DeepSeek 一条内测帖，引来 120 万星排队「投简历」
DeepSeek 一条内测帖，引来 120 万星排队「投简历」
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 项目的建立和维护，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」。
一条帖子，炸出 Agent 开源生态全图
报名项目跨越 18 个赛道，几乎覆盖了当前 Agent 基础设施探索的所有方向。
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，占全部项目约三分之一。Top 10 高星项目里，deer-flow（79k 星）探索长周期 SuperAgent 框架，CodeWhale（40k 星）是 DeepSeek 原生项目发展成的编程智能体框架，orca（36k 星）关注多 Agent 编排。
记忆与上下文 相关项目 56 个，累计 194k 星。开发者正在尝试 Git、数据库、知识图谱等不同路线，但 Agent 记忆目前仍没有统一答案。
研究与评测、安全治理 各有 24 个项目。有开发者尝试建立跨 Harness 评测体系，有人关注工具调用权限、文件系统隔离和代码执行沙箱。
这条帖子，提前暴露了 Agent 工程化的能力版图。
Model + Harness = Agent
业内一直有这样一个公式：Model + Harness = Agent。
模型负责理解需求、推理和生成方案。Harness 负责把这些能力落到真实环境：调用工具、操作终端、读写文件、管理上下文、处理执行过程中的错误，最终完成一个完整任务闭环。
DeepSeek 已经在内部用 Harness 完成 DeepSeek-V4-Flash 正式版的基准测试。五组基准——Terminal Bench（终端操作）、Cybergym（安全攻防）、Toolathlon（多工具调用）、DSBench-FullStack 和 DSBench-Hard（全栈开发）——本质上都在测试 Agent 是否具备持续执行复杂任务的能力。
社区猜测，DeepSeek 可能会基于 Harness 打造一款对标 Claude Code、Codex 的 AI Coding Agent，具备自主规划、工具调用、代码执行能力，并围绕长周期 Agent 工作流加入 Memory、项目仓库感知等机制。
这些信息尚未得到官方确认，但方向已经清晰：未来 Coding Agent 的竞争，不只取决于模型能力，也取决于模型之外的工程基础设施。
同一天，LlamaFactory 作者开源 PenguinHarness
8月4日，LlamaFactory 作者郑耀威开源了一个新项目——PenguinHarness。
这个「企鹅驾驭师」能帮你自动完成 Agent 的构建、评测和持续改进，真正从「手动调优 Agent」迈入「Agent 自我迭代」。
核心数据：
0.2 元从零构建新的 Agent，耗时仅为 Codex 的一半，成本低至 Codex 的 1/200
不到一元钱让 Agent 自己变强，无需手动微调，准确率从 50% 提高到 90%
支持 1000 多种模型，无论是 GPT-5.6 还是 DeepSeek V4 都能驾驭
PenguinHarness 是全球首个支持多 Agent 自进化的 Harness。原生支持自我进化，主打轻量、开源、易用。
三天，两条信号，一个方向
8月1日，DeepSeek 内测招募帖发出。
8月4日，PenguinHarness 开源。
三天，两条信号，指向同一个方向：
当模型能力越来越强后，竞争焦点转向 Harness（执行层）。
769 份报名记录里，开发者关注的是三个底层问题：
长任务执行：Agent 能不能稳定跑完一个复杂任务，而不是跑到一半失控
上下文和记忆：Agent 能不能理解一个持续演进的项目，而不是每次从零开始
评测和安全：Agent 能不能被放心部署到生产环境，而不是变成风险源
这三个方向，对应了 Agent 从「能用」走向「好用」的关键迭代路径。
内测名单的意义：找到能提供有效反馈的开发者
DeepSeek 官方尚未公布最终的筛选标准和名单。
但从这份报名统计表来看，真正有价值的，不是寻找「最热门」的项目，而是找到能在产品迭代过程中提供有效反馈的开发者。
第一类：能验证模型能力如何转化为执行能力。比如 akashic-agent 的作者以 V4 Flash 高思考强度模式运行 TerminalBench2.1，拿到 70.8% 的成绩，是基于 DeepSeek 模型调优 Agent 运行时并给出实测结果的开发者。
第二类：能验证 Harness 能否进入真实应用场景。open-design（83k 星）、lobehub（81k 星）、career-ops（63k 星）等高星项目，都已经拥有一定用户基础，长期面对真实用户和实际工作流。
第三类：能提前发现安全风险。有开发者曾挖掘 Codex、Claude Code、Cursor 等产品漏洞，关注权限控制、文件隔离、安全边界问题。
这些来自一线应用的反馈，可能比单纯的测试数据更有价值。
一份提前出现的 Agent 工程路线图
DeepSeek Harness 最终会是什么样，目前还没有答案。
但这场由内测招募引发的开源项目「大摸底」，提前勾勒出了一张 Agent 工程演进的路线图。
有人在解决长任务执行，让 Agent 不会跑到一半失控。有人在探索记忆和上下文管理，让 Agent 能理解一个持续演进的项目。有人在测试安全边界，确保工具调用和代码执行不会成为风险源。
这些项目未必都会进入 DeepSeek 的内测名单，但它们共同回答了一个底层问题：
当模型具备越来越强的推理能力后，如何让它稳定、长期、可靠地完成真实任务？
答案不在模型层，在 Harness 层。
Agent 工程化大战，才刚开局。