"能跑"不等于"敢交付"。当 Agent 系统从演示走向生产,从单个模型走向多智能体团队,从黑盒执行走向可审计可控,我们需要的不是更强的模型,而是一个真正的 Agent 操作系统。
前天(8月13日),DeepSeek 正式发布、开源了DeepSeek Harness(dsh),一个 MIT 许可的 Agent 驾驭框架。这不是又一个"大模型 + 工具列表",而是一套系统化的工程基础设施,旨在让 Agent 从"能跑"进化为"可控、可验收、可持续"——这正是我们所说的从"能跑"到"敢交付"的转变。
1. 行业的痛点已经暴露
2026 年上半年,行业数据已经刺痛了很多企业:
- 40% 的 agentic AI 项目:在 2027 年底前面临被取消或下线的风险,主因不是模型能力不足,而是治理缺口
- 多数项目不是死在 PoC,而是停在规模化之前
- 上下文漂移:已被确认为所有前沿模型上的工程风险
这些都指向一个核心问题:模型解决"能不能做到",但系统必须解决"敢不敢交付"。
2. 技术对标从"模型能力"转向"执行可靠性"
DeepSeek 的策略转变很聪明:与其和 OpenAI/Anthropic 比模型参数和推理能力(这场比赛很难赢),不如把竞争维度移到"执行系统的可控性、可观测性、可治理性"这些企业更在乎的指标上。
- Claude Code 和 Codex 的会话是黑盒私有的,无法外部审计
- DeepSeek Harness 把会话变成类型化事件日志,支持 keyless 重放、快照回归、全文检索
这一步转变,从"谁的模型更聪明"变成"谁的系统更可信"。
3. 开源 = 快速验证 + 生态共建 + 技术标准化
DeepSeek 选择 MIT 许可并快速开源(v0.1 时就发布),目的很明确:
- 闭环加速:在社区中暴露缺口,迭代速度远快于单独商业化
- 降低采用门槛:企业更愿意集成开源基础设施而非被技术锁定
- 争夺标准:如同 Linux 之于操作系统,DeepSeek Harness 想成为 Agent 系统的"事实标准"
创新 1:会"改写自己"的运行时(Self-modifying Runtime)
痛点:传统 agent 框架的能力是静态的。模型只能"调用"工具,框架本身无法演进。DeepSeek 的答案:通过Typert 类型反射 + Cordis 动态加载,让 Agent 能:
- 检视自己的运行时结构(有哪些工具、插件、能力)
- 动态生成新插件并在node:vm 沙箱中执行
- 挂载/卸载新能力,而不需要重启系统
关键组件:
- dsh-tool-cordis:模型可见的运行时检视工具
- cordis-host-runner:node:vm 隔离 + 请求-运行往返
- 风险受控:生命周期守卫 + 权限隔离,"可改写"不等于"失控改写"
为什么这是创新?其他 Agent 框架只允许模型"调用"工具。DeepSeek 让 Agent改变自己的工具集—— 这是从"静态框架"向"动态自进化系统"的质的飞跃。实际效果:Agent 可以在运行时识别自己的缺陷("我缺少某个能力"),然后自己生成、验证、加载新能力,而不必等待人工干预。
创新 2:事件溯源 + 可重放会话
痛点:Agent 最恐怖的生产灾难不是单次失败,而是失败后无法复盘。Claude Code 的会话是私有的,你看不到 Agent 到底做了什么无法重放意味着无法审计、无法定位根因、无法验证修复DeepSeek 的答案:把Session 设计为一等公民:
- 会话 =类型化、版本化的事件日志(SessionEventMap)
- 系统状态来自日志的折叠和投影(类似数据库的事务日志)
- 支持JSONL/zstd + SQLite 双持久后端,效率与可靠性兼顾
关键能力:
- Keyless重放:无需原始API Key,从日志重放任何历史会话
- 快照回归测试:可以对不同版本的Agent逻辑做对比测试
- 全文检索 + 血缘追踪:SQLite FTS5+关系查询,快速定位某个错误决策是在第几步做的
为什么这是创新?传统日志是"发生了什么"的记录。DeepSeek 让日志变成"系统完整的决定论重建"——给定同一份日志,任何人、任何时间都能得到相同的行为轨迹。工程价值:
- 可审计:所有 Agent 行为都有完整的审计链
- 可复现:Bug 复现不再靠"描述…