近日，一张关于DeepSeek Harness内部测试招募的通知截图在各大AI社区引发热议。根据截图内容，Harness计划于本周晚些时候启动内测，首批用户将从特定群组中筛选，入选者需提交个人信息并签署保密协议，否则将面临取消资格及影响后续参与DeepSeek相关活动的后果。
尽管截图真实性尚未得到官方证实，但结合DeepSeek此前关于V4正式版发布时间的公告，以及团队负责人崔添翼曾透露Harness将与V4同步推出的信息，这一传闻的可信度有所提升。目前，市场上尚未出现关于Harness具体产品形态的报道，这与DeepSeek一贯的保密策略相符。
崔添翼的量化交易背景为Harness的设计理念提供了线索。他在Jane Street工作期间，专注于量化交易系统的开发，这类系统对毫秒级响应、异常恢复能力和日志追溯功能有着极高要求。这些特性可能被迁移至Harness中，例如优化Agent循环的推理-执行-反馈流程，确保系统在面对模型错误或工具调用失败时能够自动恢复或降级处理，同时保留完整的操作日志以供复盘。
量化系统中的订单状态管理和风控机制也可能影响Harness的设计。例如，Harness需确保模型在执行长程任务时能够维持中间状态，避免因上下文丢失导致任务失败。在安全方面，Harness可能引入审批机制，防止AI执行高危操作如文件删除或系统命令执行。
从DeepSeek发布的招聘职位描述中，可进一步窥见Harness的功能细节。职位描述提到KV Cache和长上下文管理技术，表明Harness将优化上下文使用效率，通过前缀缓存和动态调整策略减少重复计算。向量存储和会话持久化功能则意味着Harness具备长期记忆能力，可记住用户的项目架构、编码规范等习惯，并在跨对话中保持一致性。
在工具调用方面，Harness支持链式调用、错误回退和自动重试，并可能允许动态注册新工具。多Agent通信协议和任务分解功能则指向子Agent架构，即主Agent负责规划，子Agent执行具体任务，并通过独立上下文或进程确保稳定性。Harness还具备任务规划图生成和执行路径优化能力，可根据实际情况动态调整计划，并通过内部基准测试实现自我进化。
值得注意的是，DeepSeek强调Harness将与V4模型深度适配，而非作为通用框架。这一策略与OpenAI整合代码和推理能力的做法类似，旨在通过模型与工具的协同优化提升整体性能。例如，Harness可能利用V4的稀疏注意力机制和前缀缓存功能，实现更高效的上下文管理。
Harness的发布计划与V4正式版紧密相关。崔添翼曾表示两者将同步推出，但V4正式版的发布时间已多次推迟。最初计划于7月中旬上线，后因API接口调整等原因延期。据内测用户透露，V4正式版在推理能力、响应速度和Agent功能上有显著提升，接近Opus 4.8水平，尤其在编码和3D生成任务中表现突出。然而，这些信息尚未得到官方确认。
V4预览版存在的一些问题也可能在正式版中得到解决。例如，预览版在复杂任务中需手动设置推理强度参数，且多模态能力较弱。正式版预计将原生支持图像推理，并引入企业级功能。V4正式版将采用峰谷定价机制，高峰时段API价格翻倍，这一策略引发了关于使用成本的讨论。
第三方测试显示，不同Harness工具在完成相同任务时的token消耗差异显著。例如，Claude Code的工具调用次数是OpenCode的三倍以上，而弱Harness可能导致任务失败。因此，DeepSeek需在Harness的性能优化与成本控制之间找到平衡点，以应对市场竞争和用户需求。
