就在今晚，DeepSeek 正式发布并开源 DeepSeek Harness（DSH）开发者预览版。

这是一个由 DeepSeek 自己开发的 Agent Harness：它不是新的基础模型或者一个 API 客户端，而是负责把模型接入文件系统、终端、网页、代码工具和其他 Agent，并组织上下文、工具调用和任务执行的一整套 Agent 运行框架。

（来源：X）

目前 DeepSeek Harness 已在 GitHub 开源，并可以通过 npm 直接启动。按照官方说明，用户安装 Node.js 后运行 npx @deepseek-ai/dsh web，即可在本机启动 Web UI。不过官方也特别强调，目前产品仍处于 Developer Preview 阶段，接下来快速迭代过程中可能出现破坏兼容性的修改。

（开源地址：https://github.com/deepseek-ai/deepseek-harness）

在持续一年多围绕模型性能、开源权重和低价 API 展开竞争之后，DeepSeek 第一次把手伸到了模型输出之后的执行层。或者我们可以换一种更直接的说法：DeepSeek 终于有了一个属于自己的 Vibe Coding 入口。

这一动作其实早有预兆。7 月 31 日，DeepSeek 发布 V4 Flash 正式版时，就在更新日志中留下了一行容易被忽略的信息：在公开 Code Agent benchmark 中，V4 Flash 使用的测试框架正是 " 即将发布 " 的 DeepSeek Harness 极简模式。也就是说，Harness 在正式公开之前，已经开始参与 DeepSeek 对自身模型 Agent 能力的评估。

就在 Harness 发布前，DeepSeek 还完成了另一块拼图。

8 月 13 日早些时候，DeepSeek-V4-Pro 正式版上线 App、Web 和 API，API 对应模型已经更新为 DeepSeek-V4-Pro-0813。V4 Pro 支持 1M Token 上下文、最高 384K Token 输出。官方尤其强调了 Agent 能力提升：Terminal Bench 2.1 得分达到 87.9，DeepSWE 为 62.7，Toolathlon-Verified 为 74.1，DSBench-FullStack 为 71.1。

（来源：DeepSeek）

如果把过去两天的两次更新放在一起看，逻辑就变得清楚了：V4 Pro 提供更强的基础模型能力，Harness 则负责把这种能力真正组织成可以工作的 Agent。

这也是 Harness 最关键的不同。当传统聊天模型收到一个问题，然后返回一段文本；Coding Agent 则需要不断重复 " 理解任务—寻找文件—修改代码—运行命令—检查结果—继续修改 " 的循环。这里决定最终效果的已经不只是模型本身，还包括模型拿到了什么工具、系统提示词如何组织、上下文怎样压缩、错误之后是否重试、任务如何拆分，以及什么时候应该调用另一个 Agent。

而 DeepSeek 对 Harness 给出的架构答案是：Everything is a plugin，一切皆插件。

官方文档显示，DSH 建立在 Cordis 之上，包括模型适配器、工具注册、Session Log，甚至 Agent Loop 本身都被设计成可以替换的插件。模型、文件系统、Shell、网页访问、Skill、子 Agent、存储、安全策略和交互界面，都可以通过配置重新组合。因此，它并不只是 "DeepSeek 版 Claude Code" 或者 "DeepSeek 版 Codex"。

图｜DeepSeek Harness 提供标准、PTC、极简和创造等多种 Agent 预设，不同预设对应不同的工具、提示词和运行能力。

提前参与内测的报道显示，DSH 已经包含项目管理、长任务协作、多 Agent 编排、上下文管理、联网搜索、Skill 等本地 Agent 工作台常见能力；同时可以通过不同 Agent Preset，为同一套系统安装不同的提示词、工具和运行规则。

以官方目前开放的形态来看，DeepSeek Harness 更接近一套运行在用户本地环境里的 Agent 工作台。

它不只给出答案，还可以进入实际工作环境继续行动。比如，用户可以把一个代码项目所在的文件夹交给它，让它先阅读项目结构和文档，再寻找相关代码、修改文件、调用终端运行程序或测试；如果测试报错，它还可以根据错误信息继续定位问题、再次修改，而不是每一步都等用户复制粘贴代码和报错信息。

