2000+人围观DeepSeek Harness实战：我们聊透了AI测试的下一步

关注 霍格沃兹软件测试开发 公众号，回复「资料」, 领取人工智能测试开发技术合集

昨晚，我们做了一场关于 DeepSeek Harness智能体与自动化插件应用 的技术公开课。

原本只是想借着最近DeepSeek Harness的热度，和大家系统聊聊Agent、Harness，以及它们到底能怎么进入测试工程。

没想到直播过程中，越来越多测试同行涌进直播间。

从DeepSeek Agent架构，到Harness插件体系，再到Web、App自动化实战，直播间累计观看人数一路突破2000+。

而比数据更有意思的，其实是直播间里不断出现的问题：

“怎么用到软件开发？”

“嵌入式Linux系统的测试怎么应用？”

“AI提效测试，常用的工程化实践有哪些？”

甚至还有一位做了10年传统测试的同学直接问：

“传统测试10年了，现在学什么就业率高一些？”

这些问题背后，其实指向了同一件事：

当Agent开始真正进入软件工程环境，测试工程师到底应该怎么跟？

这也是我们昨晚为什么没有只讲“DeepSeek又出了一个什么新东西”，而是把重点放到了 Agent + Harness + 自动化测试 上。

一、先搞明白：Agent和Harness到底是什么关系？
过去使用大模型，大部分人的交互还是：

提问 → 模型回答 → 人执行。

Agent出现之后，这个逻辑开始变化。

AI不再只是告诉你“应该怎么做”，而是开始尝试围绕一个目标进行任务拆解、工具调用、环境交互，并根据执行结果继续完成下一步任务。

所以昨晚公开课的第一部分，我们先从 DeepSeek Agent架构 开始。

并进一步对比了当前大家比较关注的：

OpenCode
Codex / Claude Code
WorkBuddy
OpenClaw
等不同智能体方案。

我们真正想让大家搞明白的，并不是“哪个Agent最好”。

而是：

模型、Agent、Harness、Tool、Plugin以及真实工程环境，到底是怎么连接起来的。

因为工具一定还会继续变。

今天大家讨论DeepSeek Harness，几个月之后也许又会出现新的Agent产品。

真正能够留下来的，是背后的工程思维。

二、Harness为什么突然值得测试工程师关注？
一个大模型“知道应该怎么测试”，和它真正进入浏览器、操作App、识别页面、调用工具并完成测试任务，是完全不同的两件事。

这恰恰是Harness值得关注的地方。

过去传统自动化更接近：

人设计逻辑 → 人写脚本 → 框架执行 → 人分析结果。

而Agent + Harness正在尝试另外一种模式：

人给出任务 → Agent理解目标 → 调用工具 → 操作环境 → 获取反馈 → 决定下一步。

所以，Harness真正重要的地方，并不是“又多了一个AI概念”。

而是：

AI开始从“给测试人员提供答案”，进一步走向“进入测试执行链路”。

这才是它对测试开发真正有意思的地方。

三、不是只讲概念：昨晚我们直接跑了Web自动化
讲Agent和Harness，如果最后还是停留在PPT上，意义其实不大。

所以昨晚公开课很重要的一部分，就是直接进入真实环境演示。

例如Web自动化场景中，我们展示了Harness与Playwright等能力结合之后，Agent如何理解任务、调用工具、进入页面并执行操作。

传统Web UI自动化，大家都非常熟悉：

元素定位、XPath、CSS Selector、等待机制、断言、异常处理……

这些东西并不会因为Agent出现就突然消失。

真正发生变化的是：

过去需要工程师提前把大量执行路径写死，现在开始出现“让Agent理解当前环境，再决定下一步怎么做”的可能。

这也是为什么昨晚直播间有人直接提出：

“模型操作UI还是太慢了。”

这个反馈其实非常真实。

Agent自动化现在远没有到“完全替代传统自动化框架”的程度。

速度、稳定性、Token成本、任务成功率、环境理解、异常恢复……

这些都还是需要解决的问题。

所以我们更愿意把它看作：

自动化测试正在出现一种新的技术范式，而不是旧技术突然被淘汰。

四、从Web继续往前：Agent开始操作App
昨晚另外一个比较直观的演示，是App自动化。

例如给Agent一个任务：

启动目标App、进入登录页面、输入手机号、输入验证码、点击登录，并判断登录结果。

这里真正值得测试工程师思考的，并不是“AI也会点按钮了”。

而是：

如果未来Agent能够理解测试目标，同时获得Web、App、API、数据库、日志、视觉识别等不同工具能力之后，会发生什么？

一个测试任务可能不再是：

一个脚本对应一个场景。

而逐渐变成：

一个目标 → Agent规划 → 多工具协作 → 自动执行 → 结果判断。

这才是Harness插件体系更大的想象空间。

五、昨晚直播间讨论最多的，其实不是DeepSeek
直播进行到后半程，我们发现一个很有意思的现象。

大家的问题慢慢从：

“DeepSeek Harness怎么用？”

