DeepSeek Harness 的崛起与梁文锋的愿景

DeepSeek 最近宣布了其 API 的大幅涨价，标志着其市场战略的重大转变。具体来说，V4-Pro 每百万输出 token 的高峰价从 0.87 美元猛增至 3.96 美元，涨幅近 355%；而 V4-Flash 的价格也从 0.28 美元涨至 1.32 美元，增幅达到约 371%。这是 DeepSeek 首次实施如此显著的定价调整，并首次引入峰谷定价策略——低谷期价格仅为高峰期的一半。同时，V4-Pro 的正式发布吸引了更多关注，尤其是其 Agent 能力在各种评测中频繁被提及。而早前推出的 V4-Flash，在官方的 Code Agent 测试中已经应用了尚未公开的 DeepSeek Harness Minimal Mode。之后，Harness 在 GitHub 上开源，迅速引发开发者们的热议，截至8月18日，该项目获得了约15.2万个 Star。Harness 为开发者提供了不小的自由度，它并不强制使用 DeepSeek 的模型，OpenAI 和 Anthropic 的模型同样可以接入，而企业内部自建的模型服务亦可通过自定义接口进行整合。Codex 和 Claude Code 也能直接作为子代理参与到任务中。 随着模型能力的提升，涨价似乎是合情合理的。然而，Harness 目前并没有直接的收费方式，甚至还留给竞争对手一些空间。DeepSeek 的最重要资产依旧是其模型，而 API 也是最主要的收益来源，现在它却为竞争者提供了进门的通道，这引发了思考。

DeepSeek 究竟做了什么？我们需要先弄清楚 Harness 的作用，为什么这套 Agent“组装平台”会在短时间内吸引如此多开发者的关注。市面上熟悉的 ChatGPT、DeepSeek、豆包等早期产品主要是 Chat AI 的表现，用户通过提问得到回答。但这类 AI 最多提供信息和建议，并不能独立完成任务。随着技术的发展，模型开始接入 Tool Calling 这样的功能，使 AI 不仅能回答问题，还能进行复杂的操作，如制作 PPT、处理 Excel 表格、调研公司、修改代码等，逐渐显现出 Agent 的工作潜力。DeepSeek 官方的 V4-Pro Agent 能力的公布进一步展示了这一进步。

然而，一旦任务变得复杂，新的问题随之而来。长任务的管理，每一步需要调用哪个工具、失败后如何调整、任务何时结束，都需要一套有效的运行机制来支撑。Harness 的核心在于维护这套持续执行机制。DeepSeek 提出的公式是：Agent = Model + Harness。在每个任务循环中，AI 需要不断重复：查看资料 → 做出决策 → 调用工具 → 获取结果 → 重新评估。举个例子，如果让 Agent 调研一家公司，它会自行搜索资料、浏览网页和整理信息，若发现资料不足，会再次搜索。拿到新资料后，Agent 重新评估并继续执行。在这一过程中，Harness 持续维护任务的状态和上下文，让 Agent 得以围绕初始目标高效运作。模型负责解读和推理，而 Harness 则为工作环境提供工具和执行框架。可以将 Agent 比作一个生产车间，模型如同工人的大脑，工人需要了解资料存放的位置、可用的工具、任务的进展；而在任务失败或遇到复杂情况时，也需要管理方予以指导。Harness 负责管理这些“工人”的操作环境和车间运行规则。

DeepSeek 的设计理念明确，其目标是将车间拆分得更细，官方的口号是“Everything is a Plugin”，一切都可以是插件。模型、工具、技能、会话、沙箱、代理循环及定时任务，甚至用户界面都可以替换和重新组合。开发者在无需修改 Harness 的情况下，可以根据需求组装出不同的 Agent。DeepSeek Harness 给开发者提供的是一套强大的 Agent 组装和持续工作的平台。尽管 Harness 不是 DeepSeek 独创的技术，OpenAI 也有 Agents SDK，Codex 也是一个完整的 Coding Agent；Anthropic 也通过 Agent SDK 提供了丰富的功能。DeepSeek Harness 与这两者的区别在于其产品的起步阶段。.OPENAI 和 Anthropic 已经推出相对成熟的 Agent 产品，开发者可以进一步添加工具、技能和子代理，将工作系统加以调整。