万物皆插件:DeepSeek 开源 Harness,把 Claude Code 和 Codex 变成了可调用的「零件」

📍 泰姬陵 · 印度 — 白色大理石写就的永恒爱情诗

大家都盯着模型跑分、比参数的时候，DeepSeek 干了件更狠的事。

8 月 13 日，DeepSeek 一口气放出两样东西：一个是主打智能体的旗舰模型 V4-Pro，另一个是很多人没太当回事、但可能影响更深远的——DeepSeek Harness v0.1，一个 MIT 协议、完全开源的智能体框架（GitHub 上现在就能下）。

先说个反直觉的事实：同一个模型，配一套好的 harness 和一套差的 harness，在真实编程任务上的差距，可能比你换一代模型还大。这不是修辞，是很多一线开发者的共识。有测试者用它搭了个实时追踪国际空间站的小应用，两轮对话、35 分钟、烧掉大约 2000 万 token，跑到最后缓存命中率 100%。这些以前藏在黑箱里的数字，Harness 直接摊在你眼前。

问题来了：模型我们都熟，可这个「harness」到底是什么？为什么 DeepSeek 要把它开源，还专门做成「什么都能拆」的样子？为什么它能把 Claude Code、Codex 这些竞品反过来当「零件」使唤？这篇我们就掰开揉碎讲清楚。

先搞懂：harness 到底是什么？

「harness」这个词，本意是套在马身上的挽具——缰绳、马鞍、嚼子那一整套。马是动力，但没有挽具，你没法让它往你要去的方向跑。汽车里也有个词叫 wiring harness（线束），是把发动机和全车电器连起来的那套线路。

放到 AI 里，这个比喻精准得吓人。业界现在有个很干净的心智模型：

模型（比如 V4-Flash、Claude Opus、GPT-5.6）是大脑——一堆预测下一个 token 的权重。Harness 是除了大脑以外的所有东西：工具的定义、对文件系统和 shell 的访问、记忆与上下文管理、子智能体的调度、循环控制，以及最关键的一点——什么时候该停下来。

换句话说，模型负责「想」，harness 负责「把想法变成动作」。一个模型再聪明，如果不能读文件、不能跑命令、不知道任务做完了没、不知道该不该找你确认——它就只是个会聊天的自动补全，成不了能干活的 Agent。

这里面最难、也最容易被忽略的，恰恰是那句「什么时候该停下来」。你可以把 Agent 的工作想象成一个循环：模型输出一步→ harness 去执行（读文件/跑命令/搜索）→ 把结果塞回给模型→ 模型再决定下一步……如此循环。听起来简单，但魔鬼全在细节里：每一轮都要把之前的上下文重新喲给模型，上下文会越滞越长；什么时候该把早期的内容压缩掉、什么时候该停下来问人、什么时候该判定「任务完成」而不是无限空转——这些判断全部是 harness 的活。同一个模型，上下文管理做得好不好、循环何时终止判得准不准，直接决定了它是「能把一个需求从头做到尾」还是「跑两步就迷路。」这也是为什么我说，换一套好 而 harness 的差距，可能比换一代模型还大。

💬 大白话版：模型是引擎，harness 是整台车。变速箱、方向盘、刹车、导航、安全气囊——这些才决定你能不能安全开到目的地。以前大家买车只看引擎马力（模型跑分），DeepSeek 现在把整台车的图纸开源了，还告诉你：每个零件都能拆下来换。

这就是为什么 Harness 值得单独写一篇。过去一年，AI 编程工具的竞争，早就从「模型多聪明」悄悄挪到了「围着模型的这套系统做得多好」——Anthropic 的 Claude Code、OpenAI 的 Codex，卖的其实主要是 harness。你付费订阅的，不是那个模型（模型谁都能调），而是那套把模型包裹起来、让它能真正接管你代码仓的工程。而 DeepSeek 这次，把这一层直接掀了桌子。

「万物皆插件」：Cordis 与可组合架构

DeepSeek 给 Harness（命令行里叫 dsh）定的核心哲学只有一句话：Everything is a plugin（万物皆插件）。

这句话不是口号。它建立在一个叫 Cordis 的框架之上——一个专门为「可组合插件」设计的运行时。在传统的编程 Agent 里，工具、循环、权限这些都是厂商焊死在产品里的固定部件，你只能用、不能改。Harness 反过来：模型、工具、技能、会话、沙箱、文件系统、循环、编排、用户界面——全部都是可以插拔、替换、扩展的插件。

