DeepSeek Harness: Can an SDK Become an AI Data Gateway?

以官方目前开放的形态来看，DeepSeek Harness 更接近一套运行在用户本地环境里的 Agent 工作台。 它不只给出答案，还可以进入实际工作环境继续行动。比如，用户可以把一个代码项目所在的文件夹交给它，让它先阅读项目结构和文档，再寻找相关代码、修改文件、调用终端运行程序或测试；如果测试报错，它还可以根据错误信息继续定位问题、再次修改，而不是每一步都等用户复制粘贴代码和报错信息。 这些能力主要通过 Web UI 提供，同时还有面向终端用户的TUI、适合脚本和 CI 的 Headless 模式，以及 ACP、JSON-RPC 和 Python SDK 等自动化入口。换句话说，同一套 Harness 既可以做成人直接操作的编程工作台，也可以被接进自动化流程：例如收到一个任务后自动检查代码、执行测试，完成后再返回结果。提前体验资料显示，这些形态共享同一套模型、会话和底层插件，只是通过不同组件组合成不同的产品形态。 它还支持更复杂的长任务和多 Agent 协作。一个主 Agent 可以把工作拆给多个子 Agent，例如让一个负责搜索项目和资料，一个负责修改代码，另一个负责执行测试，再由主 Agent 汇总结果并决定下一步。官方框架同时提供计划、目标、待办事项和后台任务等机制，目的就是让 Agent 不必局限在“一问一答”，而可以持续完成一串彼此关联的操作。 这让 DeepSeek 开始进入 Claude Code、Codex 等产品已经率先展开的竞争。基础模型公司不再满足于提供一个 API，而是进一步争夺模型和真实计算环境之间的执行层。 [...] 这也是为什么，同一个模型放进不同 Harness，实际表现可能出现明显差异。提前体验 DSH 的媒体曾将同一版本 V4 Flash 放入不同 Agent 框架完成相同任务，结果出现了肉眼可见的差异。当然，单次测试无法证明哪种 Harness 普遍更强，但至少说明，工具、提示词、上下文组织和执行策略已经成为 Agent 最终性能的一部分。 过去谈 DeepSeek，竞争焦点几乎始终落在模型本身：参数规模、训练成本、Benchmark 和 API 价格。但到了 V4 Pro 与 DeepSeek Harness，这条边界正在发生变化。 模型仍然决定智能的上限，但当模型开始真正进入代码库、终端和长期任务后，如何把这

在 `code`（而非 `both`）下，该传输同时也是模型唯一可用的入口：模型直呼其他任何可见工具名，都会在创建执行时、早于 `tools/pre-execute`、审批 `ask` 和 guards 解析为 `UNKNOWN_TOOL`，因此没有任何一方会观察或批准一个注定失败的调用。拒绝信息会给出正确路径（`only \`run\_code` is callable directly — call `` from inside a `run\_code` program instead`），因为同一份提示词刚刚声明过那个工具，只说` unknown tool`会被读成部署损坏。SDK 子分发携带外层执行的`parent`token，不受此限制，因此程序保留 SDK 声明的全部绑定。参见执行器塌缩 note、Code Mode 基础、类型化返回约定和代码运行时 seam。可以运行`pnpm run demo:code-mode` 试用。 [...] ### Code Mode 在 `code` 或 `both` 模式下，注册表为当前作用域公开保留的 `run_code` 传输和按所加载运行时语言生成的确定性 SDK——注册表按 `ctx.codeRuntime.language` 选择渲染器（`typescript` → 下方的 TypeScript SDK，`python` → Python SDK）。只有程序的外层日志与返回值会重新进入模型上下文。SDK 为每个可见工具声明精确的参数与规范输出类型（TypeScript 为 `ToolArgsMap`/`ToolOutputMap`，Python 为具名 `TypedDict`），每个绑定都会解析为该工具的规范 JSON 值。每个无损 JSON 绑定调用都会在原生调度约定下重新进入完整工具流水线（并发安全的调用最多可重叠 `maxParallelSubCalls` 个；独占调用单独运行并构成排序屏障），并在日志中与外层调用建立关联。拒绝及其他失败结果会以程序实际可见的 `ToolCallError` 形式拒绝，且只携带 `toolName` 和 `message`；Native 内容和内部错误码留在 Code 约定之外。普通副作用不会回滚，子调用的 `additionalContexts` 会通过父结果延迟

目前，GLM-5.3已上线智谱的AI编程工具Zcode、效率工具AutoClaw，支持通过GLM Coding Plan使用。同时，这一模型还在TraeWork、_WorkBuddy_、_Qoder_、OpenCode等平台开放了抢先体验。 智谱称，GLM-5.3的API将很快上线。同时，在模型开源之前，GLM-5.3还将完成安全评估、安全加固，以限制其在网安领域的潜在攻击能力，保留其防御价值。 ## 01 拿真实数据1:1复刻外滩建筑群，还做了个开放世界驾驶游戏 此次测试，我们用到了智谱最近更新的ZCode，搭配旗舰模型GLM-5.3。我们交给GLM-5.3的第一个任务是一份有难度的产品需求文档：以真实的OpenStreetMap数据为基础，开发一款上海陆家嘴至外滩区域的3D开放世界驾驶游戏。 文档中要求，地图解析、坐标转换和游戏逻辑等关键模块全部让模型“手写”，只允许使用Three.js的底层渲染能力。为了测试模型在长任务中的记忆可靠性，我们还在文档中部埋下了两条“陷阱条款”，包括凌晨两点到四点外滩建筑灯光熄灭一半，以及地图边缘需要设置带有提示的软性阻挡。 Image 5 GLM-5.3拿到需求后先验证了数据的真实形态。它编写脚本从Overpass API拉取了8万多个OSM节点，先做了一轮数据勘查，确认地图数据的完整性后，才开始开发。 整个开发过程持续了多轮，最终交付了约4900行代码，覆盖数据管线、车辆物理、车辆音效、导航、昼夜循环和存档系统，两条埋雷条款在最终验收中全部通过。 开发过程中，可以观察到GLM-5.3排查问题的思路很清晰。测试早期，游戏页面完全卡死，它没有盲目改动代码，而是给本地服务器加了请求探针，通过面包屑日志定位到问题。 Image 6 [...] 后训练这条路线近期的受益者不止智谱一家：_DeepSeek_-V4正式版能力的大幅提升，同样与后训练阶段的投入有关。在预训练的数据与算力红利逐渐见顶之后，后训练正成为头部模型厂商进一步提升性能的关键方向，其潜力很可能还未被充分挖掘。 本文来自微信公众号 “智东西”（ID：zhidxcom），作者：陈骏达，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。 +1 0 好文章，需要你的鼓励 []( 3_收 藏_+10_评 论_ _打开微信

