8 月 13 日晚上 8 点 57 分，DeepSeek 开源了一样东西。
不是新模型，毕竟才发Pro。
但它可能比模型更能决定，AI 到底能不能替你把活干完。
01
先说一个你大概率遇到过的场景
你让 AI 帮你做件事。
比如：“帮我把这个月的账整理成一张表。”
它回你一大段：第一步你应该打开 Excel，第二步建议你按类别分列，第三步……
看起来条条是道，但你合上手机想了想——表呢？
它给了你一份「怎么做」的说明书，没给你「做完了」的结果。你还是得自己动手。
这就是过去两年很多人对 AI 的真实体感：聪明，但不顶用。
而现在 AI 圈最热的一个词，就是在解决这件事。这个词叫 Harness。
02
Harness 是什么？先看这个词本来的意思
Harness 在英文里是「马具」——就是套在马身上，把缰绳、车辕、皮带连成一套的那个东西。
这个比喻其实特别到位。
一匹好马，力气再大、跑得再快，如果什么都不套，它就只能在草原上自己撒欢。你想让它拉车、耕地、送货，就得有一副马具，把它的力气接到车上去。
大模型就是那匹马。它的「力气」是理解、推理、生成。但光有力气，力气本身不会变成任何东西。
Harness 就是把模型的力气，接到真实世界上的那套装置。
所以圈里流传一个公式，很多人拿它当行业共识：
再换个更接地气的比喻：模型像一位特级厨师，Harness 是那间厨房。厨师本事再大，没有灶台、案板、冰箱、锅铲、尝味道的勺子，他能做的也只有一件事——口述菜谱。厨房不产生厨艺，但没有厨房，厨艺永远只是嘴上的。
03
这套「马具」具体管什么？
说人话，Harness 干的是五件杂活：
01 递工具
让模型能真的打开文件、敲命令、上网查资料，而不是只能在对话框里说话。
02 管记忆
一个复杂任务动辄几小时、上百个步骤，模型的「脑容量」装不下。Harness 负责做笔记、划重点、把该忘的忘掉、该记的留着。它还会把每一次对话、每一次工具调用和结果都记成日志——这意味着你能回头看它到底干了什么，能接着上次没做完的继续，甚至能从中间某一步岔出去走另一条路。
03 拆任务、记进度
把“帮我做个网站”拆成几十个小步骤，做到哪一步了、哪步卡住了，都得有人记账。
04 看结果，错了重来关键
写完代码要跑一遍，跑出错了要看报错、改、再跑。这个「写→跑→看报错→改」的循环，才是 AI 从「会写」变成「能交付」的分水岭。人类程序员的日常也是这样，只不过现在这个循环由机器自己转起来。
05 拦一道
它要动你电脑里的文件之前，得先问一句“确定吗”；危险操作关进沙箱里跑。这是安全阀。
你可能会问：这些不都是很基础的功能吗？
对，但恰恰是这些不性感的工程活，决定了 AI 好不好用。这也解释了一个很多人的困惑：为什么同样一个模型，你在网页聊天框里用，感觉平平；程序员用的那些工具，却能让它自己写完一整个项目？
差别很大一部分不在模型，在模型外面套的那身衣服。
一图回顾
把这五件事串起来跑，就是它真实的工作方式：
注意两个地方。一是第 5 步，模型自己不直接碰你的电脑——它只能提出「我想改这个文件」，动手前先过一道权限和沙箱检查，需要授权时会弹出来问你。二是右边那根拐回去的黄线，执行结果会回传给模型，让它判断下一步。普通聊天是一问一答，它是一圈一圈地转，直到把活干完。
04
重要澄清：Harness 不是 DeepSeek 发明的
这点必须讲清楚，不然容易误会。
Harness 是个通用概念，不是某家公司的产品名。OpenAI 的 Codex、Anthropic 的 Claude Code，都属于 Harness 这一类东西。DeepSeek Harness 是 DeepSeek 做的那一个。
而且这类产品，是 2022 年「ChatGPT 时刻」之后，AI 领域第一个真正跑通商业化的杀手级应用方向。程序员是最早被 AI 大规模改造工作方式的一群人——不是因为写代码最简单，而是因为代码天然有「跑一下就知道对不对」的验证机制，那个「错了重来」的循环最容易闭合。
05
DeepSeek 为什么非做这个不可？
DeepSeek 一直以「把模型做强做便宜」著称，现在跨界去做智能体的底层系统，外界普遍好奇。大致有三层原因：
第一 跑分本来测的就是模型加身体
今天所有的代码智能体榜单，测的从来不是模型单独答题，而是模型和执行系统的组合成绩。这意味着——你没有自己的 Harness，你连给自己打分的资格都得借别人的。7 月 31 日 DeepSeek-V4-Flash 正式版上线时，公告脚注里就写明：代码智能体那几项测试，用的是尚未发布的“DeepSeek Harness 极简模式”。这是官方第一次承认它的存在。
第二 留住开发者
只做底层 API，等于你提供了能力，但由别人的 Harness 决定这份能力以什么方式到达用户。谁定义了工具怎么接、插件怎么装，谁就离用户更近。
第三 也是最有意思的一层：给自己用关键
梁文锋此前提过一个内部目标——下一代模型，首先要能帮 DeepSeek 开发下一版模型。要做到这件事，AI 就不能只会吐一段代码，它得能真的进入研发流程：读项目、跑实验、看结果、失败了接着来。而承接这一整套动作的系统，正是 Harness。
06
就在刚刚：官方正式发布了
8 月 13 日 20:57，DeepSeek Harness 团队发出第一篇公众号推文，标题叫“开发者预览版：一切皆插件”。同一时间，DeepSeek 官方账号在海外平台同步官宣。
这次发布有三个要点，值得逐条看。
要点一 是「开发者预览版」，不是给所有人的正式版
