DeepSeek Harness 是什么？ AI 编程 Agent 的全貌

DeepSeek Harness 是 DeepSeek 正在内测的 AI 编程 Agent 产品，其定义是"模型之外的一切"——Prompt 编排、工具调用、上下文管理、记忆系统、子 Agent 协调与用户交互界面统一构成 Harness 层，形成 Model + Harness = Agent 的公式；团队由 Jane Street 前量化交易员崔添翼于 2026 年 3 月加入 DeepSeek 后组建，2026 年 8 月 1 日面向全球开源开发者启动内测招募（769 位开发者、712 个仓库、120 万+ Stars 涌入），2026 年 8 月 11 日官方黑鲸公众号正式上线，配套的 DeepSeek V4-Flash 正式版已于 7 月 31 日开放 API 并以 Harness 极简模式测试，V4-Pro 正式版及完整 Harness 产品列为后续发布目标。

Harness 是什么：模型之外的工程调度层

理解 DeepSeek Harness，需要先理解它解决的问题。

一个大模型无论能力多强，面对真实工程任务时，它只能接受 token、输出 token——它不知道自己修改的文件改没改对，不知道测试跑没跑通，不知道上次的错误日志在哪里。让模型变成能实际干活的 Agent，需要在模型之外搭一套工程脚手架，这套脚手架就是 Harness。

DeepSeek 官方给出的定义是：除模型本身以外的所有工作，统统算 Harness：

Prompt 编排与上下文工程：把代码库结构、项目规范、历史对话整理成模型能消化的输入
工具调用：执行 shell 命令、读写文件、运行测试套件
迭代控制与容错：设定最大修改轮次，遇到模型输出异常或执行失败时自动重试
上下文摘要：对超长代码库或多轮对话进行压缩，避免 token 溢出
测试失败回传：将失败日志、浏览器截图重新喂回模型，驱动下一轮修复
记忆系统与子 Agent 协调：跨任务记忆、多个子 Agent 并行分工

公式是：Model + Harness = Agent

这也是为什么 DeepSeek 选择把 Harness 和 V4 模型分开构建，而不是把 Agent 逻辑直接写进模型——Harness 层可以随工程实践快速迭代，不需要重新训练模型。

时间线：从岗位招聘到黑鲸公众号

时间	事件
2026年3月	崔添翼加入 DeepSeek，组建 Harness 团队
2026年5月	Harness 团队正式立项，对外公开招募 Agent Harness 工程师和产品经理岗位
2026年7月6日	DeepSeek Harness 公众号完成注册，7月7日通过认证
2026年7月29日	内测招募截图在开发者社区流传，产品初现轮廓
2026年7月31日	DeepSeek V4-Flash 正式版 API 开启公测，官方文档首次提及"DeepSeek Harness 极简模式（即将发布）"
2026年8月1日	团队负责人崔添翼在 X 平台面向全球发布内测招募，申请者需提交 GitHub 仓库作为代表作
2026年8月11日	黑鲸公众号（Logo 为黑色鲸鱼）正式上线

黑鲸的意象耐人寻味：鲸鱼体型庞大却以精准的声呐系统导航，在对信息密集的海洋中高效定向——这与 Harness 在复杂代码库中对模型能力的精准调度多少有些呼应。

团队背景：量化交易员为什么来做 AI 编程 Agent

崔添翼的背景在 AI 行业不算常规路径：浙江大学计算机系毕业，之后在 Jane Street（全球顶级量化交易机构）工作九年。

这个选择有其内在逻辑。量化交易的核心工作之一，是把对市场的判断（"模型"）翻译成能够在真实市场中执行的交易系统（"Harness"）：信号必须在毫秒内转换为订单，执行失败需要回退，所有状态必须可审计，系统不能有隐性行为。这和 AI 编程 Agent 的工程挑战高度同构——在不确定的模型输出和确定的工程执行之间，需要极其严格的控制层。

DeepSeek 选择让搞量化的人来主导 Harness，是对"把 AI 能力工程化落地"这件事难度的清醒判断。

内测招募：一次意外的 Agent 开源大摸底

2026 年 8 月 1 日，崔添翼在 X 平台发布招募帖，要求申请者：

参与过开源 Agent 项目的建立和维护
提交 GitHub ID 及代表作仓库
入选后签署保密承诺函

截至 8 月 3 日上午，统计仓库（github.com/Octo-o-o-o/deepseek-harness-applicants）显示：

报名者：769 位开发者
去重开源仓库：712 个
累计 Stars：超 120 万
覆盖赛道：18 个（包括 Coding Agent、记忆系统、安全工具、评测框架等）

