模型可替換、工具可插拔：DeepSeek把Agent競爭從“大腦”推向“作業系統”

DeepSeek在8月14日開源了Agent框架DeepSeek Harness。 它沒有把自己做成一個只能連接DeepSeek模型的封閉產品，而是把模型、工具、存儲、沙箱等組件都設計成插件，並以MIT許可證發布。 開發者可以接取其他公司的模型，也可以取代執行環境和記憶系統。 對於一家因基礎模型而聞名的公司來說，這個選擇很有意味：DeepSeek正在把競爭位置從“提供最聰明的大腦”，向“控制智能體如何完成工作”推進。

Harness目前仍是開發者預覽版。 官方明確提醒，後續會出現破壞相容性的變更。 它已經可以開啟程式碼倉庫、編輯檔案、執行指令、搜尋網頁、制訂可執行計劃，把部分任務交給其他Agent，並保存工具呼叫、運行結果和模型互動記錄。 舊會話可以繼續，也可以從較早節點分叉。 這些功能聽起來不如一個新模型參數量醒目，卻直接決定Agent能否從演示走進生產環境。

與Harness一同受到關注的還有DeepSeek V4-Pro-0813。 DeepSeek公佈的數據顯示，模型在Terminal Bench 2.1上得到87.9分，在Toolathlon-Verified上為74.1分，在DSBench-FullStack和DSBench-Hard上分別為71.1分和67.2分。 部分公開編碼Agent測試使用了Harness的最小模式。 但這些數字屬於廠商自報結果，不能直接等同於所有企業場景，更不能證明預覽版框架已經具備生產穩定性。

Agent真正困難的部分，正在從回答問題變成管理流程

單次問答只需要產生一個看起來合理的結果，Agent卻要在幾十甚至上百個步驟中保持方向。 它必須記住已經做過什麼，知道什麼時候調用工具，判斷結果是否可信，在權限邊界內修改文件，並在走錯路時留下可回退的節點。 模型能力決定上限，執行框架決定這套能力是否能安全、重複使用。

這也是「所有東西都是外掛」最實際的價值。 企業不會只用一個模型：高難任務可能交給強推理模型，批量分類交給便宜模型，敏感資料則需要本地模型。 若工作流程與某一模型深度綁定，每次價格或能力變動都會牽動整套系統。 Harness把模型降為可替換組件，理論上可以讓企業根據任務成本、合規要求和延遲動態選擇供應商。

外掛化也把原本隱藏的工程問題露出來。 沙箱如何隔離危險指令，工具憑證如何分發，長期記憶保存多久，失敗任務怎樣恢復，審計人員能否復現Agent的決定，這些都比「讓模型再聰明一點」更接近企業真正付費的地方。 Harness保存會話步驟並支援分叉，說明DeepSeek理解Agent需要的不只是答案，還需要可觀察、可追蹤和可修復的運行歷史。

但開放架構並不會自動帶來安全。 插件數量增加，也意味著供應鏈攻擊、權限濫用和版本衝突的入口增加。 MIT授權給了商業使用很大自由，卻不會替使用者承擔驗證責任。 尤其在框架明確處於預覽期時，把它直接連接生產資料庫或自動發布系統，風險遠高於在隔離環境中評測。

開源Agent框架爭奪的，是開發者預設入口

基礎模型正在快速商品化。 不同模型仍有能力差異，但API價格持續下降，版本迭代越來越快，企業也主動避免單一供應商鎖定。 誰能成為模型外面的一層，誰就可能掌握工具標準、插件生態、運行日誌和開發者習慣。 這個位置更像AI時代的應用程式運作環境，而不只是一個聊天介面。

DeepSeek讓競爭對手模型進入Harness，看似削弱了自家模型的獨佔性，實際上可能擴大其生態影響。 如果開發者先用Harness搭好任務、權限和插件，未來即使更換模型，工作流程仍留在DeepSeek定義的框架裡。 模型調用收入不是唯一目標，成為Agent開發的預設底座同樣有長期價值。

當然，Harness還遠遠沒有贏下這場競賽。 開發者預覽意味著介面會變，生態尚未成熟，企業需要重新驗證穩定性、權限和維護成本。 官方基準也需要獨立測試，特別是長任務成功率、錯誤恢復、Token消耗以及真人接管的頻率。 一個Agent在十分鐘演示中完成任務，不代表它能連續運行一個月而不累積隱患。

這次開源最重要的訊號，不是DeepSeek又多了一個產品，而是AI公司的邊界繼續外擴。 模型公司開始爭奪Agent運作層，雲端廠商爭奪工具和資料入口，開發平台爭奪插件規格。 下一階段的勝負不會只由誰在榜單上高幾分決定，還要看誰能讓不同模型在真實系統中穩定做事，並讓每一步都能被看見、約束和撤回。 Harness給出的答案很開放，但它能否成為標準，仍要由生產環境而不是發布當天的熱度來證明。