DeepSeekHarness刷屏后，又一种Harness新玩法

DeepSeek Harness：一切皆插件的通用执行层基础设施

昨天晚上，AI 圈被一条消息刷屏：DeepSeek 正式发布了 DeepSeek Harness v0.1 开发者预览版，GitHub 仓库半天不到冲上两三万星。

官方给的公式极其简洁：Model + Harness = Agent。模型负责思考推理，Harness 负责其他一切——上下文调度、工具调用、任务状态、反馈与边界。

但比发布本身更值得注意的是 DeepSeek 对这个品类的盖章：当模型能力趋同，胜负手在 harness——套在模型外面的那层壳怎么设计，决定了 Agent 的上限。

DeepSeek Harness 的设计信条就一句话：一切皆插件。

模型、工具、技能、会话、沙箱、存储、循环、调度、UI——所有 Agent 能力都是插件，跑在一个叫 Cordis 的元框架上（底层理念来自北大与 DeepSeek 联合署名的"时空可组合性"论文）。

Cordis 只管插件的挂载、卸载和依赖关系，插件之间通过服务和事件协作。开发者不改一行源码，就能在配置层替换任何组件。

它内置四种模式：

• 标准模式（完整工具链的 coding agent）
• PTC 模式（模型生成代码来编排多轮工具调用）
• 极简模式（只留 shell + 文件编辑器，用于模型基准测试）
• 创造模式（检视运行时、在内存里试验插件、组合出新模式）。

另一个值得注意的设计是轨迹（Trajectory）。

模型看到的一切：系统提示词、思维链、工具调用与结果、子 Agent 调度、每一次上下文注入——全部写入仅追加（append-only）的会话日志，恢复、分叉、检索、回放都基于同一条事件流。

DeepSeek Harness 的定位是"通用执行层基础设施"：它不做任何领域假设，赌的是"可组合性"——harness 的正确形态是一套什么都能插拔的元框架。

这是一条非常合理的路。但它是"横向"的路。

而 DeepTutor 走的是完全相反的"纵向"路线。

DeepTutor：为"学习者"建模的垂直 harness

DeepTutor 的论文开篇指出的问题非常锋利。现有教育类 Agent 是两座"孤岛"：辅导系统诊断出你的错误，但诊断用完即弃；出题系统能生成好题，但出题依据是预设目标，而不是"你最近刚错在哪"。

(a)(b) 此前的辅导与出题 Agent 各自为战、任务局部；

(c) DeepTutor 用混合个性化引擎把辅导痕迹与个性化练习接成闭环

根因是：系统里没有细粒度、持续进化的学习者模型。

它的解法，是一个叫混合个性化引擎的架构，给每个 Agent 的每一步提供两种上下文——领域专长（静态知识奠基 SKG）和学习者感知（动态个人记忆 DPM）。

左侧个性化辅导管线，右侧个性化出题管线，中间是共享的混合个性化引擎*

SKG 把你的教材、论文、笔记拆成原子单元，建双索引：知识图谱管概念间的结构关系，embedding 索引管语义相似，查询时双路召回 + RRF 融合。

这和 Cursor 对代码库建索引思路同构——只不过一个索引函数依赖，一个索引概念依赖。

真正的重头戏是 DPM，核心数据结构叫 Trace Forest（痕迹森林）：你的每一次完整学习交互被存成一棵三层树——L1 会话摘要、L2 规划单元、L3 细粒度执行记录（每次工具调用的输出、证据、校验结果），每个节点带 embedding，全森林语义可检索。

森林之上，三个专门的记忆 Agent 持续"复盘"你的痕迹，维护三视图学习者画像：𝒟s（会话历史与趋势）、𝒟w（有证据支撑的弱点清单）、𝒟r（教学反思——哪种讲法对你有效）。

画像不是对最近对话做一遍摘要，而是一次"工具中介的分析过程"。

最后是角色化注入：规划器拿 𝒟s+𝒟w，写作器拿 𝒟r，出题 Agent 拿 𝒟w 加历史出题模式——按角色做记忆的精确路由，token 预算在知识上下文和记忆上下文之间动态分配。