🌰 举个栗子：在 Claude Code 里，「Agent 每跑一轮要不要停下来问你」这套逻辑是固定的，你改不了。在 Harness 里，这个「循环控制」本身就是一个插件——你嫌它太啰嗦，可以换一个；你想让它在特定条件下自动停，可以自己写一个塞进去。连「Agent 主循环」这种最核心的东西，都是零件。

DeepSeek 把这套思路追溯到自己的一篇论文，讲的是所谓「时空可组合性的编程范式」——听着玄，说白了就是：别把 Agent 的能力做成一根焊死的流水线，做成一堆可以自由拼装的乐高。 这套哲学背后是个很现实的赌注：没人知道一年后最好用的工具、模型、循环策略长什么样，那不如把每一块都做成可替换的，让未来自己去填。

这带来一个很实际的好处：配置全在一个 YAML 文件里。你想加个新的模型提供商、想让它指向本地部署的模型、想开关某个工具、想把权限从「只读」调到「危险操作全部放行」——改配置就行，不用碰源码。启动也简单，一条 npx @deepseek-ai/dsh web 就能在本地拉起一个网页界面。

那这套插件到底能拆成哪几类？落到实处，大致是四层：

● 工具（Tools）：shell 访问、文件编辑、网页搜索这些，都是一个个可单独开关的插件，而不是焊死的能力。你想给它加个连公司内部数据库的工具？写个插件插上去。

● 模式（Modes）：前面说的 Standard / Code / Minimal / Creator，本质上就是不同插件的不同组合。

● 模型（Models）：有 DeepSeek API key 时，Flash 和 Pro 可以在一个会话里随时切，每个模型的推理强度（reasoning effort）还能单独调。

● 提供商（Providers）：因为是 MIT 开源，你可以接入 DeepSeek 以外的任何提供商，甚至把箭头指向你本地跑的开源模型。

这种设计的真正价值，不在于「极客玩具」四个字。对企业而言，它意味着你不再被某一家厂商的工作流绑死：数据敏感的片段用本地模型跑，对成本敏感的批量任务用便宜模型跑，对质量要求高的关键环节再换最强的模型——同一套 harness，全部搬定。对个人开发者而言，它意味着你终于能把商业编程 Agent 的黑盒掉头看个仔细，甚至把它拆开重新拼成你自己的样子。

它到底能干什么？

别被「插件框架」这个词吓到，以为它只是个空壳子。Harness 开箱就是一个完整的编程 Agent。

它默认能做这些事：读懂整个代码仓库、编辑文件、执行 shell 命令、搜索本地文件和网页、维护任务计划、调用技能（skills）、把活儿拆给子智能体、并且强制执行审批策略。 这些正是把 Claude Code、Codex 从「自动补全」拉升到「能自主干活的 Agent」的那几样核心能力，一个不少。

Harness 内置了几种工作模式，对应不同的胆子大小：

● Standard（标准模式）：满血编程 Agent，文件编辑、shell、搜索、规划、子智能体、工作流全都有；本地网页界面里你可以选工作目录、对敏感操作逐一点头确认。

● Code（精简模式）：更轻量，砍掉一些花哨功能，专注写代码。

● Minimal（最小模式）：只留一个带持久化 bash 和 str_replace_editor 的两工具 Agent，极简。

● Creator（创作者模式）：给你留了个后门——在标准能力之上，加了运行时检查、插件实验、以及自定义 Agent 预设的能力。想自己攒一个专属 Agent，从这儿进。

这四个模式不是四套独立的产品，而是同一套插件在不同开关下的不同面貌。你完全可以从 Minimal 起步，边用边把需要的工具一个个加回来，最后长成一个只属于你的定制 Agent——这种「从最小可用开始逐步搭建」的自由度，恰恰是闭源产品给不了的。

权限也是连续可调的：从「只读」一路开到 dangerous-skip-permissions（危险操作全部放行）——熟悉 Claude Code 的人会觉得亲切，因为思路几乎一样。

