DeepSeek Harness小白教程：读懂Agent与Harness

如果你经常听到「Agent」「Harness」这些词却始终一头雾水，这篇文章会用最直白的方式帮你把概念理清楚。借着DeepSeek Harness这款新出的软件，我们把Agent的底层逻辑和Harness的角色一次讲透。

Agent到底是什么：大模型+上下文+工具

Agent并不是什么神秘的黑科技，它由三大块组成：大模型、上下文、工具。

大模型就像人的大脑。把大脑单独拎出来放在桌上，它其实什么也做不了，只能和你进行自然语言的对话——你说一句话，它回一句话。它负责的是Agent里「思考」的那部分，但仅凭思考无法操控现实。

第二步是给这个大脑接上「感官」，也就是上下文（Context）。上下文负责把Agent所处的环境信息、身份信息传递给它：你是谁、你负责什么、现在是什么时区、服务的用户在哪里。更关键的是，大模型本身没有记忆，上一句话说完就忘了，所有的记忆都存在上下文之中。

有了感官还不够，大模型仍然无法操控现实世界，这时就需要工具（Tools）——相当于AI的手和脚。最基础的工具其实有四个：读（读取文档内容）、写（创建文档并写入）、编辑（修改文档中的某段内容），以及一个叫bash的工具（可以执行任意命令）。有了工具，AI才能脱离对话的限制，去做更丰富的事情。

Agent Loop：整个流程的核心

值得单独拎出来说的是工具的返回机制。当Agent执行一个操作，比如修改一条笔记，工具会返回「操作成功」，这条信息又成为新的上下文灌回大模型。同理，今天的新闻、明天的天气这类现实信息，也是通过工具获取后变成上下文。

于是就形成了一个循环：大模型基于上下文思考 → 调用工具执行 → 工具返回新上下文 → 再次思考决定下一步动作。这个循环就叫做 Agent Loop。三样东西加上一个循环，构成了完整的Agent工作流程。

Agent Loop的设计直接决定了一个Agent能完成任务的复杂程度。简单任务可能只需一两轮循环，而复杂任务（如自动写代码并调试）可能需要数十轮。每一轮循环中，大模型都需要判断"任务是否完成"——这个判断本身也依赖上下文。如果工具返回了错误信息，模型可以选择重试、换一种方式，或者主动向用户报告卡点。这种自主决策能力，正是Agent区别于普通聊天机器人的核心所在：它不只是回答问题，而是能持续推进直到目标达成。Loop的终止条件通常有三种：任务成功完成、遭遇无法解决的错误、或达到预设的最大步骤数限制（防止无限循环消耗资源）。

Harness是什么：把抽象概念变成可运行的软件

如果说「Agent = 大模型 + 上下文 + 工具」是抽象公式，那么Harness就是让这三者真正组合、运行起来的那层软件。

上下文是碎片化的信息，工具是脚本或API接口，它们本身是虚拟、摸不到的概念。但你要如何真正把这些信息发送给大模型、如何让大模型调用工具？答案就是Harness——组装和管理上下文、封装并提供工具使用方法的软件。

UP主用了一个生动的比喻：上下文就像「我看到了一朵花」这个信息本身，是虚拟的、不存在实体的；而我的眼睛、我的手指头这些实体器官，负责把信息传递进大脑——这些实体的传递机构就是Harness。放到AI机器人上，Harness就是那套机械管路，上下文是管路里流动的信息，大模型通过这些管路执行它的手和脚。

为什么同样的软件能做出不同的Agent

常见的Harness软件包括Codex、Claude Code、豆包、Crush等——所有能让大模型指挥、帮你干活的软件，都属于Harness。

关键在于：通过组织不一样的上下文、提供不一样的工具，同一个Harness就能实现完全不同的Agent。哪怕是同一个Codex，你写不同的规则和提示词，就能得到不同的Agent。这也解释了为什么各家Agent的能力会有明显区别。

