Claude Code 的优势，很大程度上来自 Claude 模型与专属 Harness 的协同：System Prompt、工具协议、上下文管理和错误恢复都围绕模型优化。

按这个逻辑，DeepSeek 最合理的选择似乎也应该是做一款封闭、稳定、专门贴合自己模型的 Agent 产品。但 DeepSeek Harness（以下简称 DSH）采用了另一种结构：模型、工具、会话、沙箱、Agent Loop 和 UI 都可以通过插件替换。

这并不意味着 DeepSeek 放弃了模型专属优化。更准确的理解是：

DSH 试图把开放的 Agent 运行时与 DeepSeek 官方 Profile 分成两层。底层允许开发者组合，上层仍然可以针对 DeepSeek 模型优化。

从目前源码看，DSH 已经展示了比较完整的架构方向，但仍处于 Developer Preview。它的价值和风险都来自同一个选择：高度插件化。

一、Harness 已经成为模型能力的一部分

Agent 的表现不只取决于模型：

[
Agent能力 = f(Model, Prompt, Tools, Context, Loop, Environment)
]

Harness 决定模型能看到什么、调用什么、如何保存上下文、怎样执行工具，以及什么时候继续或结束任务。

因此，同一个模型放进不同 Harness，表现出现明显差异并不奇怪。我们评测的实际是“模型 + Harness”的完整系统。

DSH 的基础价值也在这里：DeepSeek 开始提供自己定义的 Agent 运行环境，使开发者可以区分模型问题和第三方适配问题，也可以复现官方推荐的运行方式。

二、DSH 已经做成了什么

DSH 底层使用 Cordis，把运行中的 Agent 组织成一棵插件树：

模型适配器
+ System Prompt
+ Session Log
+ Agent Loop
+ Tool Registry
+ 权限与沙箱
+ UI

这些能力没有不可替换的特权地位。开发者可以用 Profile 和 Bundle 组合不同 Agent，再通过 Patch 替换具体实现。

其中有四个值得肯定的设计。

1. 统一的依赖和生命周期机制

插件通过 Context 获取 llm、tools、sessions 等服务，而不是直接绑定具体实现。插件注册的服务、监听器和副作用归插件所有，卸载时由 Cordis 统一撤销。

这让更换模型适配器、工具后端或远程沙箱时，不必重写整个 Agent Loop，也为动态加载和热更新提供了结构基础。

2. 事件化的 Agent Loop

一次任务被拆成 Turn 和 Step。模型请求前、工具执行前后、轮次停止时都有明确事件。插件可以在这些位置注入上下文、增加政策、观察结果或改变后续流程。

3. 仅追加的 Session Event Log

用户消息、模型输出、工具调用和结果都记录为事件。恢复、Fork、Transcript、UI 和遥测从同一日志派生。

模型可见内容必须可以从日志重建，这对回放、审计、调试和轨迹处理都很有价值。

4. 分层的工具执行流水线

Tool Call 不会直接执行，而是依次经过权限、审批、执行、结果变换和审计。安全政策、沙箱后端和模型看到的结果可以分别扩展。

这些设计说明，DSH 不只是一个 Web UI 或 Coding Agent，而是在尝试构造通用 Agent 运行时。

三、它和现有开源 Harness 的关系

DSH 并不是第一个开源 Agent Harness。OpenHands、Pi、OpenCode 和 Goose 都覆盖了其中一部分能力。

DSH 与这些项目有大量相似之处。它最鲜明的区别不是“支持插件”，而是尝试用同一种插件生命周期和事件机制组织整个产品。

这使它的抽象更统一，也使插件组合成为更重要的工程问题。

四、插件机制目前面临什么问题

1. 扩展机制较多，抽象仍在收敛

DSH 现在同时存在：

• Service、Provider、Consumer
• emit、waterfall、parallel、serial 事件
• Capability Seam、Scope、Isolate Realm
• Profile、Bundle、Patch、Hook、Tool、Command

开发者需要判断一个功能应该属于哪一种扩展机制。部分新能力还会新增自己的 Seam、Registry 或事件，学习和维护成本较高。

一次静态统计中，packages/ 下约有 226 个包，默认 Composition 约有 78 个插件行；显式的 agent/*、tools/*、session/* 等事件名约 51 个。这些数字不等于稳定公开 API 的数量，但能够说明当前系统暴露面较大。

