官方网站： https://deepseek.com/harness/

DeepSeek Harness 开源地址： https://github.com/deepseek-ai/deepseek-harness

最近 DeepSeek 又搞出了一个非常值得关注的新项目：

DeepSeek Harness。

而且热度有点夸张。

截至目前，DeepSeek Harness 的 GitHub 仓库已经达到 135.9K Star、13.7K Fork，但这个项目现在甚至还只是 Developer Preview，也就是开发者预览阶段。

项目 README 里甚至直接用大写提醒：

目前仍在快速迭代，未来会出现破坏兼容性的改动。

换句话说：

产品还没有完全稳定，API 还会继续调整，插件体系也还在变化。

但开发者已经先冲进去了。

真正值得看的，并不只是：

“DeepSeek 又开源了一个项目。”

而是它背后的一个公式：

Agent = Model + Harness

DeepSeek 官方直接把这句话放在 Harness 首页的核心位置。

如果说过去两年 AI Coding 大家更多关注的是：

GPT、Claude、DeepSeek、Gemini、Qwen 谁的模型更强。

那么接下来一个越来越明显的问题会变成：

模型已经很强了，怎么把这颗“大脑”真正接入文件、终端、浏览器、工具、Skills、沙箱和工作流，让它长时间稳定干活？

这就是 Harness 开始变得重要的原因。

一、DeepSeek Harness 是什么？

DeepSeek Harness，简称：

dsh

是 DeepSeek 开源的一套 Agent Harness 基础设施。

官方对它的描述非常直接：

Everything is a plugin。

也就是：

一切皆插件。

在 DeepSeek Harness 中，包括下面这些 Agent 核心能力：

•Model；

•Tools；

•Skills；

•Sessions；

•Sandboxes；

•Storage；

•Loops；

•Scheduling；

•UI。

全部都可以通过插件提供，并进行：

选择；

替换；

重新组合；

扩展。

这意味着 DeepSeek Harness 并不想把 Agent 做成一个：

固定功能的软件。

而是希望提供一套：

可以自由组装 Agent 的运行底座。

需要代码能力，就装对应工具。

需要网页搜索，就增加 Web 能力。

需要特定 Skill，就挂载 Skill。

需要独立 Sandbox，就换 Sandbox 插件。

需要新的模型，就替换 Model Plugin。

甚至：

Session；

Storage；

Scheduling；

UI

都可以继续替换。

这就是 DeepSeek Harness 最核心的设计方向。

二、先说清楚：AI 里的 Harness 到底是什么意思？

Harness 这个英文单词，本身有：

马具；

挽具；

驾驭工具

的含义。

放在 AI Agent 里其实非常形象。

可以把：

Model 看成一匹能力非常强的马。

模型本身会：

思考；

推理；

写代码；

分析问题；

生成内容。

但光有模型，并不意味着它就可以真正完成复杂任务。

它还需要知道：

文件在哪里；

终端怎么调用；

代码怎么修改；

网页怎么访问；

什么时候使用工具；

任务做到哪一步；

结果保存在哪里；

失败以后怎么继续；

什么时候启动子 Agent；

不同任务之间怎么调度。

负责把这些东西连接起来的工程系统，就是：

Harness。

DeepSeek 官方的解释也非常接近这个意思：

模型是 Agent 的“灵魂”，而 Harness 负责让 Agent 理解环境、使用工具，并持续在真实环境中完成任务。

所以：

Harness 并不是模型。

它更像：

模型外面的整个执行系统。

三、Agent = Model + Harness

这可能是 DeepSeek Harness 整个项目最值得记住的一句话：

Agent = Model + Harness

过去很多人讨论 AI Agent 时，注意力主要放在 Model 上。

例如：

模型够不够聪明？

代码能力强不强？

上下文够不够长？

推理能力怎么样？

Benchmark 能拿多少分？

这些当然重要。

但真正运行 Agent 时，你会发现：

Agent 最终体验并不只由模型决定。

同一个模型。

接入不同 Coding Agent；

不同 Tool；

不同 System Prompt；

不同 Memory；

不同 Context Strategy；

不同 Skill；

不同 Sandbox。

实际效果都可能差很多。

原因就在于：

Harness 不一样。

所以以后判断一个 Agent 好不好用，可能不能只问：

它用了什么模型？

还要继续问：

它外面的 Harness 是怎么设计的？