更有意思的是它的透明度。大多数 Agent 工具把成本和性能藏得死死的，你只知道「它在转圈」。Harness 的界面直接把这些实时数字甩在你脸上：每秒多少 token、缓存命中率多少、跑到第几轮、已经花了多长时间。

还记得开头那个国际空间站追踪器吗？两轮、35 分钟、2000 万 token、最后缓存命中率 100%——正是因为这套仪表盘全程可见，你才能一眼看出：长任务的成本，绝大部分不是花在「想」上，而是花在反复读取上下文上。 谁能把缓存命中率做到 100%，谁的 Agent 就便宜。这也解释了为什么 DeepSeek 拼命压低推理成本——对高频调用的 Agent 来说，这才是真正的护城河。

跟 Claude Code、Codex 比，到底差在哪儿？

光说「能干活」还不够，得看和已经成名的两大编程 Agent 摆在一起是什么位置。直接上表：

看表就明白了：Harness 在核心编程能力上已经追平，但在产品化的周边（多端界面、托管后台、GitHub 深度集成）还明显落后。但它换来了一个别人都没有的东西：极致的可扩展性——几乎每个部件都能拆。这是开源 + 插件化架构天然的红利。

至于配套的模型本身，V4 系列的数据也硬。以主打智能体推理的 V4-Flash 0731 版为例，在多个真实工程基准上提升惊人：Cybergym 提升 38.0 分，DSBench-Hard 提升 33.8 分，DSBench-FullStack 提升 31.7 分。 这些基准考的不是聊天，而是多步骤的真实开发与安全任务——也就是 Agent 真正干活的场景。难怪有人说，V4-Flash 不像个普通的「快模型」，更像编程 Agent 的默认首选：便宜、长上下文、对工具友好。有意思的是，不少早期上手的开发者反而更偏爱 Flash 而不是 Pro，因为在编程任务上它的性价比更好——尽管 Pro 在纯能力上是个实打实的大台阶。

一个容易被忽略的胜负手：缓存命中率

回到开头那个国际空间站追踪器的例子，有个数字值得单拎出来说：跑到最后，缓存命中率是 100%。为什么这个数字重要？

前面说过，Agent 是个循环：每转一圈，都要把之前所有的对话历史、读过的文件、跑过的命令结果，重新喲给模型看一遍。一个长任务跑下来，这部分重复的上下文可能占到总 token 消耗的大半。如果每次都重新计算，那就是在为同一段内容反复付钱。

提示缓存（prompt caching） 干的就是这件事：把上一轮已经算过的上下文缓存下来，下一轮直接复用，只为新增的那一小段付费。命中率越高，长任务的成本就压得越低。命中率能做到 100%，意味着到任务后期，重复那部分几乎不再产生新的贵价 token 开销。

这也解释了一件很多人没想明白的事：为什么 DeepSeek 敢拼命把推理成本压到地板。对高频调用、长上下文的 Agent 工作负载来说，单次对话便宜不便宜是一回事，整个任务跑下来累积花多少才是真成本。而这正是 harness 的主战场：上下文管理、缓存策略、何时压缩早期历史——这些都不是模型的事，是 harness 的事。把 harness 开源 + 把缓存做到极致，两手一握，DeepSeek 就把「便宜的长任务 Agent」这个故事讲圆了。

最狠的一招：模型无关，还能把 Claude Code 当小弟

如果说前面都是「做得不错的开源 Claude Code 平替」，那下面这一点，才是 Harness 真正的杀招。

它跟 DeepSeek 的模型没有任何绑定关系。

翻开它的提供商目录：Anthropic、OpenAI、AWS Bedrock、微软 Azure、谷歌的 Gemini 企业级平台，当然还有 DeepSeek 自己的接口——你甚至可以接任意兼容 OpenAI 格式的自定义网关。名字叫 DeepSeek Harness，骨子里却是个谁的模型都能跑的通用运行时。