官方给的版本号是 v0.1，面向的是全球做 Harness 的开发者。代码仓库里写得很直白：这是早期预览，正在快速迭代，后续会有破坏兼容性的改动。所以别指望现在下载下来就是个成熟产品。
要点二 以 MIT 协议开源，这是最大的新闻关键
MIT 是最宽松的开源协议之一——代码你随便拿去看、去改、去商用。对比一下：它对标的 OpenAI Codex 和 Anthropic Claude Code，都是闭源的。DeepSeek 又一次把牌摊开打。
要点三 核心设计叫「一切皆插件」
官方原话是：模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有能力，全部由插件组合而成，可自由替换、灵活重组。
这九样东西长这样
「一切皆插件」这句话，翻译成大白话就是：所有零件都能拆下来换。
你觉得它的界面难看，换掉；你想接自家公司的模型，换掉；你要给它加个查内部数据库的本事，写个插件装上去。整机厂商不让你动的地方，这里都留了螺丝孔。
这也解释了 DeepSeek 的算盘：自己做不完所有场景，那就把接口敞开，让全世界的开发者替你把生态铺满。
社区反应也很直接：开源仓库上线不到一天，star 数已经过 1.3 万，fork 800 多。（数据为本文写作时，实时数字请以仓库为准。）
走到这一步用了五个月
值得多说一句的是带队的人。崔添翼浙大计算机出身，此前在顶级量化机构 Jane Street 干了九年。一个做了九年「如何让复杂系统稳定运转」的人来负责这件事，指向性很明显——Harness 拼的从来不是模型有多聪明，是这套东西跑一整天会不会崩。
07
三个最容易搞错的地方
误解一 装了它，不等于把 DeepSeek 装进了你的电脑关键
这是最容易踩的坑。Harness 是个空壳工作台，本身不含任何模型。装好之后，你还得进「设置 → 模型」填一个 API 密钥，让它去调云端的模型。所以它不是让你离线用 DeepSeek，也不是免费——每次干活都在消耗 API 额度，还是要花钱的。
四样东西，各管一段
DeepSeek 模型 — 负责思考、理解、生成答案
DeepSeek API — 让程序能调用这个模型
DeepSeek Harness — 组织模型去用工具、动文件、连续把任务做完
Harness 的网页界面 — 你和它对话、给它授权的那个工作台
误解二 名字叫 DeepSeek Harness，却不是只能用 DeepSeek 的模型
官方文档里写得清清楚楚：除了 DeepSeek，你还能添加 OpenAI、Anthropic 等提供方，也能接 Azure、Bedrock、Vertex，甚至填自家公司的网关地址。你完全可以用 DeepSeek 的框架，去驱动竞争对手的模型。这在闭源产品里基本不可能发生——而这恰恰是「一切皆插件 + MIT 开源」最实在的证据。
误解三 它现在不是「更好用」，而是「更开放」
这点得说实话。Codex、Claude Code 是已经打磨过的成品，开箱省心。DeepSeek Harness 目前更像一个开放、可组合的运行平台和参考实现，价值在于插件化、可替换、可审计、能嵌进自己的系统。对想研究智能体、开发插件、搭内部 AI 工作台的人，它很有吸引力；对只想找个顺手工具的普通用户，它现在还不够省心。
08
对普通人意味着什么？
01 先泼一盆冷水：你现在大概率还用不上关键
它跑在你自己电脑上，要先装 Node.js 开发环境，再敲一行命令把网页界面拉起来。这对开发者是家常便饭，对普通人是门槛。真正好用的图形化版本，还得等。
02 但方向已经很清楚：AI 正在从「给建议」变成「交付结果」
这是体验上的质变。以前你问它怎么做，以后你告诉它做什么。
03 这件事会外溢到写代码之外
今天 Harness 主攻编程，因为代码好验证。但同一套逻辑——拆任务、调工具、看结果、错了重来——迟早会用到整理资料、做表格、跑数据这些日常办公场景上。
04 便宜可能是最大的变量
DeepSeek 一贯的打法是把价格打下来。海外同类产品对个人用户并不算便宜，如果国产方案能把成本压低一个量级，那么「让 AI 替你干活」这件事，就从少数人的玩具变成多数人的工具。（网上流传的具体成本数字目前均来自社区实测，官方未公布定价，不建议当准数看。）
05 但请记住：它能动你的东西关键
一个能读你文件、能敲命令的 AI，方便和风险是同一枚硬币。授权的时候多看一眼，别一路点「同意」。
如果你真要上手，这五条建议照做
1. 只把需要处理的那个项目文件夹设为工作区，别拿整个硬盘根目录当工作区。
2. 涉及删除、覆盖、部署的操作，逐条看清楚再点同意。
3. 重要项目先用 Git 或备份保护一次，再让它动手。
4. 别把密钥、密码直接贴进对话框或代码里。
5. 别让它在生产服务器、关键业务目录上无人值守地跑。
补充一句：模型密钥是只写的，保存后网页端只能拿到脱敏信息，明文存在本地凭据文件里。它也带沙箱机制——但沙箱不等于绝对安全，上面几条该做还得做。
09
一句话记住
过去两年，大家比的是谁的模型更聪明。
接下来，比的是谁能让聪明变成干完的活。
模型是马，Harness 是马具。
马再好，没套上，也只是在原地漂亮。
本文事实依据：DeepSeek Harness 团队 2026 年 8 月 13 日 20:57 发布的公众号推文、DeepSeek 官方社交账号同步公告，以及项目开源仓库说明。人物与早期时间线信息来自公开报道。项目处于 v0.1 早期阶段、迭代很快，具体功能以官方仓库为准。
热门跟贴