DeepSeek Harness 明明像 AI Coding 工具，为什么又能用来构建各种 Agent？

最近在学习 Agent Harness 时，我一直有一个地方没想明白。

我现在接触到的 DeepSeek Harness（DSH），打开以后看起来和 Codex 很像：

聊天
读取项目文件
修改代码
执行 Shell
调用 Skill
使用 MCP

怎么看都是一个：

AI Coding 工具。

但是在一些 Agent 架构设计里，又经常看到这样的说法：

可以基于 Harness 构建合同审核 Agent、财务 Agent、知识助手、运维 Agent、数据分析 Agent 等各种不同智能体。

这就产生了一个很自然的问题：

一个写代码的工具，为什么还能变成合同审核、财务分析这些完全不写代码的 Agent？

后来把 Harness、Agent、模型这几个概念拆开以后，才发现其实并不矛盾。

---

一、先区分三个东西：模型、Harness、Agent

这是理解这个问题最重要的一步。

可以先用一个非常简单的比喻。

1. 大模型 = 大脑

比如：

GPT
Qwen
DeepSeek
GLM

它们主要负责：

理解
推理
判断
生成内容

所以可以把大模型理解成：

AI 的大脑。

但是只有一个大脑，还不能真正完成复杂工作。

例如：

读取文件
修改代码
执行命令
查询数据库
访问 OA
调用业务系统
保存任务状态

这些都需要其他能力。

---

2. Harness = 身体 + 工作机制

Harness 解决的问题是：

怎么让这个“大脑”真正干活。

例如用户说：

帮我排查服务器为什么启动失败。

一个真正的 Agent 可能需要：

分析问题
↓
执行命令
↓
读取日志
↓
发现数据库连接异常
↓
继续检查数据库
↓
修改配置
↓
重新启动
↓
再次检查
↓
完成任务

这个过程中一直存在一个循环：

思考
↓
行动
↓
观察结果
↓
继续思考
↓
继续行动

Harness 就负责支撑这种运行过程。

通常会包含：

Agent Loop
Context
Tool
Session
State
Permission
Lifecycle

所以 Harness 本身并不是：

写代码的程序。

更准确地说，它是：

让 AI 能够持续思考、调用工具、保存状态并完成任务的运行环境。

---

3. Agent = 最终能干活的 AI 员工

真正的 Agent，一般可以简单理解成：

大模型
+
Harness
+
Prompt
+
Skill
+
Tool
+
MCP
+
知识库
+
Rule
+
权限

组合以后，才形成一个具体的 Agent。

所以：

Harness 决定 AI 怎么工作，而装进去的能力决定 AI 最终做什么工作。

---

二、为什么 DSH 看起来像 Coding 工具？

原因其实很简单：

因为现在给它装的主要是 Coding 能力。

比如一个 Coding Agent，可能是这样组装出来的：

大模型
+
Harness
+
Coding Prompt
+
读取文件
+
修改文件
+
Shell
+
Git
+
代码搜索
+
编程 Skill

最后得到：

Coding Agent

比如 Codex、DSH 现在很多实际使用场景就是这样。

用户说：

帮我修改这个 Spring Boot 项目。

Agent 就会：

搜索代码
↓
读取 Controller
↓
读取 Service
↓
修改代码
↓
执行 mvn test
↓
发现错误
↓
继续修改
↓
测试通过

所以我们看到的产品形态自然非常像：

AI 程序员。

但这并不意味着 Harness 底层只支持写代码。

---

三、如果把 Coding 能力换掉，会发生什么？

这就是所谓的：

“组装不同 Agent”。

假设底层 Harness 完全不变。

但是把：

Shell
Git
代码修改
Java Skill

换成：

合同知识库
合同审核 Skill
OA MCP
合同系统 MCP
合同审核 Rule

然后把 Prompt 改成：

你是一名企业合同审核助手，
负责根据公司制度审核合同，
识别风险并给出审核意见。

这个时候，它就不再是 Coding Agent 了。

而变成：

合同审核 Agent

底层运行逻辑其实还是：

用户提出任务
↓
模型判断
↓
调用工具
↓
获得结果
↓
继续判断
↓
完成任务

Harness 根本不关心：

你现在是在改 Java 代码，还是在审核合同。

它只负责：

让 Agent 能按照“思考 → 调工具 → 看结果 → 再思考”的方式运行。

---

四、“组装 Agent”到底是什么意思？

“组装”这个词刚开始很容易让人觉得很抽象。

其实可以把它理解成：

给一个 AI 员工配置岗位。

假设现在有一个“空白 AI 员工”。

第一步：告诉它是谁

通过 Prompt：

你是一名企业合同审核助手。

这相当于给员工定岗位。

---

第二步：教它怎么干活

给它配置 Skill：

合同条款分析 Skill
合同风险识别 Skill

相当于：

培训员工。

---

第三步：给它工作资料

接入知识库：

公司合同制度
法律法规
历史合同
审核规范

相当于：

给员工发业务资料。

---

第四步：给它工具

配置 Tool / MCP：

读取合同
查询 OA
查询合同系统
提交审批

相当于：

给员工电脑和业务系统账号。

---

第五步：告诉它规矩

配置 Rule：

100 万以上合同必须人工复核

不得删除原始合同

不得访问无权限部门的合同

相当于：

公司的规章制度。

---

第六步：控制权限

例如：

只能查询法务部门合同

只能查看，不能删除

敏感数据禁止发送到外部模型

相当于：

给员工分配系统权限。

最后：

Prompt
+
Skill
+
Knowledge
+
Tool
+
MCP
+
Rule
+
Permission
+
Harness
+
大模型

就组装出了：

合同审核 Agent

这就是所谓的：

