DeepSeek Harness 开源之后：执行框架的公共化与产业 Agent 的工程边界

8月13日，DeepSeek将其Agent执行框架DeepSeek Harness进行开源。这套框架基于“Model + Harness = Agent”理念，以“一切皆插件”为设计原则，采用微内核架构。开源公测两天内，其在GitHub上获得近十万星标，成为该领域增长最快的开源项目之一。

消息传出后，许多市场参与者第一时间感到紧张：模型厂商亲自下场做执行框架，是否会让从事Agent落地的公司面临淘汰？我们的判断恰恰相反——这不是威胁的开端，而是确认的开端，更是扩容的开端。

今年年中，我们在《Harness时代：海致科技如何定义AI的“驾驭工程”》一文中系统论述过：产业级AI的决胜点不在于模型的“马力”，而在于驾驭模型的“马具”；模型是烈马，Harness是缰绳，模型决定智能的上限，Harness决定系统稳定运行的底线。随后在《Graph Engineering》一文中，我们进一步回答了“模型该信什么”——靠图谱工程构建可信、可推理、可演化的知识底座。

如今，最懂模型的头部玩家亲自下场制造“马具”，并选择将其开源。这相当于由产业最核心的一方，为这套论断盖上了来自模型层的产品与生态验证。对海致而言，这是一次方向确认，也是一次加速：它验证了我们两年前就选定的路径。海致并非从今天才开始回答“模型之外那一层”的问题，而是早已在Harness工程、本体、图模融合与FDE上持续投入。 底盘被开源，不会削弱这些积累，反而让它们的价值更容易被看见。

本文将从以下三个方面展开：这次开源确认了什么、它做不到什么、以及海致如何在标准化底盘之上构建不可替代的工程层。

01 范式确立：当“模型之外的那一层”被头部玩家背书

模型厂商的天职是把模型做得更强，为什么要把宝贵的资源投向模型之外的执行框架？

合理的解释只有一个：在Agent时代，“开箱即用”不存在。模型能力要转化为客户现场的可执行动作——任务规划、工具调用、权限控制、结果校验、安全运行，必须有一层工程框架来承载。这层框架重要到模型厂商无法假手于人，也重要到值得用开源去争夺生态标准。

这次开源带来两个确认：

第一，Harness作为独立价值层被确认。 “Agent = Model + Harness”从工程圈的共识，变成了头部模型厂商的产品路线。2026年AI工程领域正在完成从模型竞赛向系统竞赛的范式转移——Harness作为Agent的运行系统，承担状态管理、工具执行、反馈校验与安全约束等核心职责，将模型的概率性推理转化为确定性行动序列。

行业数据也印证了这一判断：生产环境Agent的失败率在70%~95%区间，但60%的失败归因于数据质量、上下文缺口和治理缺失，而非模型本身。换言之，决定Agent能否落地的，不是模型有多聪明，而是模型外面那圈工程有多扎实。

第二，Harness作为公共设施被确认。 值得特别注意的不是发布本身，而是“开源”这个动作：DeepSeek Harness构建在Cordis元框架之上，采用微内核架构，运行时组件以彼此隔离、可相互替换的插件形式运行。模型适配器、工具注册表、沙箱环境、会话状态处理器、事件分发器和用户界面等功能单元均作为独立扩展加载，通过更新声明式配置文件即可替换执行工作流。微内核加全插件的设计，说明DeepSeek无意把Harness做成封闭栈，而是把它做成Agent时代的“底盘标准”。

回顾信息产业史，Linux的开源没有消灭做系统的公司，而是把操作系统从竞争壁垒变成了公共设施，把竞争推向上层的应用与行业纵深。在Agent技术栈中，一个类似的“拆分”正在发生： 执行基础设施正在从单体框架向模块化、解耦式架构转变。底盘标准化之后，价值不会消失，只会向底盘之上转移——行业知识、可信数据、结果责任，将成为新的定价基准。

