Harness，原意是马鞍，就是要给大模型这个"马"，配上人可以与之协作的工具。
今年2月，OpenAI专门提出了Harness Engineering，讨论如何围绕Codex建立约束、反馈和执行的体系。Anthropic的Claude Code则是把这种Agent工作方式大规模带进软件开发的代表性产品之一。
DeepSeek给Harness的定义也很直接，即Agent=Model+Harness。
它的设计原则是，一切皆插件。模型、工具、技能、会话、沙箱、调度，全都做成插件，可以自由替换，连模型本身也只是其中一个插件。
这是因为，一个真正繁荣的AI产业生态，不可能由一家公司从模型一直做到最终应用，得有人做模型，有人做Skill，有人把它们组合成Agent。这些环节再自由组合，变成面向医疗、教育、旅游这些场景的服务。
而这一切的前提，就是接口、规范、安全和可替换性逐渐成熟。
不给权限， Agent干不了事，但权限越大，出错损失越大，尤其是可能对其他的系统产生冲击。
同时，如果所有业务都绑死在一家模型上，一旦涨价、改政策、甚至改个安全规则，整个体系就废了。
这次，DeepSeek Harness把模型也做成可替换的插件，在给开放、多模型的Agent生态留出架构空间。他们也在争夺全球Agent生态里的关键位置，即成为基础设施和标准。
"便宜"也有意义
但我们想指出的是，真正让这个位置值钱的在于，Agent一旦规模化，"便宜"会突然变得重要。
开源不会天然促进产业的繁荣。
开源降低的是获取、修改和组合的门槛，但长期维护开源模型，仍然需要很强的工程能力。这就像是Linux虽然开源，但真正进入的是企业和云计算，开源模型真正利好的也大概率是大公司和云平台。
因此，真正决定自己的模型能不能被大规模采用、能不能卡住生态位置的，是成本。
