DeepSeek Harness背后，梁文锋的野心

文 | 登顶可选 一直靠低价出圈的 DeepSeek，API 终于官宣大幅涨价了。 V4-Pro 每百万输出 token，高峰价格从 0.87 美元涨到 3.96 美元， 涨幅约 355% ；V4-Flash 从 0.28 美元涨到 1.32 美元， 涨幅约 371% 。 这是 DeepSeek 第一次大幅提价，也是第一次采用峰谷定价——低谷价格只有高峰的一半。 与此同时，V4-Pro 正式版上线，模型测评中反复提及 Agent 能力。而更早发布的 V4-Flash，在官方 Code Agent 测试中已经用上了当时还未公开的 DeepSeek Harness Minimal Mode。 随后 Harness 在 GitHub 开源，迅速刷屏开发者社区。截至 8 月 18 日，项目已获得约 15.2 万 Star。 GitHub 15.2 万 Star Harness 给开发者留出了相当大的自由度：不要求使用 DeepSeek 模型，OpenAI、Anthropic 都可以接，企业内部的模型网关、自建模型服务也能通过自定义接口加入。Codex 和 Claude Code 甚至可以直接作为 Sub-Agent 参与任务。 模型能力变强以后涨价，很容易理解。但 Harness 当前没有直接收费口，甚至主动给竞争对手留下入口。 DeepSeek 最值钱的资产依然是模型，API 又是最重要的收费渠道。现在它自己修了一条路，竞争对手的车也能自由出入。 这笔账到底怎么算？ 01 DeepSeek 究竟做了什么事 我们先来了解 Harness 是什么，为什么一套 Agent“组装底座”能在几天内吸引十几万开发者关注。 我们最熟悉的 ChatGPT、DeepSeek、豆包，早期核心形态都属于 Chat AI。用户问一句，模型思考并生成答案；接下来再问，再回答。AI 主要负责提供信息和建议，还不能独立替用户执行任务。 后来模型这个“大脑”开始接上 Tool Calling 这样的“手脚”。AI 可以搜索网页、调用软件、读写文件、执行代码，从回答问题进一步走向完成任务。 做 PPT、整理 Excel、调研公司、修改代码，都开始进入 Agent 的工作范围。 DeepSeek官方公布的V4-Pro Agent 能力 但任务一旦变长，又出现新的问题。 现在做到哪一步，下一步调用什么工具，失败后怎么继续，什么时候结束，都需要一套运行机制。Agent 拿到中间结果以后，还要重新判断当前方向，发现问题再调整，让长任务不至于一路跑偏。 Harness 管的就是这套持续执行机制。 DeepSeek 官方给出的公式是： Agent = Model + Harness 一次任务里，AI 会反复经历：看资料 → 做决定 → 调用工具 → 拿结果 → 重新判断。 比如让 Agent 调研一家公司，它会自己搜索资料、打开网页、整理数据。发现材料不够，再回去搜；拿到新资料重新判断，然后继续执行。在这个过程中，Harness 持续保留任务状态和上下文，让 Agent 能围绕最初目标继续工作。 模型负责理解和推理，Harness 提供工作环境、工具和持续执行任务的机制。 可以把 Agent 想成一个生产车间。模型像工人的大脑，工人再聪明，也需要知道资料在哪、有什么工具可以用、任务进行到了哪一步；工作失败怎么重来，复杂任务怎么分给其他 Agent，凌晨两点的任务要不要自动执行，也需要有人管理。 Harness 负责管理“工人”的操作环境和车间运行规则。 DeepSeek 又把这间车间拆得很细，官方发布的 Slogan 叫：Everything is a Plugin，一切皆插件。 Deepseek Harness 官方 Banner 模型、工具、Skill、Session、Sandbox、Agent Loop、定时任务，甚至 UI 都可以替换和重新组合。开发者不用修改 Harness 本身，就可以根据自己的需求搭出不同的 Agent。 DeepSeek Harness 给开发者的，是一套 组装 Agent、让 Agent 持续工作的底座 。 02 Harness 到底厉害在哪 Harness 并不是 DeepSeek 发明的新技术。 OpenAI 有 Agents SDK，Codex 本身已经是一套完整的 Coding Agent；Anthropic 有 Claude Code，也通过 Agent SDK 把大量能力交给开发者。 DeepSeek Harness 和两家公司的差异，更多体现在产品的起点。 Harness 产品位置 OpenAI、Anthropic 已经做出了相对完整的 Agent 产品。开发者可以继续加入工具、Skill、MCP、Sub-Agent，调整大量工作方式，但产品本身已经拥有清晰的默认形态。 DeepSeek Harness 的位置更靠下，更接近 Agent 的组装层。 模型、工具、工作方式和执行流程被拆成大量可替换模块，就像一堆“原材料”可以自由组合替换。开发者拿到的成品更少，组合空间更大。 差异最后落在最终产品的定义权上。 DeepSeek Harness 连最基础的模型都没有锁死。Anthropic、OpenAI 都是现成选项；不同企业内部的模型网关、自建模型服务，也可以通过自定义 Provider 接进来。 “一切皆插件”，搭积木一样的开发模式给了用户最大的自由，也把产品定义权留给了用户自己。 03 Harness 把开放生态又往前推了一层 过去几年，大模型开源主要发生在模型层。 模型权重开放以后，开发者可以把这个“大脑”拿走，在自己的服务器上部署、微调，再开发新的产品。 Agent 出现以后，模型变成整套系统的一部分。工具怎么连接，Skill 怎么调用，任务怎么循环，几个 Agent 如何协作，运行环境怎么管理，共同塑造了 Agent 最终的功能。 Harness 把 Agent 生态也开放了。 模型开源，DeepSeek 放出去的是能力；Harness 开源，DeepSeek 放出去的是一部分产品定义权。 Deepseek Harness 的生态组合 开发者可以决定用谁的模型、接什么工具、任务怎么执行、几个 Agent 怎么配合，甚至连 Agent 自己的 Loop 都可以替换。 其中还有一层很容易被忽略， Harness 降低了更换模型的成本。 今天可以用 DeepSeek，明天可以换 Claude；一个任务用 OpenAI，另一个任务调用企业内部的模型服务。开发者不需要因为更换模型，重新搭一套新 Agent。 传统软件平台很喜欢制造这种切换成本。一旦用户的业务、数据、工具都围绕自己的产品建立起来，离开的代价越来越高。 DeepSeek 在模型这一层主动把锁定削弱了。 与此同时，另一种可能性也许正在慢慢发芽。 一个团队在 Harness 上逐渐积累插件、Skill、工作流、任务规则和 Agent 组合以后，即使底层模型不断更换，这套运行体系依然可以保留下来。使用 Harness 的团队越多，围绕它生长出来的插件、工作流和应用方式也会越来越丰富，Harness 自身的技术地位也可能随之提高。 Deep