更绝的是：它明确支持把 Claude Code 和 Codex 当作子智能体来调用。

品一下这句话的分量。这意味着你可以搭一条多智能体流水线：让 DeepSeek Harness 做总指挥（负责编排、拆任务），然后把每个子任务派给最合适的那个——某一步用自家的 V4-Flash（便宜），某一步甩给 Codex，某一步交给 Claude Code。Harness 不再是 Claude Code 的竞争对手，而是坐在它头上的那一层。

💬 大白话版：以前 Claude Code 和 Codex 是各自为战的「全能选手」，你只能二选一。现在 DeepSeek 说：你们俩都别争了，都来我手下当专家，我来当项目经理，谁擅长什么我派谁上。

有个耐人寻味的细节：早期测试者说，Harness 的交互界面和风格「像极了 Codex」。坊间甚至有说法，DeepSeek 编程工具的不少提交和 PR，是从一个 Codex 的工作树里长出来的。真假难辨，但这种「你中有我」的气质，恰恰是开源时代的常态。

DeepSeek 这步棋的深意

把这两件事连起来看，DeepSeek 的算盘就清楚了。

第一，它在给 harness 层「祛魅」。 Claude Code 和 Codex 之所以值钱，很大程度上是因为围着模型的这套系统是闭源的、有护城河的。DeepSeek 用一个 MIT 协议的开源框架，等于对全行业喊话：这一层，不该收智商税，拿去随便用。当 harness 变成人人可得的公共品，竞争就被迫重新回到模型本身和推理成本上——而这两样，恰好是 DeepSeek 的主场。

更长远地看，「万物皆插件」 + MIT 开源还埋了一笔：它有机会长出一个插件生态。想想 VS Code——微软当年能赢，不是因为编辑器本身多强，而是因为它把扩展能力开放给了社区，最后长出了几万个插件。Harness 把 tools、modes、providers 都做成插件，就是在下同一盘棋：如果社区愿意围着它写插件，那么真正的护城河就不再是某个具体功能，而是生态本身。当然，这只是可能性——能不能成，要看有多少开发者真愿意下场。

第二，一个反直觉的定价悖论。 就在开源 Harness 的同时，DeepSeek 却在给 V4 的 API 涨价：从 8 月 16 日起放弃原来的统一定价，改成高峰/低谷分时计价，连打了折的低谷价都比现在贵不少。一边免费送框架，一边给模型涨价——看似矛盾，其实是同一个逻辑：把框架做成免费的「毛」，把模型调用做成计费的「皮」。 框架用得越爽，模型调得越多，钱自然从 token 里赚回来。

第三，也得泼盆冷水。 Harness 目前是 v0.1 开发者预览版，官方仓库白纸黑字写着「THERE WILL BE COMPATIBILITY-BREAKING CHANGES（一定会有破坏性变更）」。它还没有 Claude Code 那样成熟的托管后台 Agent、GitHub 原生的 PR 工作流，也不是能直接塞进生产环境的稳定平台，多端的 IDE、桌面、手机体验也还没跟上。对企业来说，现在是「值得玩、值得学」，还没到「可以押注」的阶段。换句话说，把它当成一面镜子去照、去学习一个顶级 Agent 到底怎么搭，价值可能比直接拿去用还大。

但方向已经很清楚了。当模型能力逐渐拉平，真正决定 Agent 好不好用的，是围着它的那套系统——是 harness。DeepSeek 把这台「车」的图纸摊开在所有人面前，还告诉你每个零件都能换。

下一次你再看到某个模型的编程跑分创了新高，不妨多问一句：这分数，有多少是模型本身的功劳，又有多少是那套你看不见的 harness 撑起来的？ 想清楚这个问题的人，才算真正看懂了这一轮 Agent 竞赛的下半场。

对普通开发者来说，现在最值得做的，不是急着把它搬进生产，而是拉下来跑一遍，看看一个真正的编程 Agent 内部到底是怎么运转的——循环怎么转、上下文怎么管、权限怎么卡。看懂了 harness，你才能看懂手里那些收费工具到底在为什么收费；也才能判断，哪一天你真需要自己搭一套时，该从哪里下手。

模型的军备竞赛远未结束，但真正决定你手里那个 AI 好不好用的，已经您您地移到了那层很多人看不见的 harness 上。以前这一层是少数厂商的私房菜，现在 DeepSeek 把图纸摊开了，接下来就看谁能拼出最好的那台车。