DeepSeek Harness解析：一切皆插件的操作系统级野心

前置词汇理解

在深入主题之前，先来理解三个必要术语：

Harness（哈arness）：套在 AI 模型上的"安全带"，让模型能可靠地执行任务

Plugin（插件）：插入程序中的扩展模块，用于增强功能而无需修改主程序

Capability seam（能力接缝）：能力的接口边界点，允许在不影响上层的情况下切换底层实现

打个比方：AI 模型是"大脑"，Harness 就是让大脑能真实运作的"身体+工具+规则"

DeepSeek Harness 是什么，为什么它走向了"极端"

DeepSeek Harness（dsh 命令，仓库 deepseek-ai/deepseek-harness）于 2026 年 8 月以 Developer Preview 形式发布

它的官方定义简洁明了：Agent = Model + Environment + Tools + State（智能体 = 模型 + 环境 + 工具 + 状态）

如果说前三者（Pi、Claude Code、Codex）回答的是"Harness 应该怎么设计"，DeepSeek Harness 提出了更尖锐的问题："Harness 能否成为一个独立运行时，不绑定于任何一个模型？"

答案是"可以"，而且它把这个理念推到了极端。按照架构文档的说法："产品的每一个部分都是插件，包括 model adapter、tool registry、session log，甚至 agent loop 本身"

核心：没有"神圣的核心"

传统 Coding Agent 的结构是"LLM + 固定的 agent loop + 固定的 tool set"

DeepSeek Harness 的结构是"模型 + 插件核心（Cordis）"，核心只负责加载/卸载插件、依赖管理和事件分发，自身不携带任何具体的 agent 能力

为什么"不需要打补丁的核心"如此重要

按照架构文档的说法："没有需要打补丁的核心"和"你通过挂载插件来扩展 dsh，与其他组件并列"

这意味着即便是 agent loop 本身也不神圣、不可变：你可以把 DeepSeek model、Claude Code subagents、remote sandbox、custom memory、custom loop 和 custom UI 组合成一个全新的 agent

这是"model weights 之外的一切都是 Harness"这句话最完整的实现：如果 Harness 是独立的，那它就可以成为自己的操作系统

架构核心一：Capability Seam

DeepSeek Harness 用 Services 来代表"能力"，将几乎所有能力分为三层：

Service Definition（服务定义，声明接口）
        ↓
Service Provider（服务提供者，实际实现）
        ↓
Consumer（消费者，通常是模型看到的 tool）

以文件系统为例：在 FS Service 之下有多个 Provider，Local FS、E2B FS、Remote FS，全部通过统一的 file tools 套件开放。Shell、Subprocess、Sandbox、Web、LLM 和 SubAgent 也使用相同的结构

按照架构文档的说法："seam 是可切换的能力，有三个角色：Service Definition 声明接口，Service Provider 实现它，Consumer 使用它"

这回答了 Harness 工程中长期悬而未决的问题：agent 应该依赖"具体工具"还是"能力接口"？DeepSeek Harness 选择后者，工具系统被标准化为接口，切换 Provider 不会改变模型看到的工具表面，但会改变其下整个环境

架构核心二：Event Pipeline

DeepSeek Harness 不是构建在简单的"LLM → tool → LLM"流程上，而是使用 event pipeline，每个 stage 都是插件可观察的 event point：

turn/start → claim input → assemble (system prompt / context / tools)
  → agent/pre-step → step/start → LLM request (agent/request) → llm/stream
  → assistant/message → tool/call
  → tools/pre-execute (permission / guard / policy / hook)
  → tools/execute → tools/post-execute → tool/result → step/end → next turn

这个设计最大的好处是：许多功能无需修改 agent loop 本身：

• 想在 tool 运行前做安全检查？监听 tools/pre-execute
• 想增加 memory？在 agent/pre-step 插入
• 想记录行为？订阅 session events
• 想修改 model request？在 agent/request 挂载 hook
• 想判断 reasoning 是否应该继续？监听 agent/turn-stopping

与"让 agent execution 可观察"的概念相比，DeepSeek Harness 走得更远：它不是"添加 log"，而是把 loop 的每一步都变成 event point，让 observability、permissions、memory 和 policy 作为 listeners 挂在 loop 上，而不是硬编码进去

架构核心三：Session Event Log 和"Model-visible means logged"

DeepSeek Harness 有 append-only 的 Session Event Log，并设置了有分量的工程约束，按照架构文档的说法：

Model-visible means logged. 任何进入 model request 的东西都必须能从 log 中重建，runtime invariant 强制执行此规则

换句话说：observability 不是事后追加的 log，而是 harness 的 first-principles 约束，任何进入 model context 的东西都应该默认被 log

这将 append-only 存储设计变成了一项原则：只追加 log，不覆盖，session state 可回放

与 Pi、Claude Code 和 Codex 的对比

DeepSeek Harness 的优点：极致灵活、标准化的 capability seam、first-principles 的 observability

DeepSeek Harness 的缺点：config cost 高（"Harness 即 OS"的代价）、仍为 Developer Preview、没有类似 CLAUDE.md 的内置约定

与其他三者的根本区别

Pi、Claude Code 和 Codex 都优化"某个特定 agent 内部的 Harness"，但 DeepSeek Harness 将 Harness 定义为独立于模型的操作系统，agent 本身只是运行在该 OS 上的可切换应用

代价很明显：更大的灵活性 = 更高的 config cost，这是"harness 即 OS"设计的天然缺点

以下四点总结来自 Learn Harness Engineering 课程的 DeepSeek Harness 设计分析：

• 把 loop 的每一步变成 event point：将 permissions、memory、policies 和 logs 作为 listeners 挂在 loop 上，而不是硬编码进 loop
• 标准化 capability seam：依赖"capability interfaces"而非"具体工具"，可以切换整个环境而不改变模型看到的工具表面
• Model-visible means logged：模型看到的东西必须被 log，将 observability 从"锦上添花"变为"first-principles 约束"
• Append-only session log：可回放的状态 + 可靠的 handoff，确保每个 session 留下干净状态

我认为 DeepSeek Harness 是 Harness engineering 概念的"逻辑终点"，如果 Harness 是"model weights 之外的一切"，那让它成为自己的操作系统

但我最欣赏的不是灵活性，而是"Model-visible means logged"原则，因为它把 observability 从"事后添加的东西"变成了"系统的第一约束"，这是我认为每个 Harness 都应该采用的理念

如果你想看看"最极致的 Harness 长什么样"，DeepSeek Harness 就是答案

你试过 DeepSeek Harness 或 dsh 了吗？对"一切皆插件"的理念有什么看法？欢迎留言分享

[1] DeepSeek Harness. "Agent = Model + Environment + Tools + State". 2026. https://deepseek.com/harness

[2] deepseek-ai/deepseek-harness (command dsh, MIT). 2026. https://github.com/deepseek-ai/deepseek-harness

[3] DeepSeek Harness architecture.md. 2026. https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/architecture.md

[4] Learn Harness Engineering, Breaking Down DeepSeek Harness's Design. 2026. https://github.com/walkinglabs/learn-harness-engineering

本文分析基于 deepseek.com、deepseek-ai/deepseek-harness 和 walkinglabs/learn-harness-engineering，信息截至 2026 年 8 月 23 日。Nokka