今天起,AI编程不再问你:Claude Code自动模式上线,DeepSeek把手脚也开源了

8月14日，两件看起来不相干、但指向同一个方向的事，在同一天发生了。

第一件：Claude Code 的自动模式，从今天起变成默认设置。你不用再每次点「允许」了，它自己决定怎么改代码、跑命令。

第二件：DeepSeek 开源了 Harness——它的第一个智能体运行框架。一句话概括官方的野心：模型是大脑，Harness 是身体，大脑加身体，才等于一个能真正干活的 Agent。

如果你今天只看一条 AI 新闻，看这两条就够了。因为它们共同宣布了一件事：AI 编程，正式从「你问它答」进入「你派活、它执行」的时代。

一、Claude Code 把方向盘交给了 AI

先说第一件。8月12日，Anthropic 宣布：从 8月14日起，自动模式（auto mode）成为 Pro、Max、Team 用户的默认。

这意味着什么？以前 Claude Code 每执行一个可能有风险的命令，都会停下来问你：「确定吗？」现在，它自己判断。

数据很刺激：Anthropic 的内部分类器，识别危险命令的准确率到了 89%；而人类自己审批时，只拦住了 13.6%。也就是说，在「该拦不该拦」这件事上，AI 比人靠谱六倍多。

更狠的是，多个 Claude Code 会话现在可以互相通信了。你开着三个窗口改三个模块，它们能协同、能对账、能避免互相踩脚。

但硬币的另一面是风险。就在几天前（8月12日），360 漏洞研究院在 Codex 里挖出 6 个高价值安全漏洞，其中一个高危漏洞是：你只要打开一个不可信的项目目录，恶意代码就可能被自动执行。三星那边则是好消息：他们用 Claude Code 做芯片验证，原本预估一个多月的工作，压到了 2 天，效率提升约 15 倍——但 AI 偶尔会擅自改硬件代码，仍需人工复核。

一句话总结这股趋势：能力在涨，风险也在涨，而行业选择先把能力放出来。

二、DeepSeek Harness：给模型装上手脚

再说第二件，也是今天最值得普通开发者上手试的。

8月13日晚，DeepSeek 正式发布并开源 DeepSeek Harness（DSH） 开发者预览版，MIT 协议，免费。

它解决的是什么问题？过去 DeepSeek 像个「顾问」：你问，它答，具体活儿你自己干。Harness 就是给这个大脑装上的「手和脚」——让它能自己拉代码、定位 Bug、改文件、跑测试、看报错、再改，直到把活干完交给你。

官方给了一个特别清楚的公式：

●●●text

模型（大脑） + Harness（身体） = 智能体（Agent）

它最特别的设计叫「一切皆插件」：底层模型、调用工具、数据存储、交互界面，全都能替换和重组。你可以用 DeepSeek 自己的模型，也可以接 Kimi、OpenAI、谷歌等几十家厂商的模型；内置「极简模式」应付日常问答、「代码模式」处理批量搜索和自动化任务。

支持 WebUI、TUI、Headless 三种形态，还能做多 Agent 协作和长任务编排。内测用户里已经有人放话：「内测 2 天，我愿称它为宇宙最强。」

点评一句话：Harness 的意义，不只是 DeepSeek 多了一个编程工具，而是它开始掌握「模型」和「真实工作环境」之间的那层执行层。 这条路，正是 Claude Code 和 Codex 在走的路。

三、一张表看懂：四方执行层到底差在哪

Claude Code、Codex、DeepSeek Harness，再加上国产开箱即用的 WorkBuddy——这四个经常被人拿来比。今天一次说清。

工具	出身	核心定位	怎么跑	适合谁	费用
Claude Code	Anthropic	工程执行 Agent，深度集成终端 / IDE	订阅 Claude Pro / Max / Team，CLI 或 IDE 插件	专业开发者、工程团队	订阅制
Codex	OpenAI	软件工程 Agent，多仓库、远程执行	ChatGPT Pro / Work，CLI + 云端沙箱	工程任务重的企业	订阅 + credits
DeepSeek Harness	DeepSeek	开源 Agent 运行框架，一切皆插件	本地 / 自托管，pip 安装，接任意模型	想掌控执行层、自托管的人	开源免费（模型费另算）
WorkBuddy	国产 AI 工作台	开箱即用，多专家 / 多工具协作	装好即用，中文界面	不想折腾环境的人	订阅 / 按量

最关键的差别只有一句

：Claude Code 和 Codex 是「别人的云上服务，你用订阅」，DeepSeek Harness 是「开源代码，你拿回家自己部署、自己挑模型」，WorkBuddy 是「装好就能用，不碰命令行」。

对普通用户来说，这直接决定了你的成本、隐私和可控性。想完全可控、不想被锁死在某一家的，Harness 是今天最香的选项；想省事、中文界面、直接开干的，WorkBuddy 这类最合适。

四、保姆级教程：DeepSeek Harness 本地搭建，30 分钟跑通

下面这份教程，照着做，小白也能在自己电脑上跑起一个能派活的 AI 员工。命令以官方 README 为准，不同版本可能略有差异。

第 1 步：准备环境

你需要 Python 3.11 以上、Git，以及一个模型 API Key（DeepSeek / OpenAI / 智谱任选，想免费可以后面接本地 Ollama）。

