8月1日，DeepSeek的Agent Harness團隊負責人崔添翼在社交平台發文，公開招募DeepSeek Harness內測人員，要求申請者參與過開源Agent專案的建立和維護，並提交GitHub倉庫作為代表作品。這條看似普通的內測招募帖，迅速演變成一場Agent開源生態的“大摸底”，大量開發者帶著自己的專案湧入評論區，從個人Harness、Coding Agent，到記憶系統、安全工具、評測框架，幾乎覆蓋了當前Agent基礎設施探索的各個方向。

據開發者統計，截至8月3日上午11:30，共有769位報名者、去重後712個開源倉庫，合計超過120萬Stars，跨越18個賽道，評論區秒變“開源Agent路演”。這一資料由開發者自發統計，統計倉庫地址為 https://github.com/Octo-o-o-o/deepseek-harness-applicants 。

從目前公開資訊看，DeepSeek已經在內部使用Harness完成DeepSeek-V4-Flash正式版的基準測試。社群開始猜測，DeepSeek未來可能會打造一款面向軟體工程場景的AI Coding Agent。按照社群流傳的說法，這款產品或將具備自主規劃、工具呼叫、程式碼執行等能力，並圍繞長週期Agent工作流加入Memory、專案倉庫感知（Repo Awareness）等機制，定位上可能會對標Claude Code、Codex等現有Coding Agent產品。這些資訊目前尚未得到DeepSeek官方確認。

不過，從此前公佈的Harness基準成績來看，DeepSeek測試的重點本身就集中在終端操作、多工具呼叫、全棧開發等長流程任務場景。業內一直有“Model+Harness=Agent”的說法：模型負責理解需求、推理和生成方案，Harness負責把這些能力落到真實環境中——呼叫工具、操作終端、讀寫檔案、管理上下文、處理執行過程中的錯誤，最終完成一個完整任務閉環。DeepSeek Harness的定位逐漸清晰：它並不是一個單純的程式碼生成工具，而是在模型和真實軟體工程環境之間增加一層“執行系統”。

這一點在DeepSeek-V4-Flash成績單中的五組基準裡有所體現：Terminal Bench測試終端環境操作，Cybergym測試安全攻防能力，Toolathlon測試多工具呼叫，DSBench-FullStack和DSBench-Hard則聚焦全棧開發任務。這些測試的共同特點是任務鏈條長、步驟多，需要Agent持續呼叫工具並根據反饋調整策略。DeepSeek選擇測試的方向，更接近一個能夠自主執行軟體工程任務的Agent，這與社群流傳的對標Claude Code、Codex等產品的目標一致。

除了基準之外，DeepSeek的生態動作也透露出類似訊號。目前公開資訊顯示，DeepSeek-V4-Flash已支援Responses API，並適配Codex，走向標準化工具呼叫協議；識圖模式正在灰度，用於補充程式碼Agent在理解架構圖、報錯截圖等視覺資訊上的能力。這些動作共同指向一個趨勢：未來Coding Agent的競爭，不只取決於模型能力，也取決於模型之外的工程基礎設施。

769份報名記錄裡，開發者關注的是一個非常現實的問題：當Agent需要獨立完成一個真實工程任務時，哪些方面還需要最佳化？首先是長任務執行能力，這是Agent從Demo走向生產的第一道門檻。DeepSeek公佈的五組基準，本質上都在測試Agent是否具備持續執行復雜任務的能力。從報名專案來看，智慧體框架和程式設計智慧體是最大的兩個方向，合計242個，佔全部專案約三分之一。Top 10高星專案中，deer-flow（79k星）探索長週期SuperAgent框架；CodeWhale（40k星）是由DeepSeek原生專案發展成的程式設計智慧體框架；orca（36k星）關注多Agent編排。這些開源專案路徑不同，但都在回答同一個問題：如何讓Agent在“持續執行”上走得更遠。

其次是上下文和記憶管理。當任務從幾分鐘延長到幾個小時，Agent面臨的除了推理能力問題，還有如何儲存狀態、理解專案歷史，並在後續任務中正確呼叫已有資訊。在報名統計中，記憶與上下文相關專案共有56個，累計194k星（剔除頭部專案vllm的88k星後仍約106k星）。開發者正在嘗試Git、資料庫、知識圖譜等不同路線，但Agent記憶目前仍沒有統一答案。最後是評測和安全。研究與評測、安全治理兩個方向各有24個專案，是報名生態中規模較小的類別，但決定著Agent能否真正進入生產環境。有開發者嘗試建立跨Harness評測體系；有開發者則關注工具呼叫許可權、檔案系統隔離和程式碼執行沙箱。如果說長任務和記憶解決的是“Agent能不能完成任務”，那麼評測和安全解決的就是“Agent能不能被放心使用”。

這三個方向對應了Agent從“能用”走向“好用”的關鍵迭代路徑：長任務執行能力決定Agent能否完成複雜工作，上下文和記憶能力決定Agent能否持續參與長期專案，而評測和安全能力決定Agent能否被真正部署到生產環境。這也是Harness需要持續最佳化的核心方向。

DeepSeek官方尚未、也或許不會公佈最終的篩選標準和名單。但從這份報名統計表來看，真正有價值的，是開發者們正在從不同角度探索Agent落地應用的路徑。對於DeepSeek Harness團隊而言，內測名單的意義，或許並不是尋找“最熱門”的專案，而是找到能夠在產品迭代過程中提供有效反饋的開發者。比如名單中，akashic-agent的作者於V4 Flash高思考強度模式執行TerminalBench2.1，拿到70.8%的成績，是基於DeepSeek模型調優Agent執行時並給出實測結果的開發者。此外，open-design（83k星）、lobehub（81k星）、career-ops（63k星）等高星專案，都已經擁有一定使用者基礎，並處於Agent應用生態的上層，這些開發者長期面對真實使用者和實際工作流，能夠幫助DeepSeek瞭解Harness在不同場景中的使用需求。

隨著Agent獲得更強的工具呼叫和程式碼執行能力，許可權控制、檔案隔離、安全邊界等問題會越來越重要。報名區中有開發者曾挖掘Codex、Claude Code、Cursor等產品漏洞，關注的正是這些Agent從Demo走向產品時必須面對的問題。當然，這份名單並非完整樣本。由於評論區天然混雜報名、討論和圍觀，加上提交格式不統一，部分專案仍存在身份無法確認、倉庫失效、描述缺失等問題。統計檔案也並非完全準確，核查過程中發現一些開源專案的分類出現錯誤，比如“我的世界機器人”被分到了安全領域，但總體上可以作為參考。同時，很多高星專案的報名也並非作者本人，有不少是僅提交過PR的參與者，並不能完全代表這些Agent專案。

DeepSeek Harness最終會是什麼樣，目前還沒有答案。但這場由內測招募引發的開源專案“大摸底”，卻揭露了Agent時代的競爭焦點。769份報名記錄、712個開源倉庫、120萬Stars背後，開發者關注的是一個底層的問題：當模型具備越來越強的推理能力後，如何讓它穩定、長期、可靠地完成真實任務。有人在解決長任務執行，讓Agent不會跑到一半失控；有人在探索記憶和上下文管理，讓Agent能理解一個持續演進的專案；有人在測試安全邊界，確保工具呼叫和程式碼執行不會成為風險源。這些專案未必都會進入DeepSeek的內測名單，但它們提前勾勒出了一張未來Agent工程演進的路線圖。