DeepSeek 开源了 Agent 的"外壳"，你还要自己造吗

树懒老K

2026年08月31日 13:33

收录于文集

共11篇

enterpriseAI企业级AI

Agent Harness：模型之外的那一半，正在被删掉

大家盯着模型参数、跑分、新版本。但有一篇阅读量很高的文章说：去年底 Agent “突然能用了”，功劳不在模型权重，在模型外面的那套东西——Harness（原意马具/挽具，这里指"让模型跑起来的整套外围系统"）。更巧的是，最近 DeepSeek 和 OpenAI 先后把自家 harness 的能力摊开给了外界。

一、发生了什么

2025年圣诞节前后，AI 工程师们注意到一件事：Agent 突然能干活了。为什么？说不太清。

Latent Space 的 Dan McAteer 在 2026年8月22日发的《The Evolution of the Agent Harness》里给了一个判断：不是模型单方面的进步，是模型和"挽具"一起成熟，两条曲线在那个时间点交汇了。

Transformer 的发明人之一 Lukasz Kaiser 2026年6月在播客里也说过类似的话：“去年圣诞那次变化，很难精确定位。大概是 harness 变了、一点 post-training 变了、然后新预训练模型来了……但感觉像一次大跳跃，很难说清楚是哪件事。”

McAteer 的答案是："发生了什么"不在模型权重里，在权重周围长出来的那套系统里。答案在 Agent Harness 里。

二、原文的核心观点（McAteer, Latent Space）

观点一：Harness 是什么——"缸中之脑"的身体

McAteer 的定义很形象：2022年11月的 ChatGPT 只是个"缸中之脑"——除了训练数据和你给的提示词，什么也干不了。没有工具、没有搜索、没有推理。

Agent Harness 是除了模型权重之外、让 Agent 能运转的一切：环境、工具、上下文、护栏。没有 harness，模型就是缸中之脑；有了 harness，模型才能感知（context）、行动（tools）、持久化（memory/compaction）、执行边界（permissions/guardrails）。“Harness 相当于给模型的意识一个身体。”

观点二：两条曲线和一个鸿沟

整个模型/Harness 进化史，可以画成两条曲线：

一条是 Harness 向模型"要求"的能力
一条是模型"实际能交付"的能力

两条线之间的鸿沟 = Agent 的有效度。鸿沟收窄，就是 Kaiser 说的那次"大跳跃"。

McAteer 按阶段拆了这个鸿沟怎么收的：

ReAct（2022年10月）：“纸上的 Harness”。用提示词让模型走"推理→行动→观察→重复"的循环，循环只存在于提示词里。
AutoGPT/BabyAGI（2023年春）：“过早的 autonomy”。Harness 曲线冲到模型能力前面，把"自主员工"的活交给还只是"脆弱的 next-token 预测器"的模型。一个 20 步的任务，每步 95% 可靠，整体成功率只有约 36%。“循环不会给模型增加能力，只会放大模型已有的能力——低于某个阈值，循环放大的是错误。”
Cursor/Copilot（2023–2024）：“退回人在回路”。撤回 autonomy，把循环交回给人，模型给人加速。Answer.AI 的测试显示 Devin 第一代自主模式成功率约 15%——证明退一步不是怂，是对的。
Claude Code（2025年2月）：“曲线交汇”。o1 把模型能力推过阈值后，Claude Code 第一个把循环重新交还给模型——这次模型"懂任务了"。半年做到约 10亿美元 ARR。

观点三：Harness 2.0——“同一模型，换 harness，分差23.8”

这是最硬的证据。Harness-Bench 用同一个模型、同一批 106 个任务、不同 harness 跑，分数从 52.4 到 76.2——模型一行没改，分差 23.8 分。“Agent 的一半是 harness。”

OpenAI 在 ARC-AGI-3 上也得到类似结果：只加"保留推理 + compaction"，GPT-5.6 Sol 分数从 13.3% 涨到 38.3%（三倍）。

底层发生了什么？RL 进了 harness。codex-1（2025年5月）是"在真实编程环境的多种环境里用 RL 训练出来的"。两条曲线开始"编织"成统一系统。然后——模型开始把 harness 能力吸收进权重：比如学会带着对自己 context window 的认知做 auto-compact。GPT-5.1-Codex-Max 的发布说明写的是"第一个原生训练成能跨多个 context window 通过 compaction 运作的模型"。

观点四：进化的闭环——train → absorb → shed → repeat

模型吸收了 harness 能力，harness 就能拆掉脚手架。McAteer 说：“衡量 harness 进化速度的标准，是你删掉了多少 harness，同时保留同等能力。” Anthropic 的 Thariq Shihipar 说他们最近删掉了 Claude Code 80% 的系统提示词。

观点五：Harness 3.0——“注意力时代”

继续删。多智能体编排、工具选择、记忆……最终都会被模型吸收。删到尽头，剩下的是以人为中心的能力：权限、身份、信任、可解释性（legibility）。

McAteer 的关键判断：“吸收不会终结 harness，吸收会反转 harness。” Harness 本来是"人对模型的接口"，反转后变成"模型对人注意力的接口"——他叫它 attention-interface（注意力接口）。

他的预测：一年内，每个做 Agent 的公司都会交付一个"人类注意力策略面"，就像今天每个公司都交付了 AGENTS.md。 AGENTS.md 告诉 Agent 怎么跟你的代码库协作；注意力接口告诉 Agent 怎么跟你协作——什么时候能打断你、什么时候该继续干活、哪些决定它能自作主张、哪些要你批。

