8月1日，DeepSeek 的 Agent Harness 团队负责人崔添翼发了条内测招募帖。要求很简单：参与过开源 Agent 项目，提交 GitHub 仓库作为代表作。

三天后，769 位开发者报名，712 个开源仓库，合计 120 万 Stars。

评论区秒变「开源 Agent 路演」。报名项目跨越 18 个赛道，智能体框架和编程智能体是最大的两个方向，合计 242 个项目。记忆与上下文 56 个，评测和安全各 24 个。

同一天，LlamaFactory 作者郑耀威开源 PenguinHarness，0.2 元从零构建 Agent，成本是 Codex 的 1/200，准确率从 50% 提高到 90%。

业内有个公式：Model + Harness = Agent。模型负责理解和推理，Harness 负责落地执行。当模型能力越来越强后，竞争焦点转向 Harness 层。

769 份报名记录里，开发者关注三个问题：长任务执行（别跑到一半失控）、上下文记忆（理解持续演进的项目）、评测安全（敢部署到生产环境）。

DeepSeek Harness 最终会是什么样还没有答案，但这场「大摸底」提前勾勒出了一张 Agent 工程路线图。

答案不在模型层，在 Harness 层。Agent 工程化大战，才刚开局。

DeepSeek Agent Harness 开源 PenguinHarness