2. 插件组合存在顺序和冲突风险

Cordis 可以管理组件的依赖和卸载，但不会自动解决业务语义冲突。

例如，两个插件都修改 Prompt，结果会受到加载顺序影响；waterfall 插件还可以不调用 next()，直接结束后续处理。

因此：

[
Plugin_A \circ Plugin_B \neq Plugin_B \circ Plugin_A
]

另外，Scope 只对专门实现了 Scope-aware 的 API 有效，普通 Service 仍可能是 Context 全局的；Scope 也不是沙箱或权限边界。Profile Patch 对插件配置采用整块替换，也可能造成意外覆盖。

这些并不说明插件架构不可行，而是说明成熟平台还需要补充：稳定契约、顺序规则、冲突处理、兼容性声明和组合测试。

五、为什么说它仍处于技术预览阶段

官方 README 明确将 DSH 标记为 Developer Preview，并提醒未来会出现破坏兼容性的变更。

提交历史显示，直到 7 月底，团队仍在调整核心扩展面：

• 7 月 21 日迁移 Tool 和 Prompt 的 Scoped Layer。
• 7 月 28 日新增并加固 Settings Seam。
• 7 月 29 日新增 Credential Seam。
• 7 月 31 日重构 agent/pre-step 的 Inbox 生命周期。

同期 Agent Loop、Subprocess Seam、Session Projection、Loader Composition 和 Scoped Bash 也在变化。

这说明团队仍在确定能力边界、状态归属和组合方式。对于开发者而言，当前可以基于 DSH 做实验和内部工具，但如果要维护长期插件或生产系统，需要固定版本，并为自己的插件组合建立测试。

这是开发者预览阶段的正常状态，也意味着现在不适合过早把当前扩展 API 当成最终标准。

六、DeepSeek 为什么要在这个阶段开放它

即使尚未稳定，开放 DSH 仍有几项明确价值。

flowchart TB
    M["DeepSeek 模型"]
    C["开放 DSH 内核<br/>插件、事件、会话、工具、沙箱"]
    O["官方优化 Profile<br/>模型协议、Prompt、上下文策略"]
    P["社区与研究 Profile<br/>不同工具、Loop、模型和 UI"]
    U["官方 Agent 产品"]
    E["多样化运行环境"]
    V["Verifier 与独立评测"]
    T["轨迹筛选与后训练"]
    N["下一代模型"]

    M --> C
    C --> O
    C --> P
    O --> U
    O --> V
    P --> E
    E --> V
    V --> T
    T --> N
    N --> O

这张图体现了 DSH 可能同时承担的两种角色：产品侧用官方 Profile 释放模型上限，训练和评测侧用不同 Profile 检查模型能否适应环境变化。

1. 提供官方参考环境

DeepSeek 可以公开模型推荐的消息格式、工具协议、采样参数和 Agent Loop，减少第三方适配误差。官方 Profile 仍然可以针对 DeepSeek 模型深度优化。

开放 DSH 内核
    ↓
DeepSeek 官方优化 Profile
    +
社区自定义 Profile

2. 提前建立插件生态

Agent 时代的重要接口不只有模型 API，还包括 Session、Tool、Skill、Sandbox、Subagent 和 Event。开发者预览可以让社区在接口最终稳定前参与试用和反馈。

3. 让社区扩展应用场景

DeepSeek 不必独自开发 Coding、浏览器、数据分析和企业自动化产品。它可以维护底座和参考组合，让社区探索模型适配、工具和终端产品。

4. 为多环境评测和训练准备底座

可替换的 Profile 和 Agent Loop 适合构造不同工具、协议和错误反馈环境。未来可以用它研究模型对 Harness 的依赖程度。

这是合理的长期用途，但目前没有公开证据证明 DeepSeek 已经使用 DSH 进行了多 Harness 后训练。

七、为什么多 Harness 可能重要：Simulator Collapse 的启发

一项 Harness 对比实验提供了直观信号。Composio 把同一个 DeepSeek V4 Flash 接入多个 Agent Harness，测试 30 个 SaaS 工具任务：Pi Agent 完成 20 个，OpenCode 完成 14 个，相差 20 个百分点。

这个实验样本不大，也没有把 Prompt、工具 Schema、token budget 和重试策略逐项隔离，因此不能证明某一个机制贡献了 20 分。但它至少说明：Agent 成绩是整个运行系统的结果，Harness 不是中性的外壳。

