DeepSeek Harness 到底是什么?标题里最重的词其实不是「DeepSeek」

2026 年 8 月 13 日,DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版(简称 dsh),同时开源源码。

看完博主「轩辕的编程宇宙」的《DeepSeek Harness 技术架构教程》第一课,我的第一反应是:这套东西的重点根本不在「DeepSeek」。原文链接:DeepSeek Harness 到底是什么?|第 1 课


一、把「DeepSeek」这个词的重量降下来

很多人第一眼会把重音放在「DeepSeek」上,以为是 DeepSeek-R1、DeepSeek-V4 之后的新模型。原文第一句就拆掉了这个误会:它和那些大模型由同一家公司推出,却不是同一种产品。

负责什么
DeepSeek 大模型 理解输入、推理、生成文字,或表达「我想调用某个工具」
DeepSeek Harness 把模型接入工具、会话、权限、存储和界面,让任务持续执行

这套分工可以用一句话概括:Agent = Model + Harness。而且,Harness 里的「DeepSeek」更像出品方署名------模型由可替换的 Provider 提供,只要有适配器,也能接别的模型。

所以标题里真正重的是 Harness。它问的不是「DeepSeek 又强了多少」,而是「模型外面那层东西该长什么样」。

你让模型「用 HTML + SVG 做一段动画,勾勒出苹果 Logo」。代码很快出来,但往往很难看------苹果 Logo 的轮廓比例很讲究,模型凭空猜路径,容易画歪。

于是我们给它一个 search_logo 工具:模型判断需要素材 → 发出调用请求 → 后台真正执行搜索 → 把 SVG 送回模型继续生成。注意,模型并没有亲自访问网站,它只做判断和请求,真正运行函数的是模型外面的程序。

图 1:搜索素材的完整流程。模型只负责判断与请求,真正执行函数的是模型外面的程序。

再加一个 render_preview 工具,把生成的 SVG 渲染成图并回传检查结果;提示词里写清楚「不合格就改、改完再查」。任务于是变成循环:搜索 → 生成 → 检查 → 不过再改。

这个「思考---行动---观察」的循环就是 ReAct。

图 2:ReAct 循环。任务是否完成由「观察」这一步来判断,未完成就回到「思考」。

到这里你已经有了一个最简单的 Agent:

Agent = 模型 + 工具 + 持续运行的循环

模型判断下一步,工具接触外部世界,循环把回答、调用、结果串起来。它和「Agent = Model + Harness」并不冲突:一个描述工作过程,一个描述产品怎么组成------工具、循环、会话、权限这些条件,最终都要由 Harness 提供。

三、能跑起来,不等于跑得可靠

这个 Agent 能演示了,但真让用户用,问题会立刻成串冒出来:

  • 工具参数不符合要求,直接执行还是让它重试?
  • 工具卡住了,多久算超时?
  • 用户上传的 SVG 混了危险代码,谁拦?
  • 视觉检查连续失败,最多重试几次?
  • 对话超过上下文窗口怎么办?
  • 网页刷新、任务中断后,执行过程还能恢复吗?
  • 哪些工具能自动跑,哪些必须先让用户确认?

全靠临时脚本兜,代码很快会变成一团互相缠绕的 if-else。你需要的不是在模型里加更多判断,而是在它外面建一套稳定的运行系统------这套包在模型和 Agent Loop 外面的工程系统,就是 Harness。

这也是我读完最认同的一条边界:

Agent 解决「AI 怎样一步步干活」,Harness 解决「这套工作怎样稳定、安全、可恢复地运行」。

前者是能力问题,后者是工程问题。

四、「马具」这个比喻比看上去更准确

Harness 原本是「马具」的意思。马具不替马奔跑,却帮人控制方向、约束动作,让整段路安全走完。这个比喻里其实藏了三层:

  1. 不替代------Harness 不产生智能,只调度和约束智能,目标是让模型发挥得更稳,而不是更聪明。
  2. 约束------缰绳的意义在于限制,对应到 Agent 就是权限、超时、重试上限这些「刹车」。
  3. 接口标准化------换一匹更快的马,车还是那辆车。这正是 Provider 可替换的意义:模型迭代很快,Harness 把「模型」和「车」解耦,换模型时整套运行系统不用推倒重来。

五、放进 DeepSeek Harness,以及为什么它必然插件化

同样的例子换成 DeepSeek Harness 实现,角色会这样分工:

