DeepSeek Harness：自进化Agent的基础设施革命

当大模型能力持续突破天花板，Agent如何真正实现持续进化，而非停留在「调用工具完成任务」的层面？DeepSeek近期发布的DeepSeek Harness（DSH）给出了独特的解题思路——将Harness本身变成可修改、可热重载、可组合的基础设施对象，让Agent不仅能使用工具，还能自主更换支撑自身运行的「部件」。这一设计理念正在重新定义Agent架构的未来方向。

概述

DSH的架构设计体现了极致的模块化思维，从内到外分为三个层次：最外层是开箱即用的Coding Agent，提供本地Web UI作为快速入口，官方预设了标准模式、PTC模式、极简模式和创造模式四种形态，其中标准模式覆盖了执行命令、文件操作、技能调用、子代理启动等完整编程能力；第二层是「万物皆插件」的Harness构造框架，允许开发者自定义Model Adapter、工具注册、沙箱策略、子代理后端乃至核心的Agent Loop；最底层则是名为Cordis的元框架，解决了插件动态组合的核心难题——组件如何在依赖出现或消失时安全重组，并在卸载时彻底清理上下文中的副作用。

与Claude Code的两种Harness哲学

深入分析后会发现，Anthropic的Claude Code与DeepSeek的DSH代表了两种截然不同的Harness优化方向。Claude Code遵循实证科学的研究路径：先观察当前模型在真实任务中的能力边界和失败模式，再针对性地设计Harness机制——通过上下文压缩解决长任务连贯性问题，通过Planner-Generator-Evaluator分工弥补规划不足，通过持续消融实验删除不再必要的脚手架代码。这种思路追求的是在当前范式下做出体验最优的Agent产品。DSH则选择了更具野心的理论路线：从第一性原理出发解决「Harness如何被低成本修改」的问题，设计一个能够持续自我迭代的Meta Harness。它需要实现组件替换、副作用撤销、依赖重解析、会话级组合差异化，以及Agent自主检查和编写新插件的能力。从这个角度看，Anthropic优化的是「此时此刻的最佳结果」，而DeepSeek优化的是「持续探索不同可能性的能力」。

Creator模式：连接开发者与自进化的桥梁

在DSH的四类工作模式中，Creator模式最值得关注。它保留了标准模式的完整能力，同时允许Agent检查当前Cordis Runtime状态、实验新插件、创建新的Agent预设。这种设计蕴含着深远的产品逻辑：今天的开发者指导Agent创建插件的过程，可以沉淀为训练数据，让模型学习如何设计和改进自己的Harness——这正是Self-Evolution的关键前置条件。围绕插件生态，开源社区已展现出惊人的创造力。截至发稿，GitHub上与DSH插件相关的仓库已超过7000个，经过筛选的可安装插件约1500个，累计获得近万颗Stars。生态繁荣说明DSH正在成为外部Agent Infra接入用户Runtime的适配层，其价值不仅在于提供现成工具，更在于构建了一个开放的Harness搜索空间。

从热重载到真正的Self-Evolution

DSH已经提供了Agent Runtime自我修改的底座，但距离真正的Self-Evolving Harness仍有距离，主要面临两大挑战。首先是系统稳定性问题：Agent修改自身配置时如何避免破坏运行环境？DSH的答案是Cordis的热重载机制——不关闭进程、不重启Agent，而是在Runtime中完成旧组件卸载、状态清理、新实现加载的全流程。这将一次危险的全局修改转化为有边界的组件变更，结合沙箱隔离和回滚能力，使更多Harness级别的RSI实验成为可能。其次是持续可靠的Eval问题：Harness能生成修改方案不代表系统能判断哪些修改真的更好。只有当系统能够低成本、稳定地评价修改效果，并将其固化为新基线时，Self-Mutation才会升级为Self-Improvement。Creator模式产生的数据为构建Eval Suite提供了原材料，但完整的Learning Loop仍需时间打磨。

如有侵权，请联系删除。