DeepSeek Harness 开源两天即获 117K Star，六类开发者声音深度解析，用源码与实测结果验证争议真相。核心内容：1. 六种开发者观点的详细分类（执行效率、版本争议、插件生态等）2. 每类声音对应的代码分析与事实验证方法3. 关键实测结论（程序员鱼皮任务、GitHub 问题清单等案例）
8 月 13 日，DeepSeek 正式开源自家的 agent 运行时 Harness，并选择与 V4-Pro 在同一天发布。上线仅两天，GitHub 仓库 Star 数就突破十万，市场关注度迅速升温。截至 8 月 16 日上午 12:00，仓库星标已经来到 117K。
我也顺手把它的源码完整通读了一遍（借助 WorkBuddy 阅读），同时自己写了一个插件并成功跑通测试。围绕 DeepSeek Harness 的讨论热点，我大致归纳为六种声音，并尽量结合源码、实测和公开案例去验证：哪些属于真实能力，哪些是情绪放大，哪些又是经过包装后的叙事表达。
声音一：能干活，但速度慢更多是任务属性
博主程序员鱼皮实测了四个任务：注意力残差站大约 20 分钟，缓存命中约 99%；3D 竹知了游戏约 40 分钟，缓存接近 100%；四单总成本不到 5 元。
Reddit 上也有用户使用 V4 Flash 编写 Three.js 滑沙游戏，评价 DSH 相比 Reasonix 和 Codex 更加顺手。
但在小红书上，也有用户反馈一个 Bug 修了一小时，两次各思考一小时后给出的答案依然错误。53ai 的实测数据显示，在复杂数据处理场景下，DSH 耗时 50 分钟，比接入 WorkBuddy 的 33 分钟更慢。
我的观点：
双方数据其实都成立，但如果把“慢”简单归因于产品本身，并不准确。DeepSeek Harness 响应慢的主要原因，更多来自任务复杂度本身。在同一批公开实测中，做 PPT 约 3 分钟、建站约 7 分钟、财报分析约 1.5 分钟。复杂任务交给任何 coding agent 或 AI 编程助手，通常都需要更长执行时间，这首先是任务属性，而不一定是 DSH 的产品缺陷。
我自己写的 project_brief 插件，九个测试全部通过，至少说明 Model + Harness 这条技术路径是可验证、可跑通的，并不是停留在概念层面的空谈。
声音二：0.1 版本就是 0.1，外加“伪开源”争议
GitHub 上流出的相关问题清单相当具体：MSYS2 启动时静默失败并返回 127、插件热更新命中旧缓存、任务结束后主分支仍然显示执行中、Windows 极简预设未经审批就写入工作区外。更深层的问题则集中在持久化机制：事件写入采用 200 毫秒批量延迟，界面重载后可能滞后约 50 分钟，甚至有人看到屏幕显示 5/9，但任务实际上已经执行完 9/9。
另一项争议则是“伪开源”。DeepSeek 关闭了 GitHub 的 Issues 功能，导致公开反馈通道被明显收紧。
我的观点：
当前的 DSH 确实还处在 v0.1 的早期阶段，出现这些兼容性、缓存和状态同步问题，并不算意外。随着后续版本迭代，很多问题大概率会被陆续修补，因此现在还谈不上对其整体架构做根本性否定。不过，关闭 Issues 这件事，仍然值得被当作一个治理层面的信号记录下来。尤其是它与官方频繁强调的“公共底座”定位放在一起看，难免会让开发者产生疑问。一个自称开源、欢迎共建的项目，却先收紧公开提意见的入口，这种做法确实显得不够开放，也不够从容。
声音三：一切皆插件，但生态治理成本不低
工程团队的顾虑其实非常现实。InfoQ 提到，一旦插件把系统边界做得更深，接口稳定性、依赖管理、版本兼容、调试复杂度都会同步上升；在 v0.1 这个阶段就进入插件生态，往往意味着要提前承担不小的迁移成本。还有一种分析也很直接：可逆，并不等于事务。框架能回收的，只是那些已经声明过的资源；但对于已经发出的网络请求、已经写入的共享文件，或者已经完成的一笔支付，它并不具备补偿能力。
另一端则是关于控制点的讨论。Reddit 上已经有人把 OpenAI 兼容模型接入 DSH，也有人把 Hermes 用作委托式编程引擎。小红书上的高赞观点则认为：模型可以替换，但工具、Session、记忆、沙箱、子 Agent 调度，以及长期沉淀下来的执行轨迹会一直存在；谁掌握 Harness，谁就站在模型层与应用层之间。
我的观点
