DeepSeek黑鲸鱼上线，开始给模型造“手脚”了

作者 | 王馨

编辑 | 汤安迪

最近，有网友发现，DeepSeek Harness 团队的公众号悄悄上线了。

认证主体是北京深度求索，Logo 是一只黑色鲸鱼。注册日期显示 7 月 6 日，还没发过推文。

Harness，就是模型外面的 Agent 执行系统，负责提供上下文、调用工具，把任务真正跑起来。7 月 31 日，DeepSeek 更新 V4-Flash 时透露，部分公开 Code Agent 测试已经用上了 DeepSeek Harness 极简模式，并标注“即将发布”。

从组队到内测，DeepSeek Harness 早就在路上了

早在 5 月份的时候，DeepSeek 资深研究员陈德里发布了一条招聘信息，第一次公开了一个此前没有被外界正式确认的团队：Agent Harness。

他说，DeepSeek 准备从零开始做 Code Harness。至于产品叫什么，他的语气相当随意：“也许你可以叫它 DeepSeek Code 之类的。”

名字还没定，团队已经开工了。

招聘页面对 Harness 的解释也很直接：Model + Harness = Agent。

模型只是“大脑”，加上 Harness 这一整套“手脚”，才是 Agent。黄仁勋甚至把 Harness 称为 “下一代软件公司的操作系统”。

此后，团队负责人崔添翼开始频繁在公开平台招人。他一边自嘲每天都在面试，一边四处“张贴小广告”。研究员、工程师、产品经理同时开放。活很多，人不够。

8 月 1 日，崔添翼公开邀请 Agent Harness 开源开发者报名，只需留下 GitHub 账号和代表作，评论区很快成了一场临时开发者大会。

LLaMA-Factory作者、Understand-Anything作者、LobeHub团队和elizaOS核心开发者纷纷出现。有开发者甚至用 AI 整理了其中 425 条有效回复，发现至少 61 个人已经亲手造过 Harness：Rust、Go、双Loop、崩溃恢复、多 Agent 协作，各种路线都有。

造轮子的人，都想看看 DeepSeek 的官方轮子长什么样。

几天后，DeepSeek 又开始征集首批生态伙伴，准备接入插件、Skill、MCP 和第三方界面。走到这一步，它显然已经不只是在招人，而是在为产品登场提前布置舞台。

负责人是一个搞量化的

如果要组建一支 AI 编程 Agent 团队，大多数人可能会找一个开发者工具产品负责人，或者一位长期研究大模型的技术专家。

DeepSeek 却找了个搞量化的。

崔添翼这个名字对很多中国程序员来说并不陌生。他的《背包九讲》动态规划教程从 2008 年写到现在还在 GitHub 上更新，是一代中国竞赛党的启蒙读物。

他的履历在 AI 圈属于“非典型”。2008 年凭全国青少年信息学奥林匹克竞赛铜牌保送浙江大学，ACM 亚洲区域赛拿了六次金牌。毕业后，他没有进入传统互联网大厂，而是去了 Jane Street，在那里从事了近九年的软件开发和量化研究。

2022年，崔添翼联合创办了量化对冲基金 TSY Capital，从零搭建交易系统。2026 年 2 月离开，3 月加入 DeepSeek。

从算法竞赛到量化交易，再到 Agent Harness，看上去跨度很大，底层问题却很相似：如何让一套聪明的逻辑，在复杂环境里稳定运行。

一个交易策略在回测中表现再漂亮，如果不能接入实时数据、稳定发出指令、处理异常并控制风险，它就没有实际价值。

大模型也是一样。它可以在聊天框里把问题分析得头头是道，但如果不会找到正确文件、调用合适工具、执行命令、检查结果和恢复错误，它依然只是一个很聪明的聊天框。

从这个角度看，DeepSeek 找来的不是一个“跨界量化人”，而是一个长期研究如何让复杂系统可靠运转的工程师。

Harness，下半场的门票

为什么 Harness 这件事值得这么大的注意力？因为进入 Agent 时代，门票已经换了。

有人把同一个模型 Claude Opus 4.5 放到不同的 Harness 下跑同一个测试：用 Claude Code 这个 Harness 时得分 95%，换个朴素的 Hugging Face 配置就只剩 42%了。

同一个模型，换个Harness，差出53个百分点。这意味着，你用什么模型可能没有你用什么Harness重要。

好的 Harness 还有一个更实际的威力：让便宜模型打出豪华战绩。有一个叫 Pi 的开源项目（86k star）广受好评，很多人说是最适配 DeepSeek 模型的民间 Harness。它的设计哲学就非常克制，默认只给模型四件工具：读文件、写文件、改文件、执行命令。

工具少，模型不容易分心；对话过程中已经读过的内容还能反复利用，不必每次都重新处理一遍。因此，Pi 与 DeepSeek 低价的缓存机制配合得很好。

在一项社区测试中，Pi 接入 DeepSeek后的缓存命中率达到 99.93%，完成一次真实编程任务的平均成本约 0.028 美元，约为 Claude Code 的七分之一。

这可能也是 DeepSeek 此时亲自下场造 Harness 的原因。

过去，DeepSeek 主要提供模型和 API，把聪明而便宜的“发动机”交给开发者。现在，它开始补上工具调用、任务执行和结果检查这一整套系统。

8 月 6 日发布 API 调价预告时，DeepSeek 官方说“预计涨幅较大”。这或许也是一个信号：它的竞争方式，正在从提供更便宜的 Token，转向更完整地交付结果。

上半场，DeepSeek 靠性价比炸场，而下半场要比的是“谁离开发者的命令行更近”。有统计称，Claude Code 已经占了 GitHub 公开提交量的 4%，这个位置，DeepSeek 不可能不抢。

•END•

欢迎点击奇偶工作室，看最新视频~

Question. Write.Narrate. Believe. Become a story.易简传媒的愿景是提问和传播商业故事，让读者更开阔，更聪明。有 2500 万微信粉丝关注我们的账号，欢迎大家关注：