图 3(原文图 1-1):UI 负责接收需求,Agent Loop 负责推动任务,模型和工具提供能力,SessionEvent 保存每一步发生的事情。

  • UI / CLI / API:接收任务、展示结果;
  • Agent Loop:推动「模型---工具---模型」的循环;
  • LLM Provider:连接具体模型;
  • Tools:执行搜索、渲染检查等真实操作;
  • Session / SessionEvent:保存消息、调用和执行结果;
  • 权限与防护插件:约束危险操作、超时和异常。

流程没变,变的是------search_logo、render_preview 从「这个 Agent 的全部」变成了「两个可替换的工具能力」。以后想加品牌规范检查、配色分析,都不必重新发明整套运行系统。能力可以无限加,骨架不用动,这就是 Harness 的结构收益。

也正因如此,它必须插件化:编程 Agent 要文件、终端、代码搜索,自媒体 Agent 要网页搜索、图片生成,能力需求本就各不相同,硬编码只会越改越难。Plugin、Profile、Bundle、Patch、Preset、Context、Provider 这一串名词,其实都在回答同一个问题------怎样把一组可替换的能力,装配成一套可运行的 Harness?

六、一段伪代码看清 Harness 在管什么

下面这段 TypeScript 只是为了摆清职责边界,不是 dsh 的真实 API:

ts 复制代码
async function agentLoop(session, tools, provider) {
  for (let turn = 0; turn < MAX_TURNS; turn++) {
    const reply = await provider.complete(session.messages, tools.schema);
    session.append({ role: "assistant", content: reply }); // 会话落盘,可恢复
    if (!reply.toolCalls?.length) return reply.content;

    for (const call of reply.toolCalls) {
      if (needsApproval(call) && !(await session.askUser(call))) continue; // 权限
      try {
        const result = await withTimeout(tools.run(call), TIMEOUT_MS); // 超时
        session.append({ role: "tool", content: result });
      } catch (err) {
        session.append({ role: "tool", content: `失败:${err.message}` }); // 错误
      }
    }
  }
}

最值得看的是:模型一行都没碰权限、超时和错误处理,它只管「调哪个工具、参数是什么」,剩下的全在它外面被接管。

七、回到标题,我的答案

如果只留三句话:

  1. 它不是大模型,而是运行在模型外面的 Agent 工程系统。
  2. 模型负责判断,工具负责行动,Agent Loop 负责让「思考---行动---观察」持续进行。
  3. Harness 管理会话、权限、错误、上下文和运行环境,让 Agent 不只是能演示,而是能可靠完成真实任务。

再补两点私货:

第一,标题问的是「边界」,不是「能力」。 一个产品在说自己是什么时,最有信息量的往往是它划出的边界。Harness 的边界很干净:不产生智能,只负责让智能可靠落地。

第二,竞争焦点正从模型层挪到工程层。 当模型能力逐渐商品化,「换哪个模型」不再是护城河;真正决定体验的,是外面那层的工具设计、会话管理、容错和恢复。会写 prompt 只是起点,把「工具 + 循环 + 权限 + 会话 + 恢复」工程化,才是 Agent 时代的硬活。

所以,DeepSeek Harness 是什么?

它是把「模型偶尔做对一件事」,变成「系统稳定地做对一件事」的那层工程。模型负责聪明,Harness 负责靠谱。


本文基于博主「轩辕的编程宇宙」《DeepSeek Harness 技术架构教程》第 1 课的整理与延伸,内容为个人理解,部分观点与表述为作者本人解读,如有出入以原文及 DeepSeek 官方文档为准。 原文链接:www.xuanyuancode.com/learn-deeps...

#DeepSeek #Agent #AI工程化 #Harness #ReAct

相关推荐
jianqiang.xue8 分钟前
把Agent塞进MCU:工具次数和上下文长度怎么卡
java·前端·网络·单片机·esp32·ai编程
合尘猫1 小时前
用 6GB 显卡搭短视频产线:MiniMax H3 + ffmpeg 全流程实录(55 秒片 / 40 分钟)
人工智能·音视频
前端小万1 小时前
思考,行动,复盘|2026
前端·后端·面试
ZONGYUAN-ROOT1 小时前
【自愈治理】自愈式数据管道:大规模公开数据采集的治理方法
人工智能
Starry-sky(jing)1 小时前
Hermes Agent 升级 v0.23.2:先辨更新渠道,再看 CLI 退出残留修复
人工智能·python·ai agent
oil欧哟2 小时前
AI Agent Skill 入门指南:文件夹本质、渐进式加载与挑选方法
人工智能·ai编程
拖孩2 小时前
# 我又用 AI 做了个小程序:24 天,记录我这辈子认识的人
前端·后端·微信小程序
徐小夕2 小时前
深度拆解 Design Agent:LangChain 出品,AI 设计从「好看」走向「可用」
前端·vue.js·github