这些能力主要通过 Web UI 提供，同时还有面向终端用户的 TUI、适合脚本和 CI 的 Headless 模式，以及 ACP、JSON-RPC 和 Python SDK 等自动化入口。换句话说，同一套 Harness 既可以做成人直接操作的编程工作台，也可以被接进自动化流程：例如收到一个任务后自动检查代码、执行测试，完成后再返回结果。提前体验资料显示，这些形态共享同一套模型、会话和底层插件，只是通过不同组件组合成不同的产品形态。

它还支持更复杂的长任务和多 Agent 协作。一个主 Agent 可以把工作拆给多个子 Agent，例如让一个负责搜索项目和资料，一个负责修改代码，另一个负责执行测试，再由主 Agent 汇总结果并决定下一步。官方框架同时提供计划、目标、待办事项和后台任务等机制，目的就是让 Agent 不必局限在 " 一问一答 "，而可以持续完成一串彼此关联的操作。

这让 DeepSeek 开始进入 Claude Code、Codex 等产品已经率先展开的竞争。基础模型公司不再满足于提供一个 API，而是进一步争夺模型和真实计算环境之间的执行层。

此前 OpenAI 甚至已经直接使用 "harness" 来描述 Codex 的这部分能力。其今年公开的技术文章将 Codex CLI 定义为本地软件 Agent，并把负责组织模型、工具和用户交互的 Agent Loop 称作 Codex Harness。Codex 桌面端随后又进一步加入多 Agent 并行、Skills、Automations 和 computer use。

这背后还有一个更重要的原因：AI Coding 正在成为观察和训练 Agent 能力最理想的场景之一。

相比写文章、回答问题等开放式任务，代码拥有密集而且相对客观的反馈。程序能不能运行、编译是否成功、测试是否通过、终端返回什么错误，都可以直接被机器验证。因此，一个 Coding Agent 可以不断形成 " 执行—获得反馈—修改—再次执行 " 的闭环。比如修复一个 Bug 时，模型修改代码后可以直接运行测试，再根据新的报错继续调整，不止停在 " 给出一段代码建议 " 这一步。

这使 Coding 也越来越像基础模型 Agent 能力的实验场。模型是否会规划、能否稳定调用工具、面对错误能否调整策略、能不能完成数十甚至上百步的长任务，都会在真实代码环境中暴露出来。

而 Harness 控制着这个闭环。DeepSeek Harness 的 Session Log 设计要求，凡是模型真正看到的内容都必须能够从日志重建，包括用户消息、模型请求、工具调用、工具结果、上下文压缩和权限变化。其目的首先是让任务能够恢复、回放、调试和审计，但从模型工程角度看，这同样意味着 Agent 的执行过程开始变得可以被系统化记录和分析。

这也是为什么，同一个模型放进不同 Harness，实际表现可能出现明显差异。提前体验 DSH 的媒体曾将同一版本 V4 Flash 放入不同 Agent 框架完成相同任务，结果出现了肉眼可见的差异。当然，单次测试无法证明哪种 Harness 普遍更强，但至少说明，工具、提示词、上下文组织和执行策略已经成为 Agent 最终性能的一部分。

过去谈 DeepSeek，竞争焦点几乎始终落在模型本身：参数规模、训练成本、Benchmark 和 API 价格。但到了 V4 Pro 与 DeepSeek Harness，这条边界正在发生变化。

模型仍然决定智能的上限，但当模型开始真正进入代码库、终端和长期任务后，如何把这种智能接入真实环境，开始成为另一半问题。DeepSeek Harness 的意义也正在这里：它不仅给 DeepSeek 补上了一个 Vibe Coding 产品入口，也让 DeepSeek 第一次拥有了一套自己定义的 Agent 执行框架。

从 V4 Pro 到 Harness，DeepSeek 正在从 " 造一个更强的模型 "，走向 " 让这个模型真正开始工作 "。

参考链接：

1.https://github.com/deepseek-ai/deepseek-harness

2.https://www.npmjs.com/package/@deepseek-ai/dsh

3.https://api-docs.deepseek.com/updates/

注：封面 / 首图由 AI 辅助生成