变成了：

“这个东西跟我的工作到底有什么关系？”

有人问嵌入式Linux怎么应用；

有人问AI测试常用的工程化实践；

也有人直接问：

“传统测试10年了，现在学什么就业率高一些？”

这可能才是昨晚公开课最值得讨论的问题。

因为今天的AI测试，早就已经不只是：

让ChatGPT帮你写几个测试用例。

从我们目前看到的技术演进来看，AI正在逐渐进入测试工作的不同环节：

业务与产品

领域知识库、RAG搜索、嵌入检索、知识图谱、代码分析……

测试设计

测试用例生成智能体、RAG、GraphRAG、测试数据生成……

测试执行

测试自动化智能体、模型驱动测试、智能探索测试、ReAct……

专项测试

用户体验、性能、安全、测试左移、测试右移、精准测试……

缺陷挖掘

缺陷溯源、日志分析、代码分析、执行流分析……

以及进一步进入：

研发流程与工作流自动化。

所以对于测试工程师来说，真正的问题已经不是：

“AI会不会影响测试？”

而是：

“AI开始进入测试工程以后，我在其中负责什么？”

六、AI测试开发，不是在“测试开发”前面加两个字
这也是昨晚我们希望通过DeepSeek Harness这个热点传递的一个核心观点。

AI测试开发不是：

会用DeepSeek + 会写自动化 = AI测试开发。

真正的变化在于测试工程师开始需要理解：

Agent架构、工具调用、上下文管理、RAG、任务编排、插件体系、视觉理解、AI应用评测，以及如何把这些能力接入原来的自动化测试工程体系。

传统测试经验并不会因此失效。

恰恰相反。

越懂业务、越懂质量、越懂自动化、越知道系统哪里容易出问题的人，越有机会把AI真正用进测试，而不是停留在“玩工具”。

这也是为什么我们最近会持续把Agent、Harness以及智能化测试工程实践带到公开课里。

七、错过昨晚直播？完整回放可以领取
如果昨晚没有赶上直播，或者直播过程中有些实操部分没有完全跟上的同学，我们准备了本次：

《DeepSeek Harness智能体与自动化插件应用》

完整公开课回放。

内容包括：

DeepSeek Agent架构、主流Agent方案对比、DeepSeek Harness架构、Harness插件体系，以及Web自动化、App自动化、视觉驱动自动化等内容。

👇 扫描下方二维码，领取完整公开课回放及相关学习资料

八、不止这一期：AI测试开发公开课系列
其实DeepSeek Harness只是我们整个AI测试公开课系列中的一期。

过去一段时间，我们一直在围绕：

AI测试、大模型测试、智能体、RAG、测试开发工程化、大模型应用质量保障……

持续做技术公开课和实战分享。

很多技术热点生命周期可能只有几周，但背后的技术体系和工程能力，是可以持续积累的。

所以我们也把之前比较有代表性的公开课整理成了一个合集。

如果你刚开始接触AI测试，可以按照自己的技术基础选择内容；

如果已经在做测试开发，也可以直接挑Agent、RAG、大模型测试等方向深入学习。

👇 扫描下方二维码，领取往期公开课合集

写在最后
昨晚直播结束的时候，累计已经有 2200+人进入直播间观看。

但比“多少人看过”更让我们关注的，是评论区里那些非常具体的问题。

有人关心工具。

有人关心落地。

有人关心AI到底能不能提高测试效率。

也有人已经开始担心：

“做了这么多年传统测试，接下来到底应该学什么？”

这些问题现在可能还没有一个标准答案。

但有一件事情已经越来越清晰：

AI正在从“辅助测试工程师”，开始向“参与测试执行”演进。

从Copilot，到Agent，再到Harness和各种工具插件，变化的从来不只是某一个产品。

变化的是：

人和自动化工具之间的协作方式。

而对于测试工程师来说，与其每天焦虑“AI会不会替代测试”，不如真正进入这些新技术的工程现场，看看它现在能做到哪里、做不到哪里，以及我们还能做什么。

这也是霍格沃兹测试开发学社持续做这一系列公开课的原因。

追热点不是目的。

借热点看清测试技术正在往哪里走，才是。

关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。