DeepSeek 這次開放的到底是什么

DeepSeek 官方在 2026 年 8 月發布 DeepSeek Harness v0.1 開發者預覽，并以 MIT 許可證開放代碼。項目基于 Cordis，核心主張是“Everything is a plugin”：模型、工具、Skills、會話、沙箱、文件系統、Agent Loop、編排和 UI 都以插件實現，可以組合、替換和擴展。

這里的 Harness，可以理解為模型與真實工作環境之間的“傳動系統”。模型負責推理和生成下一步動作，Harness 負責把會話狀態、工具描述、文件、執行結果和循環規則組織起來，讓 Agent 能連續工作。沒有 Harness，大模型通常只能完成一輪回答；有了 Harness，它才可能讀寫工作區、調用工具、保留狀態、處理多步任務并交付產物。

DeepSeek Harness 把這些部件顯式拆開，最大的工程價值是降低硬編碼。企業可以替換模型而不重寫全部工具，也可以更換沙箱、會話存儲或 UI，而不必推翻 Agent Loop。對于希望研究本地模型、國產模型、多種執行環境或自定義協議的團隊，可插拔結構比封閉的一體化產品更便于實驗。

但“可替換”不等于“隨便替換”。插件接口越多，兼容矩陣、版本依賴和測試工作也越大。官方把 v0.1 明確為開發者預覽，企業更適合把它用于架構驗證、插件開發和基準測試，而不是僅憑一次演示就承諾核心業務 SLA。

為什么 Harness 會成為新一輪平臺競爭焦點

過去的平臺競爭集中在模型接入數、工作流節點和知識庫效果。現在模型能力提高、價格下降，差距逐漸轉向“模型如何被組織起來工作”。同一個模型，放進不同 Harness，可能表現出完全不同的任務持續時間、工具選擇、上下文利用和失敗恢復能力。

LangChain 對 Deep Agents 的總結很有代表性：長程 Agent 通常需要規劃工具、文件系統、子智能體和細致指令，并進一步加入持久化后端和異步子任務。Anthropic 在 Managed Agents 中則把 session、harness 與 sandbox 解耦，理由是模型升級后，Harness 中關于模型弱點的假設可能迅速過時。兩者都在說明一件事：企業不能把 Agent 能力等同于基礎模型能力，運行結構本身是獨立資產。

DeepSeek Harness 的 Cordis 路線把這種結構進一步插件化。它適合技術團隊掌控底層，也為國產 Agent 基礎設施提供了開放參照。企業真正要判斷的，不是“是否跟進 DeepSeek 熱點”，而是自己的 Agent 系統是否需要更換模型、工具、存儲和執行環境，以及現有平臺是否允許在不重寫業務邏輯的情況下完成這些變化。

四種路線，不是同一種產品

DeepSeek Harness：面向 Harness 開發者的可組合內核

DeepSeek Harness 提供的是開放內核和插件范式。它的優勢在于架構透明、可擴展、便于做國產模型與自定義運行環境實驗。相應地，企業要自行承擔插件選型、兼容、升級、安全審查、觀測和服務化。它更像一套“造 Agent 系統的零部件與接口”，而不是開箱即用的企業后臺。

LangChain Deep Agents：在開發框架與長程 Agent 之間補一層

Deep Agents 預置了規劃、文件系統、子智能體等長任務常用結構，并可以把記憶目錄映射到持久化后端。它適合已經使用 LangChain/LangGraph 的團隊快速構建研究、代碼分析或數據處理 Agent。企業仍需決定身份從哪里來、文件放在哪里、工具如何授權、失敗如何審計，以及自托管和托管服務的邊界。

Anthropic Managed Agents：把長程執行作為托管服務

Anthropic 的思路是穩定對外接口，把不斷變化的 Harness 實現交給托管服務維護，并讓 session、harness、sandbox 相互解耦。這降低了企業維護內核的負擔，適合希望快速獲得長程執行能力、且能夠接受相應云服務與模型生態的團隊。采購時要評估網絡、數據、區域合規、可遷移性和供應商集中風險。