●●●bash

# 1. 确认 Python 版本 python3 --version # 需要 3.11+

# 2. 克隆仓库（务必放纯英文路径，避开中文目录）
git clone https://github.com/deepseek-ai/DeepSeek-Harness.git
cd DeepSeek-Harness

# 3. 建独立虚拟环境（强烈建议，别污染全局）
python3 -m venv .venv
source .venv/bin/activate

第 2 步：安装依赖

●●●bash

# # 标准可编辑安装
pip install -e .
# # 若仓库用 uv，则换成
# uv sync

第 3 步：配置 API Key

在项目根目录新建 .env，把密钥写进去。密钥永远不要写进代码，这是新手第一坑。

●●●bash

# .env 内容示例（只填你有的那一个）
DEEPSEEK_API_KEY=sk-你的key
OPENAI_API_KEY=sk-你的key

第 4 步：跑你的第一个任务

装好之后，把一个具体任务交给它：

●●●bash

# # 进入虚拟环境后
hermes chat "帮我读一下当前目录的 README，总结三段要点"
# # 或让它执行带工具的复杂任务
hermes run "打开 example.com，提取首页标题和前三个链接，存成 notes.md"

看到它开始调工具、出结果，恭喜，环境通了。一个典型的 hermes run 会先规划步骤，再依次调用搜索、读写文件等工具，最后给你一份成稿——本质上就是把一个「实习生级的重复任务」自动化了。不会用时随时 hermes --help。

第 5 步：想免费？接本地模型

不想烧 API 钱，接本地的 Ollama：

●●●bash

# # 先装好 Ollama 并拉一个模型
ollama pull deepseek-v3:latest
# # 在 .env 里指向本地端点
HERMES_MODEL=ollama/deepseek-v3
HERMES_BASE_URL=http://localhost:11434

这样 Harness 走本地模型，零 API 成本跑任务。代价是本地模型的复杂任务成功率不如云端旗舰，适合信息整理、格式化这类轻活。

三个避坑清单：

1路径别用中文。很多开源 Agent 对中文路径支持差，放在 ~/projects/harness 这种纯英文路径最稳。

2密钥别提交 Git。装好第一步就加 .gitignore 忽略 .env，否则一 push 密钥泄露。

3权限要给得克制。Agent 能读写文件、跑命令，第一次跑陌生任务，尽量在隔离目录或容器里试，别一上来给根目录权限。

极简上手路径就是：克隆 → 装依赖 → 写 .env → hermes chat 跑一句话。剩下的，边用边看 examples 目录。

五、顺手说清：WorkBuddy 怎么用（3 分钟）

如果你看完上面觉得「命令行还是有点劝退」，那 WorkBuddy 这类开箱即用的 AI 工作台就是为你准备的。它不需要你配环境、装依赖，装好就能用。

典型三步：

●●●text

1. 下载安装 WorkBuddy 客户端，登录账号
2新建一个会话，直接对话，或选一个「专家」角色（比如编程、写作、数据分析）
3把任务交给它：写代码、查资料、生成文档、跑命令，它都能在本地环境里执行

它的优势是中文界面 + 多专家协作 + 能接各种连接器（MCP）。你不想碰终端，又想要「派活给 AI」的能力，WorkBuddy 是最低门槛的入口。和 Harness 的区别一句话总结：Harness 是你自己搭的工地，WorkBuddy 是别人盖好、你直接入住的写字楼。

六、为什么这件事重要：从「脑子」到「手脚」

把今天两件事放在一起看，逻辑就清楚了。

过去两年，大模型的主流叙事是「训练更强的脑子」：参数更大、推理更强。但卡在一个尴尬位置——聪明，不干活。你让它整理一周邮件、在 GitHub 提 PR、定时爬数据写报告？得自己写胶水代码。

2026 年 8 月，叙事切换了：给模型装手脚。Claude Code 默认自动模式、DeepSeek 开源 Harness、GitHub 热榜被 Agent 工具包圆——全在同一个方向。

底层原因很朴素：能「执行」的 AI，比只能「聊天」的 AI，值钱十倍。一个能自己改代码、跑测试、交报告的 Agent，本质是一个 24 小时不下班、不要社保的初级员工。资本正在按这个逻辑重新给 AI 定价。

七、写在最后

今天之后，你的代码库，正在从「你写的地方」变成「AI 的工地」。

对普通人来说，机会不在「会不会训练模型」，而在「能不能把一个具体、重复、别人懒得做的活，交给 AI 自动跑」。Claude Code 把权限放了，DeepSeek 把执行层开源了，WorkBuddy 把门槛摁到了最低。

工具已经摆到桌上。剩下的，是你愿不愿意开始把那件你最烦的重复劳动，交给它。

你最想用 AI 帮你干掉哪件重复劳动？写周报、爬数据、还是管代码仓库？评论区聊聊，下期我可以专门写一篇「普通人能用 Agent 自动化的 10 件事」。

如果这篇帮你认清了 AI 编程这波浪潮，点个赞和在看，转发给还在手动搬砖的朋友。关注「Ta说我听」，每天一篇，把最硬的 AI 干货讲给你听。