前段时间，我在《这次真不慌了，Claude随时可以取消订阅》里写过一个判断：随着 DeepSeek、Kimi、GLM 这些国产模型的 Coding 能力越来越强，国产 AI Coding 与 Claude Code 之间最明显的差距，正在从模型本身转移到 Harness。
当时很多人讨论 AI Coding，仍然习惯把 Claude Code 的优势简单归结为 Claude 模型更强。但实际使用过不同 Coding Agent 就会发现，同一个模型放进不同的工具里，最后表现出来的能力可能有很大差别。模型当然重要，但模型怎么读取代码、怎么规划任务、什么时候搜索、什么时候调用工具、如何管理上下文、失败后怎么恢复、修改以后是否主动运行测试，这些并不完全由模型决定。
8 月 13 日，DeepSeek 发布了 DeepSeek Harness 开发者预览版，并以 MIT License 开源。更有意思的是，DeepSeek 在产品首页直接写出了一个公式：
Agent = Model + Harness。
这句话其实把过去半年 AI Coding 市场正在发生的变化说得很清楚。模型仍然决定智能的上限，但当模型能力越来越接近之后，谁能把这些智能稳定地组织起来完成工作，正在变得越来越重要。
所以我觉得，DeepSeek Harness 真正值得关注的，并不是 DeepSeek 终于也做出了一个“国产 Claude Code”，现在显然还远没有到这一步；真正重要的是，DeepSeek 已经开始补国产 AI Coding 最短的那块板了。
一、Harness到底是什么，为什么突然变重要了？
Harness 这个词最近在 AI Coding 圈越来越常见，但它其实很难用一个对应的中文词准确翻译。你可以把它理解成模型之外的那套“执行系统”：模型负责思考，Harness 负责把模型连接到文件系统、终端、搜索、工具、权限、上下文以及其他 Agent，让模型能够真正进入一个软件项目持续完成工作。
DeepSeek 自己的定义也差不多。它说模型是 Agent 的“灵魂”，而 Harness 让 Agent 理解环境、使用工具，并持续在现实环境中工作。DeepSeek Harness 的 Standard Mode 已经包括文件编辑、Shell、文件和网页搜索、Skills、Planning、Goals、Subagents 和 Workflows；另外还有用代码编排多步工具调用的 Code Mode，以及为了模型 Benchmark 尽可能减少环境干扰、只保留 Bash 和文件编辑器的 Minimal Mode。
这些功能单独拿出来，其实都不新鲜。Claude Code 有 Skills、Subagents、Hooks、MCP 和一整套权限机制，今天甚至可以根据任务主动调用不同的子 Agent；Codex 也已经有 Skills、Subagents、Sandbox、Approval 等完整机制。真正重要的不是“有没有一个 Subagent 按钮”，而是这些能力如何组合起来。
比如一个 Agent 接到“给这个项目增加用户登录”的任务以后，它首先需要判断代码结构，搜索相关文件，理解已有认证方式，再决定修改哪些模块；中间可能要安装依赖、执行数据库迁移、运行测试，测试失败以后继续读取日志并修改代码。任务足够复杂时，它还可能需要把前端、后端和测试拆给不同的 Subagent，又不能让大量日志和中间信息把主 Agent 的上下文塞满。
模型负责一次次做判断，但把这些判断组织成一条可靠执行链的，就是 Harness。
模型能力还很弱的时候，这件事没有那么重要，因为模型连代码都看不明白，外面的执行系统做得再漂亮也没有用。但当主流模型进入“代码基本都会写”的阶段以后，差距就开始出现在另一层：为什么一个 Agent 做到一半经常停下来？为什么另一个能自己跑完测试继续修？为什么同一个模型，在不同工具里的效果会完全不同？
这就是 Harness 开始变得重要的原因。
二、DeepSeek其实早就在用Harness了
DeepSeek Harness 这次虽然刚刚公开，但它显然并不是昨天才突然想出来的东西。
