DEEPSEEK HARNESS · AI

从 DeepSeek Harness 看
互联网与 AI 的阶段性发展

从互联网演进坐标,理解 AI 当前阶段与 Harness 的新变化
本文先建立一条互联网演进的坐标轴,回答“AI现在走到了哪里”;再把 DeepSeek Harness 作为一个观察样本,说明完整 Agent 如何变成可安装、可替换、可组合的运行系统,以及这种结构为什么会进一步指向 self-evolution。
核心结论
AI已走完“统一入口”与“精准匹配”,正在进入 Agent 完成任务的阶段。DSH提供的新观察是:Agent不必永远作为一个固定产品存在,它可以被拆成由中心运行环境统一组织、由分散插件持续供给和更新的组件系统。
第一部分

互联网的五个阶段,以及AI走到了哪里

这一部分只建立演进坐标,不急着讲腾讯和 DSH。把互联网历史切成五段,再逐段问一句:AI 的对应形态是什么?

互联网五阶段与AI时代对应关系图
图1 互联网五阶段与AI时代的对应关系
阶段 1 门户:降低进入新技术的门槛 对应AI · 早期 ChatGPT
本质:大而全、统一入口、先教育用户再细分需求

早期互联网复杂陌生,门户用大而全的首页把新闻、邮箱、聊天室集中起来,解决“用户如何进入互联网”。对应到 AI,就是早期 ChatGPT:把写作、问答、翻译、编程放进一个对话框,让所有人都能用 AI。

阶段 2 搜索:提高供需匹配效率 对应AI · Web Browser / RAG / 知识库 / 模型路由
本质:供给已经足够多,如何精准找到当前需要的内容

网页越来越多,门户无法预先整理全部供给,搜索开始按用户意图动态匹配信息。对应到 AI,就是联网搜索、RAG、企业知识库、模型路由、垂直知识问答,不再只靠一个模型回答所有问题。

阶段 3 垂直产品:从提供信息到完成事情 对应AI · Agent
本质:不只回答问题,而是交付结果

搜索只能把用户送到目标网站,不能替用户持续聊天、购物、旅游。于是出现微信、淘宝、携程等产品,围绕特定任务建立稳定身份、数据、关系和流程。对应到 AI,就是 Agent:调用工具、拆解任务、保存状态、执行多步骤、尝试交付结果。

正在进入,尚未完成 今天的 Agent“偶尔能做成”已被证明,但“长期稳定完成”仍不足:权限、记忆、错误恢复、结果验证、责任边界都还在发展。

阶段 4 应用商店:从产品竞争到应用生态 对应AI · Harness / 插件 / Skills / Agent模板
本质:让大量独立产品在统一环境中分发和运行

独立 App 越来越多,新问题变成:用户如何发现、下载、安装?开发者如何获客?系统如何管权限和支付?于是出现 App Store、Google Play、91 手机助手、应用宝。对应到 AI,正在出现的可能是 Harness、插件、Skills、Agent 模板、工具市场、Agent 运行环境

DeepSeek Harness 代表的主要是第四阶段的开端。它还不是成熟“AI 应用商店”,但已把模型、工具、Skills、会话、存储、沙箱、Agent loop 和 UI 变成可安装、替换、组合的模块。

阶段 5 超级App与小程序:降低服务的启动成本 对应AI · 能力即时出现 / 用完即走
本质:用户不必启动一个完整产品,就能获得一项服务

应用商店解决了分发,但用户仍要下载、注册、登录、学习。微信小程序让服务直接复用微信的身份、关系、支付和场景入口。对应到 AI,第五阶段还没真正出现,但可预测为:AI 能力在当前场景即时出现,多个服务围绕一次任务临时组合,用完即走

AI 当前的位置:第三阶段正在落地,第四阶段刚刚出现。

AI 已走完统一入口(门户/ChatGPT)和精准匹配(搜索/RAG),正在从 Agent 产品进入 Harness 与插件生态;再下一阶段,可能是 AI 服务脱离完整产品,在具体场景中被低成本、即时地调用。

