DeepSeek Harness详解：一切皆插件的 Agent 运行时如何工作

DeepSeek Harness的核心并不是推出一个新的大语言模型，而是把“模型周围那一整套让AI真正干活的系统”开放出来。它于2026年8月13日以MIT许可证发布开发者预览版，面向构建和研究AI智能体的开发者。

DeepSeek给出的公式很直接：Agent = Model + Harness。

其中，模型负责理解、推理和生成语言；Harness则负责让模型接触现实环境：调用工具、读写文件、运行命令、保存状态、调度子智能体，并在多轮操作中持续推进任务。换句话说，模型像“大脑”，Harness则提供了连接外部世界的“神经系统”和“执行层”。

Harness到底解决什么问题？

一个独立的语言模型可以生成代码或文字，但它并不会自动知道如何检查代码仓库、执行Shell命令、修改文件、维持会话，或在任务中断后继续工作。要完成真正的多步骤任务，还需要一层运行时来协调模型与环境之间的互动。

DeepSeek Harness把这层协调机制放在了核心位置。官方文档将模型、工具、技能、会话、沙箱、存储、Agent循环、调度和用户界面等，都定义为可以挂载、移除或重新组合的插件能力。

因此，Harness更像一个智能体底座，而不是一款内部逻辑固定的编码助手。开发者不必把产品的编排机制当作不可触碰的黑盒，而是可以替换模型周围的执行组件。

但开放性也意味着责任转移。插件之间的兼容性、权限控制、依赖管理、故障恢复、升级测试和安全边界，都需要由集成方自行处理。

Cordis：把Agent拆成可替换插件

Harness建立在Cordis之上。Cordis可以理解为负责挂载插件、解析依赖关系并管理运行时生命周期的内核。

在这一架构下，Agent的核心行为不再被锁定在一个不可拆分的循环里。可替换的组件包括：

• 模型适配器；
• 工具和技能；
• 会话与存储系统；
• 沙箱和文件系统访问；
• Agent循环与调度机制；
• 子智能体行为；
• Web界面及其他运行时组件。

这正是Harness与典型AI应用之间最关键的区别。

在传统产品中，用户通常可以调整提示词、工具或第三方集成，但底层的任务执行方式仍由厂商控制。Harness的目标则是让开发者连“Agent如何循环思考、调用工具并结束任务”这一层也能进行配置和替换。

理想情况下，这种设计有助于开发者针对不同任务组合出不同的Agent；现实中，它也会带来更高的工程复杂度。

四种运行模式，不是四款独立产品

开发者预览版提供四种预设模式。它们更像是同一个运行时的四套初始配置，而不是四款完全不同的产品。

标准模式

标准模式提供完整的编码Agent环境，包括文件编辑、Shell访问、文件与网页搜索、技能、计划、目标、子智能体和工作流，适合一般软件开发任务。

Code模式

Code模式通过面向代码的接口暴露工具，让模型可以在一个TypeScript程序中组合多项操作。对于本来就包含多个相关步骤的任务，这种方式可能减少反复进行单次工具调用的需要。

极简模式

极简模式有意收窄能力范围，只保留持久化Shell和文件编辑工具。它适合在相对受控的环境中评估模型，观察Agent在更少内置能力下的表现。

创造模式

创造模式面向希望编写新预设的开发者。它支持运行时检查和内存中的插件实验，方便开发者研究组件如何重新组合。

追加式会话日志：让Agent行为可追溯

Harness的另一项重要设计是会话可追踪。它将模型看到和执行的内容写入一条仅追加的事件流，包括系统提示词、推理内容、工具调用及结果、子智能体调度，以及上下文注入。搜索、回放、恢复和分叉都基于同一份事件历史。

这意味着，任务失败时，开发者可以更完整地还原导致失败的上下文和操作；如果想从中途尝试另一条路径，也可以从历史节点分叉，而不必从头开始。

这种设计有点像把Agent会话变成一条可回放的“版本历史”，对于调试、复现和研究尤其有价值。

不过，日志越详细，数据治理压力也越大。记录中可能包含敏感提示词、源代码、工具输出、意外暴露给模型的凭证或其他私人信息。将轨迹日志用于生产环境前，团队应先明确留存周期、访问权限、脱敏规则和沙箱策略。

