DeepSeek Harness火了，2027届测试开发校招生应该学什么？

关注 「软件测试就业联盟」公众号，陪你走好校招求职的每一步

2026年8月13日晚，DeepSeek 开源了首款 Agent 产品 DeepSeek Harness（简称 dsh，仓库 deepseek-ai/deepseek-harness）：上线半小时破 1 万星，12 小时破 5 万，约 42 小时破 10 万，被不少人称为"GitHub 史上最快涨星项目"之一。做个参照：当年 DeepSeek-R1 拿 2 万星用了 5.7 天，Grok-1 用了 1.2 天。这也是 DeepSeek 第一次从"造模型"走向"造 Agent 产品"。

看到这份数据，我的第一反应不是去 clone 代码，而是想到我们高校实训带的那批学生——他们手里的学习清单，是对着 2025 年的招聘需求列的，而 2027 年的校招需求，几乎不可能原封不动。这篇文章，我把测试开发校招生该学的东西重新排了三层，文末附一张优先级表。

为什么 dsh 值得测试人认真对待
很多人把 dsh 当成"又一个 AI 工具"，我更愿意把它看成一次"测试对象换物种"的信号。三个事实。

第一，它的口号是"一切皆插件"（Everything is a Plugin）：Model Adapter、Tool Registry、Session Log、Agent Loop 全部可插拔、可替换、可检查，底层由 Cordis 插件治理框架驱动。测试对象不再是一个写死的程序，而是一套可以任意组合的插件系统。

第二，它的终极目标是自进化智能体框架（Self-Evolving Agent Harness）——Agent 在运行中自己编写、安装插件，错误修改还能撤回。内测者的描述是：Agent 能自检运行状态、即时编写并安装插件，并在后续任务中复用。

第三，行业讨论的焦点已经从"怎么用"转向"怎么测"：当测试对象变成会自我演化的系统，传统测试方法面临重构。

这三条加在一起，这波浪潮和测试人的关系就藏不住了。

第一层：不变的底座，继续学，但换个学法
编码能力仍是入场券。dsh 跑在 Node.js 生态，社区教学项目 mini-dsh 是 TypeScript 写的，想读源码、写插件，Python 或 TypeScript 至少要精通一门。学习标准要往上抬一档：不是"会写算法题"，而是"能完整读进一个开源项目的实现"。

计算机基础一点没贬值。操作系统、网络、数据结构，将来排查"Agent 为什么卡住、为什么循环打转"时，靠的还是这些。

测试设计思维是被低估最深的底座。等价类、边界值、状态迁移，这些方法回答的是"怎么用少数用例暴露多数问题"；到了 AI 时代，它们恰好是你评审 AI 生成用例的标尺。落地方式很朴素：用 pytest 给小函数写用例，刻意练习"先设计、后编码"。

练习测试设计思维的示例：等价类 + 边界值设计用例

import pytest

def calc_shipping(weight_kg: float, distance_km: int) -> float:
"""示意被测函数：运费计算，首重1公斤起步价，超重按公斤加价，长途打折"""
...

@pytest.mark.parametrize(
"weight, distance, expected",
[
(1.0, 50, 8.0), # 边界：恰好首重
(2.5, 50, 14.0), # 常规：超重计费
(0.0, 50, 0.0), # 边界：零重量
(2.0, 1000, 11.4), # 等价类：长途打折
],
)
def test_calc_shipping(weight, distance, expected):
assert calc_shipping(weight, distance) == pytest.approx(expected)
练的不是这个函数的写法，而是"写代码之前先想清楚要测什么"的习惯。

第二层：权重上升的，现在就要排进课表
AI 应用测试。LLM 输出是非确定性的：同样的输入，每次输出都可能不同，传统的"相等断言"不够用了。你得会三层功夫：结构校验（JSON 字段是否齐全、类型是否正确）、语义抽查（内容是否"说得通"、有没有幻觉）、统计通过率（跑 N 次看达标比例）。我们实测 dsh 时发现的响应偏慢、复杂长任务稳定性不足这类短板，如何稳定复现、如何量化，正是 AI 应用测试的核心工作。

提示词与上下文工程。测试开发不用会训模型，但要懂上下文是怎么构建、怎么被消费的。在 dsh 里，连 Session Log 都是可插拔组件——懂了上下文管理，就懂了 Agent 行为的一半。练到能用提示词把 AI 输出稳定成可校验的结构，就算入门。

第三层：全新的，先学就是先超车
Agent/插件开发。别被"开发"两个字吓住。插件化架构下，写一个工具插件和写一个函数差不多。下面是简化示意（不是 dsh 真实 API，只为展示插件的大致形态）：

// 简化示意：非 dsh 真实接口，仅展示"一切皆插件"的基本形态
export default function wordCountPlugin(ctx: {
registerTool: (tool: unknown) => () => void;
}) {
const dispose = ctx.registerTool({
name: "word_count",
description: "统计一段文本的字符数",
async execute({ text }: { text: string }) {
return { count: text.length };
},
});

// 插件卸载时撤销副作用，对应"可回滚副作用"（Revertible Effects）的思路
return () => dispose();
}
评估体系。自进化的系统需要一把"不随它变化"的尺子：固定任务集、多维指标（成功率、耗时、成本）、回归基线。我们实测发现 dsh 的 API 成本会随任务长度放大——不做成本度量，这类问题根本发现不了。这个方向现在人少、值钱、保质期长。

一张学习优先级表
优先级
内容
为什么
建议动作
P0
编码能力（Python/TS）
读源码、写插件的入场券
完整读一个开源项目，如 mini-dsh
P0
测试设计思维
评审 AI 输出的标尺
每周用 pytest 写等价类/边界值用例
P1
AI 应用测试
非确定性系统正成为主流被测对象
学结构校验、抽样断言、统计指标
P1
提示词与上下文工程
理解 Agent 行为的前提
实际跑一次 dsh，观察它的上下文变化
P2
Agent/插件开发
直接对应新型岗位要求
给开源项目写一个工具插件
P2
评估体系
人少、值钱、长期红利
为一个 Agent 任务集设计度量方案
P0 是地基，缺了什么都免谈；P1 决定你第一份工作的竞争力；P2 决定你三五年后能走多远。

节奏建议
别指望一口气学完。我的建议是：每个学期把一项 P0 打扎实，同时穿插一个 P1 专题；寒暑假集中做一个 P2 级项目，比如跑通 dsh 写份体验报告，或者给开源项目写个小插件。节奏不快，但一年下来，你会比同龄人整整多出一层积累。

最后说一句
这一轮变化真正淘汰的不是某项技能，而是"只按招聘要求学"的惯性。dsh 从发布到超过 15 万星只用了短短几天，这个速度在提醒每个人：新世界不会等你把学习计划做完。

本文整理自霍格沃兹测试开发学社的原创分享，更多测试开发与 AI 测试实战内容，我们下一篇见。

我们整理了：

✅ 内推机会同步 ✅ 大厂/央国企招聘信息

✅ 简历优化建议 ✅ 测试岗能力模型

👉 扫码进群，获取最新岗位信息。

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。