DeepSeek 近日向開發者社群釋出了其開源代理 Harness 的早期版本，該框架基於 Cordis 元框架，核心設計理念是“一切皆外掛”。據 DeepSeek 官方介紹，模型、工具、技能、會話、沙箱、檔案系統、迴圈、編排和 UI 均以外掛形式實現，可自由混合、匹配、替換和擴充套件。這一創新設計不僅展示了技術實力，更標誌著中國 AI 實驗室開始在模型基準和價格之外的領域展開競爭。
Harness 一詞今年在 AI 領域廣泛流行，指代一種長期存在的軟體功能——中介軟體或調解層，負責處理輸入給 AI 模型的資料及模型返回的輸出。它管理提示詞、上下文、工具編排、代理迴圈、狀態、錯誤處理、安全、許可權等。例如，Anthropic 的 Claude Code 和 OpenAI 的 Codex 分別作為其模型家族的 Harness。此外，還有 Aider、Cline、Goose、OpenCode、OpenHands、Pi 等多個 Harness。Google 的 Antigravity 則由 Agent Runtime、桌面應用和 CLI 組成。
隨著模型日益商品化，Harness 層成為競爭焦點。Harness 往往實現使用者介面，形成使用者慣性，開發者一旦習慣某種工具鏈，切換成本較高。研究表明，不同 Harness 的設計選擇會導致模型效能和成本顯著差異。例如，Pi 編碼代理使用約 200 個 token 的最小系統提示，而 Claude Code 曾使用約 10,000 個 token，上月 Anthropic 將其削減了約 80%。同一模型在不同 Harness 下會產生不同結果。
DeepSeek Harness 的獨特之處在於其外掛化設計。它利用底層 Cordis 框架的外掛系統，支援動態新增和移除元件而不破壞應用。DeepSeek 研究論文（作者 Yifan Shi、Wei Zhang、Tianyi Cui）闡述了 Cordis 的功能：支援時間組合性（移除元件並恢復其效果）和空間組合性（元件間依賴管理）。論文以微軟 Visual Studio Code 的外掛系統為例，指出 VS Code 擴充套件在共享程序中執行，啟用後無法動態移除，需重啟宿主。而 DeepSeek Harness 支援外掛依賴，避免強制重啟和崩潰。
DeepSeek Harness 還支援思維鏈軌跡記錄。所有模型可見內容（系統提示、推理、工具呼叫、子代理排程、上下文注入）均記錄在追加式會話日誌中，開發者可通過軌跡檢視按來源檢查，並支援恢復、分叉、搜尋和重放。思維鏈推理是 DeepSeek R1 的特色，將其分解為一系列“思考”步驟並反思後輸出最終答案。訪問中間推理有助於評估模型推理質量、響應準確性及“思考”對輸出的影響。Anthropic 提供部分思考訪問，但日益通過摘要隱藏原始推理，部分出於對蒸餾風險的擔憂。Anthropic 已部署分類器檢測思維鏈誘導，且不顯示原始思維鏈，僅提供摘要，需聯絡銷售才能獲取原始推理。
DeepSeek Harness 的釋出表明，中國 AI 實驗室正從模型層競爭轉向工具鏈和生態競爭。其外掛化設計可能吸引開發者，降低切換成本，形成生態粘性。同時，思維鏈軌跡的透明性可能為模型評估和除錯提供新工具，但也可能引發對推理安全性的討論。總體而言，Harness 層正成為 AI 競爭的新戰場，DeepSeek 此舉可能推動行業重新關注中介軟體層的創新。