引擎之上两条管线也很讲究：辅导管线先调查再规划（investigate-before-plan），分步引导求解，循证迭代写作，每句话带可溯源引用；

出题管线先透过"你的弱点"这个透镜生成候选构思，再由一个和生成器不共享推理链的独立校验器把关，计算题还要进沙箱跑代码。

于是形成闭环：辅导暴露的弱点决定下一批题怎么出，做题的结果反过来修正下一次讲解。

五家主流 Harness 大对比

铺垫完了，上总表：

这张表里，我想划三个重点。

重点一：DeepSeek Harness 和 DeepTutor 是 harness 的两种进化方向。

一个往"通用"走——把一切变插件，让 harness 本身成为可组合的基础设施；

一个往"垂直"走——为一个特定领域（学习）建立深度领域模型。

前者赌可组合性，后者赌领域理解深度。

这两条路线不矛盾，甚至互补：DeepTutor 自己就支持 MCP、技能插件，还能在对话中途把 Claude Code、Codex 收编成子代理——垂直 harness 站在通用 harness 的肩膀上，很合理。

重点二：同样记录"痕迹"，目的完全不同。

DeepSeek Harness 的 append-only 日志，记录痕迹是为了工程可观测性——回放、分叉、调试，是给开发者看的 trace。

DeepTutor 的 Trace Forest，记录痕迹是为了理解人——语义检索、跨会话复盘、蒸馏成画像，是给"老师"看的 trace。

一个是日志系统，一个是记忆系统。这个区分，是我认为判断一个 Agent 产品"有没有记忆设计"的试金石。

重点三：反馈回路的判官不同。

编程是 harness 的"easy mode"，因为有编译器和测试当客观判官。

DeepSeek Harness 用极简模式给模型跑基准，本质上也是借这个客观判官。

但学习没有编译器——"你懂了没有"没法 assert。

DeepTutor 的应对是造判官：结构独立的校验器保证出题质量，TutorBench 里的学生模拟器以第一人称扮演真实学习者多轮过招，检验系统是否真的在适应"这个人"。

架构收益，有数据支撑

论文配套构建了 TutorBench：30 个知识库、横跨五大学科、90 个有教材支撑的学习者画像、270 个交互任务，用 LLM 学生模拟器做第一人称多轮评测。

结果：DeepTutor 相对基线个性化指标平均提升 +10.76%；而 CoT、Self-Refine、ReAct 三种常见 prompt 级改造几乎拿不到收益（-0.28% ~ +1.13%）。

提升是架构性的，不是提示词能抄走的。 跨 5 个基座模型，通用 agentic 推理能力平均增强 29.4%——设计对模型不可知。

为什么推荐你去试 DeepTutor

DeepSeek Harness 发布后，很多人问我"harness 这么火，该研究哪个"。我的建议是：想做通用 Agent 基础设施的，去扒 DeepSeek Harness 的 Cordis 插件设计；

想学习"记忆与个性化"怎么做的，DeepTutor 是目前最好的开源样本——痕迹森林、角色化记忆路由、生成器-校验器分离，这些模式搬到任何需要长期服务同一个用户的产品里都成立。

而且它开箱即用：pip install -U deeptutor 或 Docker 一键自托管，接任意 LLM（含本地 Ollama），教材论文喂进知识库就能开始。RAG 引擎可选 LlamaIndex / GraphRAG / LightRAG / PageIndex，还能挂 Obsidian。交互式书籍、数学动画、掌握度路径、三层记忆图谱可视化，产品完成度远超论文 Demo。

DeepSeek 把 harness 变成了通用基础设施，而 DeepTutor 示范了 harness 在一个垂直领域能挖多深。 一个是宽度，一个是深度——研究 Agent 的人，这两个仓库都值得 clone 下来读一遍。

• https://github.com/deepseek-ai/deepseek-harness
• https://github.com/HKUDS/DeepTutor
• https://arxiv.org/html/2604.26962v3