这次招募本来是小范围筛选，意外变成了一次全球开源 Agent 生态的公开摸底——哪些方向有人做、做到什么深度、社区认可度如何，被一次性摊开在所有人面前。

V4-Flash 正式版的 Agent 基准：Harness 极简模式跑出的数字

2026 年 7 月 31 日，V4-Flash 正式版 API 开启公测，官方文档公布了以"DeepSeek Harness 极简模式（即将发布）"为框架跑出的 Agent 基准测试数据：

测试集	V4-Flash 得分
TerminalBench 2.1	82.7
NL2Repo	54.2
Cybergym	76.7
DeepSWE	54.4
Toolathlon (verified)	70.3
Agent Last Exam	25.2
DSBench-FullStack	68.7
DSBench-Hard	59.6

官方表示这些结果"远超 V4-Pro-Preview"。值得注意的是，测试所用的"Harness 极简模式"本身还没有对外发布——正式版 Harness 产品在工具调用编排和上下文管理上有更完整的实现。

DeepSeek 同时表示，V4-Pro 正式版"将会尽快发布"，完整 Harness 产品预计与之配套推出。

和 Claude Code、Codex 的差异

DeepSeek 内部以 Claude Code 为对标目标，但两者的产品哲学有明显差异：

维度	DeepSeek Harness	Claude Code	Codex
模型绑定	DeepSeek V4 系列（设计上可换）	绑定 Claude	绑定 GPT 系列
开放程度	内测阶段，官方强调开源导向	闭源 CLI	云端 API
执行环境	本地/自托管	本地终端集成	云端沙箱
社区路径	开源开发者优先内测，生态共建信号明显	内部打磨后公开	API 平台推出

DeepSeek Harness 的内测策略（优先筛选开源开发者）表明，它的产品路线更接近"社区共建工具"而非"厂商封闭方案"——与 DeepSeek 此前模型开源的路径一致。

常见问题

Q：DeepSeek Harness 现在可以用吗？

截至 2026 年 8 月 12 日，Harness 仍处于内测阶段，未面向公众开放。内测用户需签署保密承诺函，官方尚未公布正式发布时间表。可关注"DeepSeek Harness（工具框架）"官方公众号获取最新动态。

Q：Harness 和 DeepSeek V4 API 是什么关系？

V4 API 提供底层模型调用能力，Harness 是建立在 V4 之上的 Agent 执行层。开发者现在已可通过 deepseek-v4-flash 模型 ID 调用 V4-Flash 正式版 API，Harness 是 DeepSeek 自建的工程调度框架，两者配套但可以分别使用。

Q：普通开发者现在能做什么准备？

可以直接使用 V4-Flash 正式版 API（a，兼容 OpenAI 格式），搭建自己的 Agent 工作流；等 Harness 开放后，可以将自有 Harness 替换为官方框架或混合使用。调用多个国产大模型 API（DeepSeek、Kimi、GLM 等）的开发者，可以通过多模型聚合 MaaS 平台（如七牛云 Token Plan，qiniu.com/ai/plan）统一 Key 管理，在等待 Harness 期间不中断 Agent 开发工作。不中断 Agent 开发工作。

Q：Harness 会开源吗？

官方尚未明确承诺。从内测招募优先面向开源开发者、以及 DeepSeek 此前模型开源的一贯路径来看，外界对开源持乐观预期，但未有官方正式声明。

Q：为什么说"极简模式"而不是完整版？

V4-Flash 基准测试使用的是 Harness 的最小功能子集，主要覆盖工具调用和基础迭代控制。完整 Harness 产品预计包含更丰富的上下文管理、记忆系统和多 Agent 协调能力——极简模式是先把可测的部分拿出来跑基准，并非产品最终形态。

小结

DeepSeek Harness 是 DeepSeek 从"模型提供商"向"Agent 产品公司"跃迁的关键一步。内测阶段的黑鲸已经浮出水面：团队背景跨界（量化交易 → Agent 工程）、招募策略开源导向（769 位开发者/120万 Stars）、技术路线配套 V4 模型（极简模式基准已发布），V4-Pro 正式版和完整 Harness 的正式发布是接下来最值得关注的节点。

本文信息截至 2026 年 8 月 12 日，Harness 内测仍在进行中，官方公告以"DeepSeek Harness（工具框架）"公众号为准。