如果 DeepSeek Harness 真的能够形成插件生态，Agent 行业的成本结构也会跟着改变。 一套通过金融机构安全审查的沙箱，可以同时进入银行、保险和证券公司的不同 Agent；一个成熟的企业记忆插件，也可以被法律、医疗和财务产品反复调用。过去藏在每个项目里的重复开发，有机会变成可以多次交付的标准产品。 但是请注意：插件生态越开放，随之而来的管理成本也会越高。 插件可能接触企业数据、调用内部系统，甚至直接执行代码。任何一个插件出现漏洞，都可能拖累整套 Agent。版本升级以后还能不能运行，几个插件互相冲突应该找谁负责，也会成为新的研发成本。 一个成熟的插件生态，迟早需要安全审查、兼容性测试、版本管理和长期维护。否则所谓开放，很容易变成从 GitHub 上随便捡一堆代码然后在外面包一层，最后就是企业客户陪着开发者一起赌命。 DeepSeek Harness 目前仍处于 Developer Preview。今天能够确认的，只是 DeepSeek 打开了插件接口和社区入口。它能不能长成一条真正的专业供应链，还要看后续有没有足够多的开发者、企业客户和解决方案厂商愿意投入。 接下来的问题，恐怕才是本文最核心的部分：DeepSeek 免费把这个入口打开，到底图个啥啊？ 最容易想到的答案，是数据。 全世界的开发者都在 DeepSeek Harness 上运行 Agent，DeepSeek 顺手拿走任务轨迹，再用这些数据训练下一代模型。这套说法听起来很符合“数据飞轮”的标准剧本，不好意思，这事儿在技术上根本不 make sense。 [...] DeepSeek Harness 采用宽松的 MIT 开源协议，会话可以直接保存在本地的 JSONL 文件或者 SQLite 数据库中。它虽然提供了基于 OpenTelemetry 的遥测能力，默认状态却是关闭的；即使主动开启，数据发往哪里，也由部署方自己决定。 这意味着，用户通过 Claude、OpenAI 等模型产生的任务轨迹，不会自动流进 DeepSeek。即使调用 DeepSeek 官方 API，它能够看到的也只限于送入该接口的上下文和相关元数据。没有发送给模型的本地日志，以及由其他模型产生的轨迹，并不会自动进入 DeepSeek 服务器。 所以，把 DeepSeek Harness 描述成 DeepS

2025 年 2 月，Sonnet 3.7 发布，同时 Claude Code 以研究预览版发布。Anthropic 在公告中明确写道：“我们推出 Claude Code 的目标，是更好地理解开发者如何使用 Claude 进行编码，从而为未来的模型改进提供依据。”也就是说，Claude Code 从一开始就不只是一个开发者工具，更是一个实验性入口——用来观察开发者如何使用 Claude 编码，并把这些观察反哺给模型训练。它承担的任务，远不止产品本身，而是“让模型暴露真实问题”。 同年 5 月，Opus 4 和 Sonnet 4 发布，模型在管理上下文、推进任务方面变得更好。Claude Code 正式 GA，SDK 开放（也就是驱动 Claude Code 的那套 Harness 被公开）。到了 Sonnet 4.5，模型开始具备上下文感知能力，但还不够稳定，于是 Harness 加入了 checkpoints（回退机制）来补这个缺口，运行时长被推到约 30 小时。 这时，Claude Code SDK 改名为 Agent SDK，因为 Anthropic 意识到它的用途比编码广泛得多：这些长时间运行的 harness 可以应用到其他领域了。 Haiku 4.5 和 Opus 4.5 补齐后，用 Opus 做规划、Sonnet 做执行的分工成为可能——这又是 Harness 在模型分化出不同特长后重新编排的结果。同时发布的 skills 采用渐进式披露，本质上也是为了补“上下文窗口”不够用的缺。 [...] 截图来源： 而且 Claude Code 改变的不只是效率，而是任务边界。Anthropic 内部调查显示，约 27% 的任务是开发者没有这个工具时原本不会尝试的。它把“太麻烦、不值得、不敢碰”的工作变成可尝试的任务，让 AI 编程的价值从“省时间”转向“扩大人能做什么”。 更关键的是，Anthropic 把这套 Harness 放出去，每一次真实使用都在收集问题、失败轨迹和用户修正，反哺模型训练，形成了飞轮效应。模型越强，Harness 越顺手；Harness 越顺手，使用越多，模型进步越快。 ## 只做模型，远远不够：模型和 Harness 一起进化 DeepSeek 现在最需要补的，正是这一点。它已经

Deepseek Harness 如果是SDK 为主也能达到数据入口的效果吗？ > 像ZCode 这样的Coding 产品，不只是变现工具，也可能成为数据入口：用户完成真实的