这里提到的Codex是OpenAI推出的编程Agent产品，Claude Code是Anthropic推出的同类工具，两者都属于以编写和修改代码为主要场景的Harness软件。豆包是字节跳动旗下的AI助手产品。这些产品底层调用的大模型不同（GPT系列、Claude系列等），提供的工具集和上下文组织方式也各有侧重，因此即便任务相同，各家产品的实际表现会存在明显差异。值得注意的是，Harness并不绑定特定大模型——理论上同一套Harness可以切换不同的"大脑"，就像文中DeepSeek^广告 Harness接入Codex模型的操作所展示的那样。

DeepSeek Harness的特别之处：插件化架构

DeepSeek Harness首先是一款Harness软件，它最大的特点是插件化——基于一个叫Codis的插件系统。

把它上面所有插件全部剥离，它就是一个空骨架，像书架一样什么都不是。只有把为AI提供能力的各类插件装上去，才能得到一个可用的Agent软件。这种可插拔的设计，意味着你可以根据需求拔掉任何插件、装进自己开发的插件，或者不断为它封装更多能力。

安装与基础界面

DeepSeek Harness完全面向开发者，需要去它的GitHub上找到npm安装命令，在终端里执行才能打开软件界面。界面上手后和常见Harness软件没什么区别：有对话框，可以创建各种项目，项目下再创建会话，看上去和Codex几乎一样。

四种模式与「创造模式」

它真正的亮点在模式设计上：

• 标准模式：和平常的Harness软件一样，帮你执行任务；
• PTC模式：通过生成脚本的方式执行，更适合开发者；
• 极简模式：剥除所有额外工具，只保留读、写、编辑、bash这四个基础工具；
• 创造模式：最有特色的一个，Agent可以改造自身。在这个模式下，它能热拔插自己的插件、安装更多插件、自我升级。

UP主展示了自己的改造成果：默认模型列表原本没有Codex，他自己写了一个接入方式，用Codex订阅在DeepSeek Harness里调用Codex模型；他还不喜欢默认的工作区逻辑，参考类似多Agent的体系，自己写了一套以Agent为单元的模式——创建多个Bot（Agent），让它们组成开发小组，彼此发现、传递消息，甚至加入群聊。

这意味着，很多想做垂直行业Agent的人，都可以直接基于DeepSeek Harness来改造。

Codis插件系统是DeepSeek Harness的基础设施，类似于浏览器的扩展机制或VSCode的插件体系。每个插件可以独立封装一类能力——比如「联网搜索」「读写本地文件」「调用外部API」——并通过统一的接口注册到主框架中。这种架构的好处是关注点分离：核心框架只负责Agent Loop的调度，具体能力全部外包给插件。对开发者而言，不需要理解整个系统就能单独开发一个插件；对使用者而言，可以只加载自己需要的插件，降低资源消耗和安全风险。插件化也是"创造模式"得以实现的技术前提——Agent能在运行时动态加载新插件，本质上是框架允许在Loop执行过程中修改自身的工具集。

插件社区与横向对比

开发好的Agent想给别人用怎么办？由于一切都以插件为模块，你开发的其实就是插件。DeepSeek Harness自带插件市场，你可以把插件上传到自己的GitHub再分享进来。

需要说明的是，这种可扩展、自己写Agent的理念并非DeepSeek Harness首创，此前Pi等软件就已经具备类似能力。因此DeepSeek Harness一出现，就常被拿来和Pi做对比。两者都是可扩展的Agent软件，区别在于扩展方式的呈现，大家可以根据自己的需要选用。不过在Harness软件领域，这种彻底的插件化模式确实算是头一份。

小结

这套内容对小白来说门槛不低，但核心可以浓缩成两句话：Agent是「大模型+上下文+工具」加一个循环；Harness则是让这三者真正跑起来的实体软件。理解了这两层，再看DeepSeek Harness的插件化和创造模式，就能明白它为什么适合折腾出属于自己的Agent。