02 边界分析:Harness解决不了什么

对一项新技术最负责任的评估，是说清它的边界。

DeepSeek Harness提供的是一套高质量的通用执行框架。但从2026年Agent工程的行业实践来看，产业AI的落地清单上，还有一大部分条目与它无关——而这些条目，恰恰是Agent从Demo走向生产系统的核心瓶颈。

第一，行业知识不会随框架而来。 Harness能保证Agent“正确地执行”，但保证不了“执行的是对的东西”。供热企业的供回水温差阈值、政务场景的业务事项关联、制造企业的质量归因链路——这些刻在行业专家脑子里、沉在客户台账与系统里的知识，任何通用框架都无法预置，必须一项一项地访谈出来、建模成本体、沉淀为机器可推理的规则。同济大学王昊奋教授的判断值得引用： 大模型越强，本体和知识图谱反而越重要——它们正是AI Agent需要的那道“缰绳”。大模型做的是相关性推断，而严肃决策要的是因果链——哪一步导致哪一步，必须说得清、查得到。

第二，企业环境不会因框架而简化。 数据不出域的合规要求、异构系统林立的IT现状、层层审批的组织流程、必须可审计的责任链条——在这些约束下，Agent落地不是“跑通一个Demo”，而是包含数据工程、本体建模、权限治理、驻场运营的系统工程。在我们的实践中，某制造业客户跨系统数据对接的开发量曾占到整个项目的六成以上，这部分工作与模型和框架都无关，靠的是人对企业系统的理解。

第三，中立性是模型厂商的结构性盲区。 模型厂商的Harness天然以自家模型为中心设计和调优。而企业的真实采购清单上，模型从来不只一个：信创场景要求国产化适配，成本敏感场景要权衡推理价格，能力敏感场景要在不同模型间取长补短。2026年，多模型路由已从高端特性变成企业Agent平台的标配。以单一模型为中心的Harness越多，多模型中立调度的需求反而越旺盛。

第四，长程任务的记忆瓶颈尚未被任何通用框架解决。 CMU、耶鲁和亚马逊联合发布的调研指出：“The harness is becoming the binding constraint”——运行框架正在成为制约Agent能力的瓶颈，而非底层模型。在该调研梳理的ETCLOVG七层分类法中，执行环境与沙箱层已有20个主项目，是基础设施层最成熟的部分；而上下文与记忆管理层几乎是七层里最薄的，独立发布的组件极少。Agent正在从跑几分钟的短任务走向跑几个小时的长期任务，但每次任务结束后环境被销毁，下一次启动从零开始——它永远无法积累经验。这个问题，通用Harness本身解决不了。

把边界画清楚，产业分工反而前所未有地清晰：

一句话概括：DeepSeek把最好的底盘开源了，但把车开到客户目的地、应对沿途所有路况的活，依然是专业运输公司的生意。

03 行业正在往哪里走：三个技术趋势

理解了通用Harness的边界，就能看清产业Agent的技术演进方向。

趋势一：从单Agent循环走向多智能体图化编排。 单个Agent又做规划、又做执行、又做验证，上下文很快撑爆，长任务跑到10—15步就开始“目标漂移”。行业给出的答案是把多个专职Agent组织成有向状态图：一个负责拆解任务，一个负责调研，一个写代码，一个跑代码，一个做评审，再由编排器收集结果决定下一步。

2025年的一项对照实验显示：单Agent在事件响应任务中产生可执行建议的比例是1.7%，多智能体编排是100%。2026年的架构动量已明确转向图化编排，LangGraph 1.0正式GA，OpenTelemetry成为默认的链路追踪格式。图化编排的核心原语已经清晰：节点（每个节点是一个跑着自己循环的Agent）、边（定义数据流和依赖关系）、类型化状态、检查点、中断与恢复。

趋势二：协议层收敛，竞争上移到应用层。 MCP协议在2026年7月完成史上最大修订——从有状态双向协议转向请求/响应模型，引入无状态核心和标准化扩展框架。Anthropic随后推出高级工具调用套件，补齐了MCP此前在工具发现、选择和组装环节的缺失。

协议之争基本结束，“MCP管工具，A2A管代理”的格局已经形成，竞争上移到应用层与行业纵深。这意味着，通用工具调用的标准化程度越高，行业规则、数据约束、业务语义的差异化价值就越突出。