第二部分

从DSH的实际用法,看能力如何被组织

核心结论
DSH最值得观察的,不是它是否做出了一个大而全的 Agent,而是它展示了另一种能力组织方式:中心负责理解任务和统一运行,分散插件负责提供专业能力。

1. 我们在DSH里实际看到了什么

先不讨论 DSH 最终会形成多大的生态,只看当前产品中已经能够观察到的使用方式:

DeepSeek Harness插件市场中的能力分类与插件列表
图2 DSH插件市场:能力以可分类、可发现、可安装的插件形态进入统一运行环境

标准模式降低使用门槛,创造模式开放组合空间。两种模式共享同一个 Harness。

2. 它改变了什么

过去,开发者通常交付一个完整 Agent:选定模型、接好工具、写好工作流、配置记忆和界面,再把整套产品交给用户。即使只擅长其中一个环节,也往往需要把其他部分一起建设。

DSH展示的变化是:不一定要交付一个完整 Agent,也可以只交付一个专业组件。有人提供模型接入,有人提供记忆,有人提供行业 Skill,有人提供工作流或界面。组件进入统一运行环境后,可以被其他 Agent 安装、替换、调用和再组合。

这意味着 AI 时代的生产单位可能从“完整 Agent”进一步缩小为“可复用能力”。一个开发者不必解决全部问题,只需要把自己最专业的部分做成可以接入系统的组件。

变化的重点不是多了几个插件,而是专业能力可以脱离完整产品,独立交付和继续复用。

3. 它提出了什么问题

DSH进一步提出了一个比插件本身更重要的问题:AI 时代的能力,究竟应该怎样组织?

一个中心化助手拥有全部能力分散服务分别提供专业能力
体验统一,用户只面对一个入口专业开发者只建设自己擅长的能力
权限、状态和责任边界更容易管理能力可以独立更新,供给更加多样
中心团队需要覆盖不断扩张的需求不同组件的质量、安全和兼容更难统一
容易形成大而全但反应缓慢的系统如果缺少统一入口,用户需要自己寻找和组合

这并不是简单的产品形态选择,而是平台的分工问题:谁理解用户,谁生产能力,谁决定怎样组合,谁对最终结果负责?

真正的问题不是要不要中心,而是中心是否必须亲自生产并拥有全部能力。

4. 更可能的答案:中心化编排 + 去中心化供给

从 DSH 当前呈现的形态看,更可能的答案不是二选一。用户仍然需要一个稳定、低门槛的中心入口,但中心不必独自生产所有能力。

中心化编排去中心化供给
统一理解用户意图和上下文不同开发者提供模型、工具、Skills和工作流
选择能力并组织任务执行顺序专业组件可以独立开发、发布和升级
管理权限、状态、确认和结果验证同一个组件可以被多个 Agent 继续复用
提供默认组合,避免用户从零配置用户或开发者仍可按需要替换部分能力

中心保留入口、理解、编排和治理,分散服务提供不断增长的专业能力。

关于 Self-Evolution 的延伸观察:插件更新与自我进化具有相同的结构前提,也就是系统知道自己由哪些组件构成,并能单独替换其中一部分。但普通插件更新仍由人开发和安装;真正的 Self-Evolution 还要求 Agent 根据运行反馈提出改动,通过评测决定接受或回滚。因此,DSH当前证明的是组件可更新,还不是 Agent 已经能够自主进化。

延伸阅读:The deepseek of DeepSeek HarnessCordis论文Harness Engineering for Self-Improvement

一句话收束
DSH展示的不是一个拥有全部能力的超级 Agent,
而是一种新的分工方式:
中心理解用户并编排任务,
分散组件提供专业能力,并被持续安装、替换、调用和再组合。