第 1 卷

张嘉熙 · DeepSeek Harness 前沿工程实践

你好，我是张嘉熙。欢迎你加入《DeepSeek Harness 前沿工程实践》。

今年（2026）因为两个“特别事件”，我开始认真看待“AI 自我改进”这件事了。

3 月，Andrej Karpathy 开源了 autoresearch。人在事先确定训练环境、时间预算和评测指标后，Agent 可以自己修改代码、运行实验，再根据结果决定保留还是放弃这次改动。它并

没有让 AI 获得凭空进化的能力，却跑通了一个最小而真实的改进循环。

随后，Anthropic 在 When AI Builds Itself 中系统讨论了递归自我改进，文中说 AI 已经开始参与编写代码、运行实验和评估结果，逐步进入 AI 系统自身的研发过程。

而 Spring Framework 创始人 Rod Johnson 也在播客中说：今天这波框架，可能是“最后一波由人类选择的框架”。这背后的趋势很明显——Agent 会逐渐参与到自身框架、工具的开

发、选型与适配中。

追踪里发现，真正把这五步串起来的系统，并不多。大多数项目还停留在能改代码、跑实验的 Demo 阶段。

就在这个节⻣眼上，DeepSeek 开源了自己的 Agent Harness——DeepSeek Harness（后文简称 dsh）。它的价值不仅在于迅速增长的 GitHub Star，更在于它通过插件体系、会话日

志、任务接力和多 Agent 协作，为持续观测和改进 Agent 行为，提供了一套值得深入研究的工程基础。这也是我决定做这门课的直接原因。

看到这里，你可能会有两个疑问：我们已经有了 LangChain、LangGraph、AutoGen、 CrewAI 这么多框架，为什么还要研究 dsh？它和 Claude Code、Codex 这类编程 Agent 又

有什么关系？

其实，前面提到的这些框架、编程 Agent 产品和 dsh，解决的是不同层面的问题。我们最需要了解和判断的是：dsh 处在 Agent 系统的哪一层，它有哪些独特的设计，这些设计又是否

值得我们投入时间学习。

接下来，我们就从 dsh 的定位和核心机制入手，聊一聊这三个问题。相信你看完之后会得出自己的结论。

dsh 是什么？

DeepSeek Harness 官方产品页的第二屏有一个公式，点明了 Harness 的定位：Agent = MODEL + HARNESS

dsh，就是公式里的那个 Harness——一个 Agent 运行框架。现实中大家对它的看法差异非常大：有人觉得它就是开源版本的 Claude Code，可以直接拿来做代码 Agent；有人说它是

Agent 领域的乐高积木，可以自由拼装；还有人直接把它叫做 Agent 操作系统。当然也有不少比较谨慎的观点，认为项目现在热度偏高，本质上还只是一个半成品。

其实这些说法并不冲突，只是大家站在了不同的角度去看待它。

站在产品层面，自带全套预装插件，开箱即用，可以直接跑起一个完整 Agent。

站在架构层面，它贯彻一切皆插件的思想，几乎所有组件都能够修改替换，扩展自由度极高。

站在底层系统层面，它已经准备好了会话、沙箱、存储、任务调度、全链路日志等 Agent 运行所必需的基础设施。

这里我给出一张 dsh 的架构图，方便你理解、对照：