什么是 DeepSeek Harness？

DeepSeek Harness 是一套基于 Node.js 的软件，它像“马具”一样套在大模型（LLM）之外，负责管理工具、记忆、子智能体编排、会话管理和终结逻辑，使模型能够自主执行复杂的多步骤任务 。DeepSeek 内部有一个简单的公式：模型 + Harness = 智能体 。模型是负责推理的“大脑”，而 Harness 则是连接大脑与文件、终端、浏览器及外部工具的“外围系统” 。

从大模型到自主 AI 的战略转移

DeepSeek 之前的声名鹊起，靠的是以远低于 OpenAI、Anthropic 等美国竞争对手的成本训练出顶尖大模型。而 Harness 的推出意味着公司正式进军“执行层”——也就是将原始模型智能转化为可部署、能创收的产品的基础设施 。《南华早报》将此次发布定义为“DeepSeek 进军大模型之外新战场的一次战略性转移” 。

为了支持这次战略转型，DeepSeek 完成了约 70 亿美元的外部融资——这是其首次接受外部资本——并启动了大规模的招聘，尤其是 Harness 部门 。到 2026 年 6 月，据媒体报道，DeepSeek 计划所有部门人员翻倍，全力建设新的业务线 。

“一切皆插件”：模块化架构

Harness 最核心的设计理念是 “一切皆插件” 。它基于 Cordis 元框架构建，由该框架负责插件的加载、卸载和依赖管理 。模型、工具、技能、会话、沙箱、文件系统、编排循环，甚至用户界面——所有组件都以独立的 Cordis 插件形式实现 。

这意味着开发者无需修改核心源代码，就可以混合、匹配、替换和扩展任何能力 。系统中“没有需要修补的特权核心” ；开发者只需在现有插件旁边挂载新插件即可扩展系统。这种架构让开发者可以根据特定任务，仅选择所需的插件来组合自定义的智能体运行时 。

四种运行预设

Harness 提供了四种内置的智能体预设，每种预设都是同一插件系统的不同组合 ：

切换模式会加载不同的默认插件集，从而改变智能体可用的工具及其执行规则 。

Harness 还采用了仅追加的会话日志设计：系统提示词、思维链、工具调用及其结果、子智能体分派、上下文注入等所有运行信息都会被完整记录，使开发者可以精确回放和调试任意智能体的运行轨迹 。

关键人才引进：前 Jane Street 工程师崔添翼

2026 年 5 月，DeepSeek 招募了 崔添翼（Tianyi Cui），一位前 Jane Street 的量化研究员和明星工程师，来领导其新成立的 Harness 团队 。他的领英资料显示，自 2026 年 3 月起，他以“技术专家，Harness 团队”的身份在北京为 DeepSeek AI 构建 Agent Harness 。在此之前，他曾共同创立香港量化交易公司 TSY Capital，并在 Jane Street 从事了近九年的软件开发和量化研究工作 。

资深研究员陈德利（Deli Chen）在 2026 年 5 月透露，该团队正在从零搭建“CodeHarness”，一个独立的“DeepSeek Code”产品据说也在规划中 。崔添翼本人每天亲自面试候选人，并在多个平台发布招聘广告，将 Harness 团队描述为“直接承担公司最核心、最重要的任务之一” 。

与 Anthropic Claude Code 的竞争定位

DeepSeek Harness 被定位为直接对标 Anthropic 的 Claude Code 的产品，后者是这家美国 AI 公司广受欢迎的编码智能体工具 。DeepSeek 还专门注册了名为“DeepSeek Harness (Tool Framework)”的微信公众号，作为 Harness 业务线的独立官方渠道 。

不过，DeepSeek 公开表示 Harness 并不想成为“下一个 Codex” 。相反，它希望打造一个可重组、可回放的智能体运行时，其中的每个能力都是可替换的——相比于那些更封闭的竞争对手，这是一种更具模块化和开放性的思路 。MIT 开源许可的策略也与 Anthropic 和 OpenAI 的专有模式形成鲜明对比，有望吸引更庞大的开发者生态 。

项目在公开预览后的几小时内即获得 超过 33,000 个 GitHub Stars ，充分反映了开发者社区对这种“插件优先、开源优先”理念的热烈关注。

快速上手指南

上手非常简单：在终端运行 npx @deepseek-ai/dsh web，然后在浏览器打开 http://127.0.0.1:3080，输入 DeepSeek API Key 即可 。本地 Web 界面支持项目管理、长任务协作、多智能体编排、上下文管理、联网检索以及外部技能调用等功能 。