“模型始于缸中之脑。Harness 给了大脑一具身体，然后身体开始溶进大脑。留给我们要建的，是任何未来模型都永远吸收不了的东西——通往唯一真正稀缺资源的接口：人类注意力。”

三、开源 Harness 冲击波

上面是 McAteer 8月22日的判断。但就在他写这篇文章前后，harness 圈发生了一件他没展开写、却对企业影响更直接的事——大厂开始把 harness 能力摊开给外界。两件事要分清楚，不能混为一谈：

① DeepSeek：真开源

2026年8月13日，DeepSeek 发布 DeepSeek Harness v0.1（代号 dsh），MIT 许可，基于自研的 Cordis 元框架。核心设计原则是 “Everything is a Plugin”——模型、工具、会话、沙箱、存储、甚至运行时本身，全是插件。官方定位是 local-first、隐私优先 的编码 Agent 与运行时环境。发布两天 GitHub 星标就冲到 9.5万+，是近年来 adoption 最快的开源 Agent 项目之一。（来源：DeepSeek 官方 harness 文档、VentureBeat / TheNewStack 报道）

② OpenAI：公开设计，不开源实现

OpenAI 这边要写准确——它没有把 Claude-Code 对等的 harness 代码 MIT 放出。它做的是"公开构建方法"：

2026年2月4日，OpenAI 发《Unlocking the Codex harness: how we built the App Server》，把 Codex 跨端（web/CLI/IDE/macOS）共用的 App Server 架构、JSON-RPC 协议、集成经验全摊开，明确说"希望你们把同一套 harness 带进自己的产品"。
2026年2月11日，Ryan Lopopolo（就是 McAteer 文中引的那位）发《Harness engineering》，讲 OpenAI 内部如何用 Codex 0 手写代码、1/10 时间造出百万行代码产品的实践，核心一句：“Humans steer. Agents execute.”

所以准确说法是：DeepSeek 开源了 harness 实现，OpenAI 开源了 harness 方法论。两者都在降低企业自建 harness 的门槛，但性质不同。

四、树懒老K的解读：对企业意味着什么，自建对不对

把 McAteer 的判断 + 上面两件真事放一起，回答两个你关心的问题。

问题一：开源 harness 对企业有什么积极影响？

第一，把"护城河"从代码变成了数据和方法。以前企业觉得"用 AI 得自己搭一套"，现在 DeepSeek 把运行时的架子给你了，你不用从零造轮子。省下的精力该投到哪？投到 McAteer 说的 harness 五项里最值钱的两格——context（你的业务本体）和 permissions（你的审批边界）。这两格开源给不了，因为它们是你的私有知识。

第二，local-first / 隐私优先让制造业敢用了。DeepSeek harness 强调 local-first，数据不出厂。我做过工控网络安全创业，最清楚制造业的顾虑：核心工艺参数、质量数据，绝不可能随便传云端。开源 + 本地部署，等于把"能不能用"的开关交回给企业自己。这是制造业 AI 落地过去三年最大的卡点之一，现在松动了。

第三，OpenAI 公开 App Server 协议，意味着"Agent 互联"有了事实标准雏形。就像当年 REST 成了 Web API 的默认，JSON-RPC 这套如果被广泛接受，企业以后接不同模型、不同 Agent，不用每家重写一遍适配层。

问题二：软件厂商甚至企业自己也在构建 harness，对还是错？

不能一概而论。我的判断是分三层：

错的情况——“为建而建”，重复造 AutoGPT 阶段的轮子。 McAteer 把 AutoGPT 叫"过早的 autonomy"：给模型超出它能力的自主权，结果放大错误。今天很多企业的"智能体平台"项目，本质就是 2023 年的 AutoGPT——兴致勃勃给了 Agent 一大堆工具和数据源，底下模型没到阈值，跑两步就垮。这种自建，错。直接用 DeepSeek harness 或成熟框架起步，把精力留给业务本体，比自己写一套"万能 Agent 中台"靠谱得多。

对的情况——在开源 harness 之上做"行业 harness"。 DeepSeek 给的是通用骨架（Everything is a Plugin）。企业要的是把行业语义插进去：离散制造的 BOM 结构、化工的工艺配方、药企的 GMP 合规规则。这些插件，开源社区不会替你写，模型权重也吸收不了（因为是你的私有知识）。正确的自建，是建"插件"，不是建"骨架"。 我在做 MDM/ERP 时定义的"企业级主数据标准"，放到 Agent 时代，就是最该自己写的那个 context 插件——这也呼应了前一篇本体论文章：本体论不是比喻，它是 harness 里 context 那一格的工程实现。

必须自建的情况——涉及核心生产与安全边界。 如果 harness 管的是产线启停、配方下发、质量放行，这类 permissions/guardrails 不能外包给通用框架的默认值。McAteer 说"吸收会反转 harness，剩下的是权限、身份、信任、可解释性"——这四样，越是关键业务越要自己掌控。该自建的是这一层"注意力接口"，不是底层运行时。

一句话总结： 底层运行时用开源的（DeepSeek harness 或 OpenAI 公开的协议），中间行业语义自己写插件，顶层安全与审批边界自己控。三层里只有两层需要"建"，而且都不是从零建。

来源信息