7 月 31 日 DeepSeek V4 Flash 正式版发布时，DeepSeek公布了一组 Agent Benchmark：Terminal Bench 2.1 为 82.7，NL2Repo 为 54.2，DeepSWE 为 54.4。官方当时特意在测试说明里写了一句话：公开基准中的 Code Agent 任务，使用了“即将发布”的 DeepSeek Harness Minimal Mode。
到了 8 月 13 日 V4 Pro 正式版发布，Terminal Bench 2.1 又提高到 87.9，NL2Repo 达到 61.5，DeepSWE 达到 62.7，而 DeepSeek 再次明确说明，Code Agent 的公开 Benchmark 使用 DeepSeek Harness 极简模式完成测试，并提醒不同 Harness 下的结果可能略有不同。
我觉得后面这句话甚至比那些 Benchmark 数字更值得注意。
因为它实际上承认了一件过去经常被模型排行榜忽略的事情：Agent Benchmark 测出来的，从来不完全是模型。
模型和 Harness 很难彻底分开。
同样一个模型，如果 Harness 更善于搜索代码、更合理地控制上下文、更准确地选择工具，在需要时把任务交给子 Agent，并且在失败以后能够继续恢复，最后测试出来的 Agent 能力自然可能不同。
所以 DeepSeek Harness 并不是模型发布以后的附属产品。从 V4 Flash 到 V4 Pro，它已经进入 DeepSeek 的模型评测体系。现在再回头看“Agent = Model + Harness”这句话，就不只是市场宣传，而更像是 DeepSeek 对 Agent 产品路线的一次明确表态。
三、DeepSeek现在的策略很有意思：先开别人的车，再开始造自己的车
还有一个很容易被忽略的细节。
DeepSeek 并没有因为自己开始做 Harness，就把模型关在 DeepSeek Harness 里面。恰恰相反，它现在正在非常积极地进入别人已经建立起来的 Agent 生态。
DeepSeek 官方已经提供 Claude Code 的接入方案，只需要修改 Anthropic API 地址和模型配置，就可以把 Claude Code 后面的 Claude 换成 DeepSeek V4 Pro 或 V4 Flash；V4 Pro 正式版又原生支持 OpenAI Responses API，并针对 Codex 做了适配。DeepSeek 的官方文档里，现在还能找到 OpenCode、GitHub Copilot 等一系列 Agent 工具的接入方式。
这其实是一种很现实的策略。
Claude Code、Codex 已经有大量用户，也积累了成熟的工具调用、权限、上下文管理和软件工程流程。DeepSeek 模型既然已经能够在这些 Harness 里工作，就没有理由等自己的产品成熟以后再进入市场。先把模型放进去，让用户今天就能用起来。
但是另一方面，如果 DeepSeek 永远只是 Claude Code 或 Codex 里的一个 Model Provider，那么它掌握的是模型能力，却并不完整掌握这些能力最后如何被使用。
这也是为什么我觉得 DeepSeek Harness 的意义，比“再做一个 Coding Agent”更大一些。
它采用的甚至不是简单复制 Claude Code 的思路，而是把整个系统做成“Everything is a plugin”。模型适配器、Tools、Skills、Session、Sandbox、Storage、Agent Loop、Scheduling，甚至 UI 都可以作为插件替换；它还把模型看到的 System Prompt、工具调用、Subagent 调度和上下文注入记录在 Session Event Log 里，用同一条事件流实现 Resume、Fork、Search 和 Replay。
这更像一套 Agent Runtime，而不只是一个固定的编程客户端。
当然，今天讨论它最终能不能形成生态还太早，但方向已经很明确：DeepSeek 不只是希望自己的模型能够运行在别人的 Harness 里，它也开始建立一套自己能够参与定义的 Agent 基础设施。
别人已经修好的高速公路先开上去，同时开始自己修路。