这也正是我从源码中读出的核心结论。Cordis 框架把“换零件不留残留”做成了一种强制保证——我专门读了 fiber.ts，DeepSeek 前后打了 18 个补丁，其中一个核心目标就是硬化 Fiber 生命周期。可组合性越强，接口契约的稳定压力就越会外溢给整个插件生态。工程派所说的治理债，与战略派所强调的“底座价值”，本质上正是同一机制的两面。
我写的插件可以从本地文件系统一键切换到远程沙箱 fs-e2b，而且无需修改代码。这验证了能力接缝（seam）确实具备可替换性。但代价同样很明确：这种灵活性，依赖整个生态共同维护一致的接口契约。
声音四：还需要再来一个 agent 框架吗
HN 上有用户写了一个轻量桥接层，让 DeepSeek 直接接入 Codex，缓存命中输入约 3900 万、未命中仅约 170 万，得出的结论是：可复用的成熟 Harness 已经能够很好利用缓存，未必一定需要原生方案。
另一种判断则更明确：WorkBuddy 拼的是产品体验，而 DSH 争的是 agent 运行时。有人评价它并不是为了把用户“伺候得很舒服”，而是默认你是来拆解、改造和扩展系统的，因此它与 Claude Code 这种强产品化路线，本来就是两条不同路径。
我的观点：
这并不是零和竞争。Claude Code 更像是成品工具，DSH 更像是底层框架和运行时底座，两者并不天然冲突。怀疑派低估的一点在于：底座的长期杠杆效应往往比成品更大。框架可以开源，但规则、接口解释权和生态标准，并不会因为开源就自动转移出去。
声音五：峰谷计价，本质上仍然是涨价
从数字上看，这一判断是可以对得上的。当前 V4 Flash 输出价格为 0.28 美元，Pro 为 0.87 美元；从 8 月 17 日零点起改为峰谷计价后，Flash 谷价 0.66、峰价 1.32，Pro 谷价 1.98、峰价 3.96。另有信源补充，V4-Pro 输出峰值从 0.87 提升到 3.96，约为 4.6 倍，而且低谷价 1.98 依然高于旧峰值；DeepSeek 后续还删除了“significantly enhanced agent capabilities”这句措辞。
我的观点：
“分时段定价”这样的表述，某种程度上弱化了涨价的本质。Flash 输出低谷价 0.66，相比现价 0.28 上涨约 136%；Pro 上涨约 128%，而且低谷价依然高于过去的峰值价。更关键的是，agent 运行时的 token 消耗远高于普通对话场景——长会话叠加工具调用后，真实账单的变化幅度往往比单价上涨更明显。另外，我目前的模型已经全面切换到 DeepSeek-V4-Flash，在速度和智能程度上的表现都相当不错，所以贵一点我个人也能接受。
声音六：开源，不等于去中心化
Koji 的观点是，不要把 DeepSeek Harness 只理解成一个产品，它更像是一种战略动作：把内部研发过程转化为公开的并行实验。Flask 作者 Armin Ronacher 也认为，其中有些思路值得借鉴，甚至让他重新思考自家 Harness 的重构方向。
但反向声音同样存在。宝玉认为，软件自进化很可能是个伪命题，反而会带来更大的混乱，并举了 OpenClaw 作为反面案例。
官方那句最常被引用的话是：我们的仓库是灵感，不是标准答案。这种表述看起来很谦逊，但也带来两个必须追问的问题：谁来决定什么能进入 master？谁来定义什么属于破坏性更新？答案依然还是 DeepSeek。这更像是一个主人说“我家大门一直开着，欢迎大家来玩”，但菜单由他决定、谁能上桌由他审批、能不能继续玩下去也由他说了算。开源是开源，控制权是控制权，这两件事需要分开理解。
总结一下
第一，DeepSeek 这一步在架构层面是相对诚实的。它不再满足于只做模型供应商，而是开始补齐执行层；同时，它也没有把这套能力做成完全封闭的花园，而是做成了可以被任意组合的 agent 底座。我亲自翻过源码，至少没有看到用花哨概念来糊弄开发者，这一点值得肯定。
第二，但“公共底座”“并行实验”这些关键词，仍然需要被更审慎地看待。这个底座目前依然是 DeepSeek 的底座，实验的准入资格和解释权也依然掌握在它手里。三百多个插件看上去确实很热闹，但它们最终能否成长为自我演进的开源生态，还是退化成一座精装修样板间，才是后续真正值得持续观察的重点。
热闹终会过去，源码和产品能力会留下。我们继续盯着看就行，DSH 加油。
登录查看剩余 70% 内容