趋势三：本体从“静态地图”变成“动态导航”。 早期的本体是一张静态地图，画的是一个组织里有哪些人、哪些事。但到了Agent时代，光有地图不够了——还得能走起来。本体需要挂上接口和各种功能，把背后的服务、流程接出来，让AI能照着去做事。

Snowflake已经在Cortex Agents中实践本体感知的推理方案，将行业标准本体与知识图谱、GraphRAG结合，弥补关系型数据与领域语义之间的建模鸿沟。在需要确定性因果链的严肃场景中——反洗钱、质量归因、故障根因——模型优先的路线只能提供相关性，本体优先的路线才追得到因果。

04 海致的工程应对

在上述三个趋势下，海致的工程路径是清楚的。

第一重：交付杠杆——FDE的成本曲线整体下移

2026年，FDE（Forward Deployed Engineer，前线部署工程师）岗位需求同比增长729%，AWS投入10亿美元组建FDE团队，这一模式正在全球范围内被验证为Agent落地的关键路径。海致是国内较早把FDE模式系统化落地的国内团队之一。FDE效率的核心杠杆从来不是人力密度，而是工程杠杆：AI Coding让单人日产出从千行级迈向万行级，标准化的POC工具链让售前周期被持续压缩。

DeepSeek Harness开源后，这根杠杆又长了一截。过去我们为每个项目自建的Agent脚手架——任务规划、工具调用、结果校验——如今有了高质量的开源底盘，FDE的工作重心从“造轮子”进一步转向“装行业模块”：本体构建、规则库校准、场景联调。

以我们交付的北京热力Data Agent项目为例——L0总调度、L1规则引擎、L2数据调用智能体的分层架构，放在Harness标准底盘上重建，工程量还可以显著收缩。底盘越标准，行业模块越值钱；而行业模块，正是海致一个项目一个项目攒下来的家底。

第二重：体系融合——Atlas智能体与开源框架的体系融合

Atlas智能体是海致面向产业级Agent的核心平台，也是公司已公开披露并规模化创收的产品线：2026年上半年收入同比增长135.6%，占公司整体收入的比重升至38.8%。它在这场变局中的位置，值得从技术架构层面单独讲清楚。

其一，Atlas的架构理念与Harness天然同构。 编排层将企业API、数据库、业务系统封装为Agent可调用的工具，以状态机管理复杂任务流程，并在关键决策点保留人的最终决策权；控制层依托行业本体与图模融合技术做“AI除幻”——通过图查询验证模型输出是否符合本体事实，冲突即触发强制重推理；记忆层由AtlasGraph提供可推理的关系记忆。这套“控制—记忆—编排”三层体系，与DeepSeek Harness的微内核正是同一命题的两个实现。

其二，中立路由是Atlas与生俱来的立场。 Atlas兼容百余款大模型，Agent根据任务类型动态路由至最合适的引擎，客户不被任何单一模型锁定。事实上，Atlas智能体正是基于DeepSeek、通义千问等开源大模型适配构建的——DeepSeek早已是我们的一等公民，而非新来的竞争者。

其三，我们的路线图因此更加明确：基于DeepSeek Harness的框架与思路，构建海致自有Harness的下一代。 底盘层借力开源社区——插件机制、工具标准、运行内核，能复用的不再自研；行业层坚持自有——本体约束、图模融合验证、行业插件与组件库，这些是开源框架给不了、客户买账的部分。同时，海致自研的多模型Agent引擎将继续作为中立侧的补充：在客户需要跨厂商评测、私有协议适配或深度定制执行逻辑的场景中，提供Atlas平台之下的弹性内核。用开源的底盘跑自家的行业模块，是这场开源浪潮里成本结构最优的姿势。

第三重：市场扩容——门槛从工具层向知识与责任层迁移

DeepSeek模型的开源把企业级推理成本拉低了一个量级，DeepSeek Harness的开源又把Agent的工程门槛拉低了一个量级。两个量级叠加的直接后果是：一大批原本观望的政企客户，从今年开始真实立项。

