不是又一个大模型，而是一套运行时
8 月 17 日，DeepSeek 官方开放 Harness v0.1 测试。它不直接提供模型，而是给 Agent 应用一个可插拔的运行时：模型后端、工具调用、记忆、权限与安全策略都做成独立插件，按需组合。官方称，目标是让团队用少量代码就能搭出带权限控制的 Agent 服务。
仓库发布后 24 小时内在 GitHub 收获超过 7 万星标，登上当日 Trending 榜首。考虑到 DeepSeek 此前在开源社区的号召力，这个速度不算意外，但也说明开发者对“Agent 基础设施”的需求仍在快速膨胀。
“一切皆插件”到底拆了什么
- 模型后端可插拔：OpenAI 兼容接口、vLLM、本地推理都能接入，切换不改业务代码
- 工具执行沙箱：默认对 Python/Shell 工具做隔离，支持调用量计量与审计日志
- 记忆分层：短期上下文、长期向量记忆、用户画像分开存储，可独立开关
- 安全策略钩子：在模型输出前/后插入规则，敏感操作可要求二次确认
与同类框架的差异
相比 LangChain 这类编排框架，Harness 更强调运行时能力：自带进程级隔离、流式回传和可观测性接口，定位更像“Agent 的基础设施”。v0.1 仍是早期版本，官方明确列出已知限制：多租户隔离不完善，部分插件 API 会在 1.0 之前变动。
模型会快速换代，但运行时会沉淀下来——Harness 赌的是后者。