Agent 组装。

---

五、同一个 Harness，可以组装出完全不同的 Agent

例如 Coding Agent：

Harness
+
代码模型
+
编程 Skill
+
文件 Tool
+
Shell
+
Git

↓

Coding Agent

合同 Agent：

Harness
+
大模型
+
合同 Skill
+
合同知识库
+
OA MCP
+
合同 Rule

↓

合同审核 Agent

财务 Agent：

Harness
+
大模型
+
财务分析 Skill
+
财务知识库
+
数据库 Tool
+
ERP MCP
+
财务 Rule

↓

财务分析 Agent

运维 Agent：

Harness
+
大模型
+
运维 Skill
+
Shell
+
Docker
+
Kubernetes
+
监控系统 MCP

↓

运维 Agent

所以：

变的不是 Harness，而是装到 Harness 上面的能力。

---

六、用“安卓系统”理解 Harness 会更简单

可以把 Harness 类比成 Android。

Android 本身不是：

微信
淘宝
高德地图
抖音

Android 主要负责：

进程
文件
网络
权限
运行程序
管理生命周期

在 Android 上：

装微信
↓
变成聊天工具

装高德
↓
变成导航工具

装淘宝
↓
变成购物工具

Harness 很类似。

它提供的是：

Loop
Context
Tool
Session
State
Permission
Lifecycle

然后：

装 Coding 能力
↓
Coding Agent

装合同能力
↓
合同 Agent

装财务能力
↓
财务 Agent

所以：

Harness 更像“Agent 的操作系统”，而不是某一个具体业务软件。

---

七、那未来的 Agent 构建平台可能是什么样？

如果企业真正建设一个 Agent 构建平台，以后创建 Agent 可能并不是写大量代码。

可能是在一个页面里配置：

Agent 名称

合同审核助手

模型

Qwen
GPT
DeepSeek

Prompt

你是一名企业合同审核助手……

Skill

☑ 合同分析
☑ 风险识别
☐ Java 开发

MCP

☑ OA 系统
☑ 合同系统
☐ GitHub

知识库

公司合同制度库
法律法规库

Rule

合同审核规则 V2

权限

只能查询法务部门合同

然后：

保存
↓
发布
↓
运行

平台后台再把这些配置交给 Harness Runtime。

最终形成一个真正可以工作的：

合同审核 Agent

所以所谓：

Agent 构建平台

本质上就是把：

Prompt
Skill
MCP
Tool
Rule
知识库
模型
权限

这些能力做成可以管理、选择和组合的“积木”。

---

八、为什么企业平台不能直接等于 DSH？

这里还有一个很重要的区别。

企业真正需要管理的东西包括：

Agent 定义
Skill
MCP
Rule
知识库
权限
审计
版本
发布
企业安全

这些是企业自己的核心资产。

而 DSH、Codex、Pi、OpenCode 这一类 Harness 更适合作为：

下面负责运行 Agent 的发动机。

可以简单理解成：

                 企业 Agent 平台
                        │
       ┌────────────────┼────────────────┐
       │                │                │
     Skill             MCP             Rule
       │                │                │
     知识库           权限管理           审计
       │                │                │
       └────────────────┼────────────────┘
                        ↓
                    Agent 定义
                        ↓
                     Harness
                        ↓
                DSH / 其他 Runtime

这样以后即使底层 Harness 发生变化：

今天使用 DSH

以后某些场景使用 Pi

Coding 场景使用 Codex

上面的业务 Agent 也不用全部推倒重做。

---

九、最后总结

如果只记住几个概念，可以记成：

大模型
=
大脑


Harness
=
身体 + 工作机制


Skill
=
工作技能


Tool / MCP
=
工作工具


知识库
=
业务资料


Rule
=
工作规矩


Permission
=
工作权限


Agent
=
把这些东西组装起来以后形成的 AI 员工

所以：

Harness + Coding能力
=
Coding Agent

但是：

Harness + 合同能力
=
合同审核 Agent

同样：

Harness + 财务能力
=
财务 Agent

因此，DeepSeek Harness 现在虽然看起来很像一个 AI Coding 工具，但不能简单理解成：

Harness 就是写代码的。

更准确的理解应该是：

Coding 只是 Harness 的一个应用场景。Harness 真正解决的是“AI 怎么持续思考、怎么调用工具、怎么管理上下文和状态、怎么完成任务”。至于最终是写代码、审核合同、分析财务还是做运维，取决于给它装配了什么 Prompt、Skill、Tool、MCP、知识库和 Rule。

一句话总结：

Harness 是底盘，模型是发动机和大脑，Skill、MCP、Tool、知识库、Rule 是各种零部件，把不同能力装上去，就可以得到不同用途的 Agent。