供热、政务、电网、制造——我们今年交付的项目清单上，新增客户的典型画像正是“第一次上Agent，预算已有，缺一个能对结果负责的伙伴”。

市场变大当然也会引来更多竞争者，但竞争的门槛正在发生对海致有利的迁移：当“搭一个Agent Demo”人人可为，客户的选择标准就会从“能不能演示”变成“懂不懂我的行业、敢不敢对结果负责、量产后谁来运维”。门槛没有消失，只是从工具层移到了知识与责任层。

工具层正在变成公共品——通用Harness把任务规划、工具调用、权限控制、结果校验这些能力标准化了。而知识与责任层对应的是行业本体、规则库、图模融合验证、驻场交付和长期运维能力。这些能力无法通过一次开源获得，只能在一个个项目中沉淀：把行业专家的判断变成可推理的规则，把客户系统里的数据变成可验证的本体，把一次性的POC变成能通过验收、能长期运行的生产系统。那里，是海致FDE团队、行业本体与图模融合体系所在的主场。

对有国产化要求的客户，“开源模型 + 开源框架 + 国产图数据库 + 全栈信创部署”的组合正在扫清技术合规障碍；同时，Agent从试点走向生产之后，采购评审关注的重点也会从“模型能力演示”转向“结果是否可审计、责任是否可追溯、系统是否可运维”。市场扩容不是把竞争变简单，而是把竞争推到更靠近客户现场、更靠近结果责任的位置。

05 海致的三个既定动作

其一，全面拥抱，做DeepSeek生态最深度的落地伙伴。 基于DeepSeek Harness的框架与思路升级海致自有Harness已进入路线图：插件机制对齐、工具标准互通、行业插件双向封装。底盘越普及，我们行业模块的复用率越高。

其二，坚持中立，让Atlas成为多模型时代的“公共站台”。 DeepSeek是一等公民，通义千问是一等公民，未来每一家主流模型都应是一等公民。客户要的不是站队，而是每个任务都跑在当下最优的模型组合上，并且随时可换。中立不是技术上的“谁也不靠”，而是工程上的可评测、可路由、可替换：模型接入标准化、效果评测可量化、路由策略可配置、故障切换可回退。

其三，持续加深Graph Engineering的护城河。 Harness解决“怎么执行”，图谱解决“凭什么信”。执行框架越标准化，幻觉治理、可审计推理与行业本体的差异化价值就越突出。郑纬民院士那句“图谱如左脑，大模型如右脑”，在Harness时代应当补上后半句：Harness是躯干，让右脑的意图变成左脑约束下的行动；而行业知识，决定这具躯体最终能走多远。落到工程上，就是三件事：本体约束前置、图模融合验证、推理链路可追溯。

结语

2026年初，我们论述“模型是CPU，Harness是操作系统”；年中，我们论述“图谱是让Agent不迷路的地图”；8月，DeepSeek用一次开源把操作系统铺成了公共设施。

操作系统人人可得之后，胜负手在哪里？在行业数据、行业本体、行业插件，以及那个愿意驻在客户现场、对结果签字的角色上。

这不是某一家公司的机会，而是整个产业分工走向成熟的标志。海致选择的位置，是在标准化的执行框架之上，持续投入行业本体工程、图模融合验证与驻场交付体系——把这些工程能力做深、做扎实，让每一个项目的行业知识都能沉淀为可复用的组件库和规则库。执行框架的公共化，让这件事变得比以往任何时候都更有杠杆。

这三件事，恰好对应海致过去十年持续投入的工程方向。引擎开源不是终局威胁，而是一个起跑信号：当执行框架成为公共设施，产业的竞争重心将进一步向行业知识与结果责任转移。海致选择继续把工程能力压在这一层。

参考资料：

1、同济大学王昊奋教授2026年7月《大模型越强，知识图谱反而越重要》系列访谈

2、Agent Harness Engineering: A Survey

*本文作者为海致科技首席架构师张伟，经编辑。

本文来自微信公众号“海致科技”，作者：海致，36氪经授权发布。