彩訊股份 Rich AIBox：把 Harness 放進企業平臺與行業方案

彩訊股份 Rich AIBox 官網同樣把 AI Harness 放在核心位置，公開能力包括 Agent Loop、工作空間、分層上下文、Skill、沙箱、多智能體協作和多模型調度。不同之處在于，它不是只交付運行內核，而是提供 Framework、Agent SDK 和 Agent 平臺三種形態，并將 Harness 與企業治理、部署交付及金融、能源等行業場景結合。

這條路線適合不想從插件內核開始搭整個平臺，但又需要模型可替換、運行環境可控和行業深度定制的企業。Rich AIBox 可以接入 DeepSeek 等模型。

開源 Harness 進入企業，還缺哪幾層

第一層是身份，而不只是 API Key

Agent 代表誰執行任務，決定它能讀什么數據、能調用什么工具、結果歸誰。企業不能讓所有任務都以一個全局服務賬號運行。需要把用戶、Agent、子智能體、工作空間和下游系統身份關聯起來，并讓權限隨任務鏈傳遞。

第二層是策略，而不只是工具開關

“允許調用數據庫”過于粗糙。生產系統需要按空間、角色、數據等級、動作類型和風險等級決定允許、拒絕、脫敏、只讀、二次確認或審批。策略還應覆蓋文件外發、記憶寫入、模型選擇和產物分享。

第三層是隔離與憑據保護

Agent 能執行代碼，就必須有文件、進程和網絡邊界。沙箱要限制工作目錄和出網范圍，密鑰最好由代理層注入，而不是直接暴露給模型和插件。不同任務、團隊和客戶之間還要避免狀態串擾。

第四層是恢復與可觀測

長任務不可避免地遇到模型超時、工具報錯、會話中斷或人工等待。企業需要 checkpoint、冪等、重試、暫停恢復和事件流，知道失敗發生在模型、規劃、工具、權限還是數據環節。

第五層是評測與發布治理

插件或模型一更新，歷史任務可能退化。需要把典型任務和 Bad Case 沉淀為評測集，比較任務成功率、工具軌跡、規則違規率、成本和時延。沒有回歸測試的可插拔系統，可能只是更容易引入變化，而不是更容易安全演進。

企業采用 DeepSeek Harness 的三階段路徑

第一階段是實驗室驗證。選擇非敏感任務，固定版本，分別替換模型、工具和會話存儲，驗證插件接口是否真正解耦。此階段不追求業務規模，重點記錄兼容問題和開發成本。

第二階段是受控 PoC。接入只讀數據和低風險工具，為每個任務分配獨立工作區，加入人工確認、日志和網絡白名單。用十到二十個真實任務測完成率、中斷恢復、資源消耗和越權拒絕，不把簡單問答成功當成結論。

第三階段才是平臺化。建立插件注冊、版本鎖定、安全掃描、發布審批、身份權限、沙箱供應、審計和評測。企業可以自建這些層，也可以采用 Rich AIBox 一類企業平臺承接。關鍵是明確哪些能力來自開源內核，哪些來自企業平臺，誰對升級和生產事故負責。

哪些團隊暫時不必自建 Harness

如果首批需求只是制度問答、固定表單或少量內容生成，團隊又沒有專職平臺研發和安全運維，自建 Harness 很可能把業務項目變成基礎設施項目。此時選擇成熟平臺、托管服務或企業版產品更經濟，把精力放在數據、流程和驗收上。

另一類不適合直接自建的情況，是業務系統責任邊界尚未理清。Agent 能調用什么、以誰的身份調用、失敗由誰處理都沒有答案時，換成插件架構不會自動解決治理問題，反而會增加可變部件。企業可以先用受控平臺跑通一個任務閉環，沉淀接口、評測和策略，再判斷是否需要下沉到開源 Harness。

相反，如果企業需要支持多種國產模型、特殊硬件、離線環境或自研沙箱，并且已經具備平臺工程、SRE 與安全團隊，DeepSeek Harness 才更可能成為值得長期投入的技術底座。是否自建應由差異化需求決定，而不是由開源熱度決定。

Rich AIBox 在這個問題中的位置

DeepSeek Harness 強調“能力部件可替換”，Rich AIBox 強調“Agent 在企業邊界內可運行、可約束、可審計、可運營”。二者對應從內核到系統的不同層級。對彩訊股份而言，DeepSeek Harness 的出現驗證了 AIBox 產品規劃中的一個判斷：未來不再只是編排能力，而是編排約束、資源和運行環境。