DeepSeek 官方模型卡也注明，V4 Flash 的部分 Code Agent benchmark 使用了 DSH Minimal Mode。Minimal Mode 只向模型提供持久 Bash 和 str_replace_editor。这证明官方分数对应的是“模型 + 特定 Harness 配置”，但不能据此推断模型后训练也只使用了该环境。

《One Frozen Simulator Is Not Enough》进一步研究了相似但不完全相同的问题。论文发现，当策略 Agent 长期只和一个固定 LLM 用户模拟器交互时，可能学会利用模拟器的主导行为模式：训练 Reward 上升，但换到新模拟器或真实用户后表现下降。论文称之为 simulator collapse，并通过 Verbalized Sampling 和 Co-Training 扩大环境分布，报告最高 9% 和 14% 的 held-out 提升。

这项研究不能直接证明 DeepSeek 已经过拟合自己的 Harness：

• 论文研究的是 LLM 用户模拟器，Coding Harness 主要定义工具和观察协议。
• 官方只公开了评测配置，没有公开完整的 Agent 后训练环境。
• 使用 GRPO 或 Minimal Mode 本身都不能证明发生了 collapse。

但它提供了一个有用的分析框架：

如果 Agent 只在单一工具集合、Tool Schema、错误格式和 Agent Loop 中训练，它可能把对环境的熟悉当成通用能力。

从这个角度看，DSH 的插件化不只是为了让开发者安装更多工具。Profile、可替换 Loop 和统一 Session Log，也可以构成一种 Harness Population：同一模型在多种环境中运行，再通过 Verifier 比较表现，并用未见过的 Profile 做独立评测。

那篇分析文章进一步推测，DSH 可能帮助 DeepSeek 获得真实 Agent 轨迹，并把环境与模型一起迭代。这是一个合理假设，但目前不是官方确认的动机。尤其是 DSH 默认关闭 Session Telemetry，开源本身不会自动把开发者轨迹回传给 DeepSeek。

因此，更稳妥的结论是：

DSH 已经具备构造多样化 Agent 环境的工程条件；它是否会真正进入 DeepSeek 的训练数据闭环，还需要后续证据。

八、这和 Claude Code 并不矛盾

Claude Code 和 DSH 都承认模型与 Harness 需要协同。区别是协同发生在哪里。

Claude Code 的路线更容易在短期内提供稳定体验。DSH 的路线有利于扩展和环境多样性，但需要更强的插件治理。

DeepSeek 最终仍然需要一个贴合自己模型的官方 Harness。开放 DSH 只是让这套官方组合建立在可复用底座上，而不是写死在单一产品中。

结论

DSH 既不应该被描述为已经成熟的 Agent 平台，也不应该因为插件机制复杂就被简单否定。

它已经展示出几项有价值的能力：

• 用 Cordis 管理插件依赖和生命周期。
• 用 Session Event Log 保存可回放轨迹。
• 让 Agent Loop 和工具政策成为扩展点。
• 用 Profile 组合官方和社区 Agent。

它尚未完成的部分也很明确：

• 扩展机制需要进一步收敛。
• 插件顺序和冲突需要更清晰的规则。
• Scope、权限和配置覆盖需要更容易理解。
• 生态需要兼容性标准和组合测试。

因此，现阶段最准确的评价是：

DSH 是一个架构方向清晰、自由度很高，但仍在验证插件治理能力的 Agent 底座。

DeepSeek 开源它，不是因为模型专属 Harness 不重要，而是希望同时拥有官方优化能力和社区扩展能力。

这条路线是否成功，取决于 DSH 能否从“组件可以被替换”，继续走到“组件可以被稳定地组合”，并证明这种环境多样性确实能改善模型评测或训练。

主要资料

1. DeepSeek Harness
2. DSH Architecture
3. Cordis Primer
4. DSH Scope README
5. DeepSeek-V4-Flash-0731 Model Card

补充研究

1. One Frozen Simulator Is Not Enough: Simulator Collapse in Multi-Agent RL
2. Best Agent Harness for DeepSeek V4 Flash
3. 同一个模型差 20 分：DeepSeek 的 Harness 依赖性和合成数据的隐藏天花板

说明：关于 DSH 的商业动机和未来训练用途，本文均为基于架构的分析，不代表 DeepSeek 官方表述。包、插件行和事件数量来自当前版本的静态统计，主要用于说明复杂度，不等同于稳定公开 API 的精确数量。