它与Claude Code、OpenAI Codex有什么不同？

DeepSeek Harness经常被拿来与Anthropic的Claude Code和OpenAI Codex比较，但三者所处的位置并不完全相同。

Claude Code和Codex更接近整合式编码Agent产品：它们提供相对完整的工作流，用户可以较少配置就开始使用。Harness则是一个开放运行时，重点在于组合能力与执行控制。按照其设计，模型、工具、存储、沙箱、会话机制和Agent循环都可以通过插件替换，而不是固定在单一厂商控制的产品内部。

可以这样理解：

• 如果团队更看重开箱即用、操作流程成熟和较低的部署成本，整合式产品通常更合适；
• 如果团队更看重模型可移植性、自托管、可复现性、自定义执行策略或Agent研究，Harness更值得评估。

但“架构更开放”并不等于“编码能力一定更强”。真正的比较，不是简单判断谁是更好的编码助手，而是比较一个可组合的运行时与两款更具产品化取向的服务。Harness能否成功，取决于这种灵活性是否足以抵消额外的集成和运维工作。

GitHub爆发式增长说明了什么？

项目发布后获得了异常迅速的关注。多份报道提到，DeepSeek Harness在公开发布后约1至1.5小时内突破2万枚GitHub Star，后续报道则称截至2026年8月17日，仓库Star数已超过14.1万。

这些数字确实引人注目，但需要谨慎解读。GitHub Star代表关注、好奇或收藏，并不等同于活跃部署、任务成功率、安全性、稳定性或长期维护能力。至于“增长速度超过Grok-1”等说法，还取决于项目范围和统计时间窗口，应该视为报道中的比较，而不是已经严格确立的行业纪录。

目前最稳妥的结论是：开发者对更开放的Agent技术栈存在强烈兴趣。仅凭Star数量，则无法推出Harness已经适合生产环境。

成本：MIT许可证不等于推理免费

MIT许可证覆盖的是框架代码，并不会让模型推理变成免费服务。Agent运行时可能在多次模型调用中重复发送系统指令、工具结果、策略和累计上下文。

如果有关每次交互约4.76万个未缓存输入Token的报道准确，那么上下文规模可能成为成本和延迟的重要因素；但这一具体数字目前并未得到所提供的最强来源独立确认，因此不宜当作确定的计费指标。

模型供应商的价格也会直接影响实际成本。DeepSeek发布V4-Pro时，同时转向高峰与非高峰API定价。报道列出的V4-Pro高峰期输出价格为每百万Token 3.96美元，而此前价格为0.87美元。

一个Harness工作流最终花多少钱，还取决于多个变量：

• 使用哪一个模型；
• 上下文缓存命中率；
• 是否主动裁剪历史上下文；
• 工具输出有多冗长；
• Agent需要循环多少轮；
• 日志和上下文注入规模有多大。

因此，“框架开源”与“运行成本低”是两件不同的事。

稳定性：开发者预览意味着什么？

DeepSeek明确将Harness标为开发者预览版，并提醒核心插件和API仍会继续变化。

对于正在测试的开发者，较稳妥的做法包括：固定版本、锁定插件依赖、隔离实验环境、在升级前进行回归测试，并保留回滚方案。

早期第三方插件的故障报告，以及大量插件提案，可能说明生态正在快速形成；但所提供材料不足以把这些具体数字当作可用于决策的可靠指标。更普遍的工程规律是：每增加一个扩展接口，就会同时增加兼容性测试、安全审查和故障排查工作。

结论：它更像开放底座，而不是现成替代品

DeepSeek Harness的意义，在于它把Agent运行时本身提升为一个开放、可检查、可重组的工程层，而不只是继续围绕模型参数竞争。Cordis插件系统和追加式会话历史，让开发者可以更细致地控制Agent如何推理、行动、保存状态和接受审计。

这使它对研究人员、基础设施团队以及需要自定义Agent系统的开发者具有吸引力。相反，对于只想快速获得可靠编码助手、尽量减少配置和运维的团队，它未必是最合适的选择。

短期来看，Harness更可能成为Claude Code或Codex之外的开放替代方案，而不是立刻取代它们。它用开箱即用的便利，换取模型可移植性、可观测性和执行控制。未来能否成为长期平台，将取决于插件API是否稳定、生态质量是否可靠、安全边界是否清晰、文档是否完善，以及开发者在实际部署中要承担多少额外复杂度。