四、但知道该追什么，和真正追上，是两回事
写到这里，很容易得出一个过于乐观的结论：既然国产模型已经越来越强，现在 Harness 也有了，那 Claude Code 很快是不是就没有优势了？
我觉得还没有这么简单。
DeepSeek 自己也非常克制地把这次发布定义为 Developer Preview，而且明确提醒开发者，核心插件和 API 还会持续变化，甚至会出现破坏兼容性的更新。它虽然已经有可以直接运行的 Web UI，也已经能够读写文件、执行命令、维护 Plan 和调用 Subagent，但从一个能够运行的 Agent Runtime，变成开发者每天敢把真实项目交给它的生产工具，中间还有很长的一段路。
因为 Harness 最难的地方，从来不是把功能列表补齐。
Skills、Subagents、Sandbox、Planning、Memory，这些能力最终大家都会有。真正决定体验的是大量细节：模型什么时候应该搜索而不是猜，什么时候应该拆任务而不是自己硬做，多少日志应该进入上下文，什么时候应该压缩历史，执行失败以后能不能恢复，权限询问会不会频繁打断用户，一个任务连续跑几十分钟以后还能不能保持目标不漂移。
OpenAI 甚至专门公开过 Codex Agent Loop 的工程细节，例如为了保持 Prompt Cache 命中率，要控制工具列表、Sandbox 配置和上下文变化；当上下文增长到一定程度以后，又需要 Compact 会话，让 Agent 能继续完成长任务。这样的工程优化并不醒目，却会直接影响成本、速度和稳定性。
Claude Code 今天的优势也不只是 Claude 模型本身，而是 Anthropic 已经围绕真实开发流程迭代了很长时间。DeepSeek Harness 发布以后，我们只是第一次比较清楚地看到 DeepSeek 准备从哪里追赶。
所以与其说“Harness 做出来了，剩下的就是奋力追赶”，我现在更愿意把它改成另一句话：
Harness 做出来以后，真正的追赶才开始。
五、国产AI Coding下一场竞争，可能已经不只是模型了
过去一年，我们判断一家 AI Coding 产品有没有竞争力，最先看的通常是它后面用了什么模型。Claude Opus、GPT、Gemini，或者 DeepSeek、Kimi、GLM，模型名称几乎等于产品能力。
这种判断方式以后可能越来越不够用了。
当模型之间仍然存在巨大能力差距时，当然应该优先选择最强模型。但如果几家模型都已经进入“能够完成大多数常规开发任务”的区间，那么速度、价格和 Harness 就开始共同决定最终体验。模型决定这个 Agent 大概能做到什么，而 Harness 越来越决定它能不能稳定地把事情做完。
这也是为什么我看到 DeepSeek Harness，比看到又一个 Benchmark 提高几分更感兴趣。
它现在还只是 Developer Preview，离 Claude Code、Codex 这样的成熟产品还有明显距离，甚至 DeepSeek 自己目前仍在积极借助这些成熟 Harness 来让 V4 Pro 和 V4 Flash 更快进入开发者工作流。但至少，国产 AI Coding 已经不再只是不断训练一个更强的模型，然后等待别人替它做最后一公里。
DeepSeek 已经开始往模型外面走了。
我之前说，国产 AI Coding 最需要补的已经不是“会不会写代码”，而是如何把模型变成一个真正可靠的开发 Agent。现在 DeepSeek 给出了自己的答案：Agent = Model + Harness。
这不意味着 Claude Code 今天就可以取消订阅，也不意味着 DeepSeek Harness 已经追上了谁。
但至少从现在开始，大家终于开始解决同一个问题了。
而当中国公司既有越来越接近前沿能力、成本又足够低的模型，又开始认真补 Harness、工具和 Agent Runtime 这一层时，国产 AI Coding 接下来真正值得看的，可能已经不再是哪一张 Benchmark 表格上又多了几分，而是谁能最先把这些越来越强的模型，变成一个开发者真正愿意每天使用、可以放心把工作交出去的 Agent。
这才是 DeepSeek Harness 最值得关注的地方。