什么是 DeepSeek Harness？

DeepSeek Harness 是一套基于 Node.js 的软件，它像“马具”一样套在大模型（LLM）之外，负责管理工具、记忆、子智能体编排、会话管理和终结逻辑，使模型能够自主执行复杂的多步骤任务 。DeepSeek 内部有一个简单的公式：模型 + Harness = 智能体 。模型是负责推理的“大脑”，而 Harness 则是连接大脑与文件、终端、浏览器及外部工具的“外围系统” 。

从大模型到自主 AI 的战略转移

DeepSeek 之前的声名鹊起，靠的是以远低于 OpenAI、Anthropic 等美国竞争对手的成本训练出顶尖大模型。而 Harness 的推出意味着公司正式进军“执行层”——也就是将原始模型智能转化为可部署、能创收的产品的基础设施 。《南华早报》将此次发布定义为“DeepSeek 进军大模型之外新战场的一次战略性转移” 。

为了支持这次战略转型，DeepSeek 完成了约 70 亿美元的外部融资——这是其首次接受外部资本——并启动了大规模的招聘，尤其是 Harness 部门 。到 2026 年 6 月，据媒体报道，DeepSeek 计划所有部门人员翻倍，全力建设新的业务线 。

“一切皆插件”：模块化架构

Harness 最核心的设计理念是 “一切皆插件” 。它基于 Cordis 元框架构建，由该框架负责插件的加载、卸载和依赖管理 。模型、工具、技能、会话、沙箱、文件系统、编排循环，甚至用户界面——所有组件都以独立的 Cordis 插件形式实现 。

这意味着开发者无需修改核心源代码，就可以混合、匹配、替换和扩展任何能力 。系统中“没有需要修补的特权核心” ；开发者只需在现有插件旁边挂载新插件即可扩展系统。这种架构让开发者可以根据特定任务，仅选择所需的插件来组合自定义的智能体运行时 。

四种运行预设

Harness 提供了四种内置的智能体预设，每种预设都是同一插件系统的不同组合 ：

切换模式会加载不同的默认插件集，从而改变智能体可用的工具及其执行规则 。

Harness 还采用了仅追加的会话日志设计：系统提示词、思维链、工具调用及其结果、子智能体分派、上下文注入等所有运行信息都会被完整记录，使开发者可以精确回放和调试任意智能体的运行轨迹 。

关键人才引进：前 Jane Street 工程师崔添翼

2026 年 5 月，DeepSeek 招募了 崔添翼（Tianyi Cui），一位前 Jane Street 的量化研究员和明星工程师，来领导其新成立的 Harness 团队 。他的领英资料显示，自 2026 年 3 月起，他以“技术专家，Harness 团队”的身份在北京为 DeepSeek AI 构建 Agent Harness 。在此之前，他曾共同创立香港量化交易公司 TSY Capital，并在 Jane Street 从事了近九年的软件开发和量化研究工作 。

资深研究员陈德利（Deli Chen）在 2026 年 5 月透露，该团队正在从零搭建“CodeHarness”，一个独立的“DeepSeek Code”产品据说也在规划中 。崔添翼本人每天亲自面试候选人，并在多个平台发布招聘广告，将 Harness 团队描述为“直接承担公司最核心、最重要的任务之一” 。

与 Anthropic Claude Code 的竞争定位

DeepSeek Harness 被定位为直接对标 Anthropic 的 Claude Code 的产品，后者是这家美国 AI 公司广受欢迎的编码智能体工具 。DeepSeek 还专门注册了名为“DeepSeek Harness (Tool Framework)”的微信公众号，作为 Harness 业务线的独立官方渠道 。

不过，DeepSeek 公开表示 Harness 并不想成为“下一个 Codex” 。相反，它希望打造一个可重组、可回放的智能体运行时，其中的每个能力都是可替换的——相比于那些更封闭的竞争对手，这是一种更具模块化和开放性的思路 。MIT 开源许可的策略也与 Anthropic 和 OpenAI 的专有模式形成鲜明对比，有望吸引更庞大的开发者生态 。

项目在公开预览后的几小时内即获得 超过 33,000 个 GitHub Stars ，充分反映了开发者社区对这种“插件优先、开源优先”理念的热烈关注。

快速上手指南

上手非常简单：在终端运行 npx @deepseek-ai/dsh web，然后在浏览器打开 http://127.0.0.1:3080，输入 DeepSeek API Key 即可 。本地 Web 界面支持项目管理、长任务协作、多智能体编排、上下文管理、联网检索以及外部技能调用等功能 。