本周关注Agent工具的人，应该都被DeepSeek Harness刷屏了。8月13日，DeepSeek开源了这款Agent框架的v0.1公测版；不到一周，8月19日深夜又推送了v0.1.0-rc.8：此次更新共带来14项调整，覆盖多模态输入、子代理协作、终端体验、工具调用和开发者支持等多个方向，Claude Code和Codex也被进一步接入它的子代理体系，可以按需安装。智东西
看到这条更新，我的第一反应不是"DeepSeek厉害"，而是：Agent架构圈到底发生了什么，为什么竞品能被当插件装进对方系统里？我翻了36氪、机器之心的报道、知乎上几篇架构拆解和GitHub上的issue，把这条线捋了一遍，说说它到底值不值得你花一个周末。
先说清楚Harness是什么
DeepSeek给了一个很简洁的公式：Model + Harness = Agent。36氪模型是大脑，负责理解和推理，但纯语言模型只能输出文本，成不了真正干活儿的Agent。
分工很明确：模型负责决定下一步想做什么，Harness负责让这个决定真正发生。知乎工具调用、文件读写、沙箱环境、权限管理、任务编排，全都发生在模型之外。没有Harness，模型只是一台会说话的引擎。
这次开源本身就带着戏剧性：8月12日深夜，V4-Pro模型没有发布会、没有预告地静默上线，官网横幅和开放平台公告一度被撤下，同天晚上，DeepSeek重新发布公告确认V4Pro正式版上线，同时开源DeepSeekHarness开发者预览版，一切又回到了主场。36氪此前Claude Code和Codex的Harness实现一直是闭源黑箱，"怎么把模型变成Agent"更像特权知识，DSH是第一次把这整套方法论完整摊开。
三个系统摆在一起，差别不在功能列表
DSH、Claude Code、Codex看起来都有LLM、工具、Skill、子代理、沙箱、权限，只做功能对比会得到一张"大家都有"的表格。真正的分岔在一个问题上：系统的中心是什么，什么不可替换。
Claude Code的中心是"一只高能力Agent"。Skill是给它的经验包，Hook是替它设的强制检查点，Subagent帮它分工，一切外围能力都在增强中心那个模型，是典型的Agent-centric架构。Codex的中心是"执行边界"：Sandbox管能碰什么，Approval管何时必须停下授权，很像操作系统在管进程权限和隔离。DeepSeek Harness最激进：它没有中心，官方文档写得很直白——There is no privileged core to patch，从模型适配器、工具注册、会话到Agent Loop主循环本身，全是可替换插件。知乎
这里有个设计值得企业架构师抄进笔记本：Capability Seam。DSH把能力拆成Service Definition、Provider、Consumer三层，以Shell能力为例，上层Agent只依赖"Shell Service"这个抽象，底层可以接本地进程、容器或远程沙箱，上层代码一行不改。这套"一切皆插件"的设计背后，是北大与DeepSeek联合提出的"时空可组合性"范式：时间维度用可逆效应机制，自动记录并撤销组件卸载后的副作用；空间维度用声明式依赖，让运行时自动协调组件启停。36氪
三种哲学没有赢家，只有你优化的是什么问题
做体验极好的专业Agent（编程助手、研究助手这类"一个主Agent完成复杂工作"的产品），Claude Code的思路最值得学：强模型+高质量上下文+少而强的工具+Skill和Hook。Agent要操作真实系统——改代码、动数据库、调生产接口——学Codex，因为一旦Agent能行动，架构难点会立刻从"模型够不够聪明"变成"模型做错了怎么办"。做Agent平台，多模型、多工具、多执行环境要共存，DSH的可组合运行时才开始有吸引力。
三家框架看似各走各路，其实都在回答同一个问题：模型究竟应该拥有多少控制权。知乎顺手给一个我提炼出来的四问框架，评估任何Agent框架都能用：①它把什么当架构中心？Agent、Workflow还是Runtime，中心决定哲学；②它把多少事交给模型动态决定？理解、规划、路由、执行、终止，交给模型越多，灵活性越高、确定性越低；③它怎么限制模型？Hook、权限、沙箱、人工审批，限制越靠近执行层越可靠；④它怎么面对变化？加新工具、换模型、换沙箱、换主循环，哪件容易哪件难。四个问题答完，基本能看出一家框架的真实设计水平。
想上手之前，先泼三盆冷水
第一盆：插件生态已经出现第一起刷分翻车。上周一个叫J-Space的插件刷屏，宣称装上一个Skill就能让V4 Pro在多个基准大幅提升、部分成绩甚至超过Claude Fable 5。社区复测完全相反：第三方盲评对照组平均8.30分，J-Space组只有7.87；有测试者用8张H20部署V4 Flash实测，89道题中，模型通过69道，最终得分为77.5%，远低于报告宣称的87.1%。机器之心质疑声出来后，作者不仅没有公开完整的评测记录或者运行日志，还被曝删除质疑issue。
第二盆：运行环境本身就会显著改变成绩。同一个V4 Pro跑同一个工程任务，DSH的Standard模式91分、PTC模式92分，换成工具更少的Minimal模式，两次测试分别达到99分和96分，接近8分的差距全来自Harness配置。机器之心以后再看到"某某框架释放某某模型"的跑分，先问一句跑的什么模式。
第三盆：学习曲线不温柔。Claude Code需要理解的大致是Agent+Skill+Hook；DSH要理解Cordis、Context、Service、Provider、Consumer、Effect、Event、Bundle、Profile等一整串概念。知乎上那篇架构拆解，作者自己都说如有理解不到位的、错误疏漏的，恳请各位批评指正，全文46000字靠个人写作与校对。知乎Runtime非常优雅，但使用者的理解成本非常高。
那到底值不值得折腾
我的判断分人群。适合三类人：想搞懂"Agent Runtime该怎么设计"的架构师和技术负责人，DSH是目前唯一开源的公开教材，插件拆分和Capability Seam比十篇论文都值得读；想自建企业Agent平台的团队，Service/Provider抽象直接回答"开发用本地进程、生产用容器、客户要求远程沙箱"这类问题；想读源码补Agent工程课的人，v0.1代码量还不算大，现在进场正好。
不适合三类人：想要开箱即用编程助手的，成熟CC/Codex的体验目前仍更完整，DSH还在rc阶段快速迭代；生产环境要求稳定的，v0.1意味着没有兼容承诺；不想碰命令行的，安装基于npm，可以直接运行npx @deepseek-ai/dsh web启动，零Node环境会比较痛苦。36氪好在rc.8的实际体验在快速补齐：原生图片请求和图文混合输入已经支持，Windows上也有了持久PowerShell会话，离"能用"又近了一步。智东西
后续值得盯三个信号：GitHub的release节奏，公测不到一周就出rc.8，迭代速度在线；刷分风波之后，社区能不能长出基准复核机制；多模态和子代理生态有没有真实落地案例。
这次DeepSeek真正引爆的不是一款工具，而是"如何构建一个强Agent"的黑箱第一次被打开。OpenAI和Anthropic选择向下整合，把Harness和自家模型深度绑定，巩固AI应用层的优势；DeepSeek选择横向铺开，试图成为模型中立时代的Agent基础设施标准。36氪对架构师来说，工具会过时，方法论的免费课值得蹭。
