跳转至

DeepSeek Code Harness：对标 Claude Code 的中国方案

Ch01.421 DeepSeek Code Harness：对标 Claude Code 的中国方案

📊 Level ⭐⭐ | 8.5KB | entities/deepseek-code-harness-competitor-tina.md

DeepSeek Code Harness：对标 Claude Code 的中国方案

摘要

Claude Code 定义了当前 AI 编程工具的上限，但它不对中国开发者开放。这个缺口就是 DeepSeek 的机会。2026 年 5 月，DeepSeek 公开组建 Harness 团队，从零开始构建对标 Claude Code 的代码智能体产品。本文（作者 Tina）深度分析了这一战略选择的技术背景、行业逻辑和竞争格局，核心命题是：Model + Harness = Agent——只做模型远远不够，必须掌握 Harness 工程能力。

核心要点

DeepSeek 公开招兵买马

2026 年 5 月中下旬，DeepSeek 在官网、小红书、X 三个平台同步放出招聘信息，目标是组建全新的 Harness 团队。官网发布的「Agent Harness 产品经理」和「Agent Harness 研发工程师」职位，开头写着醒目的公式：Model + Harness = Agent。团队定义很清楚：把 DeepSeek 的前沿模型能力转化为领先的 Agent 产品，除模型本身以外的所有工作都属于 Harness 范畴。

关键招聘细节： - 小红书上「陈小礼」直言：「简单来说就是对标 Claude Code，做 DeepSeek Code Harness」 - 高级研究员陈德里（Deli Chen）在 X 上发布招聘推文，获得超 30 万次浏览、1600+ 点赞 - 职位要求候选人深度使用过 Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes 等产品 - 加分项写着「其它超乎常人的与工作相关的才能」——极客气质 - 已招揽曾在 Jane Street 工作多年的工程师 Cui Tianyi 加入团队

Anthropic 的垄断与封锁

Anthropic 在企业 AI 采用率上已超越 OpenAI：过去一年客户增长接近四倍，首次采购 AI 服务的企业中约 70% 选择 Anthropic。Claude Code 推出预览版不到一年就跑出数十亿美元年化收入，占 GitHub 公开提交量的 4%，日活用户一个月内翻倍。

然而 Anthropic 官方明确禁止中国大陆访问，2025 年 9 月更出台政策：任何由中国资本控制超 50% 的公司，不管注册地在哪都不准用。CEO 达里奥·阿莫迪公开主张对中国实施技术制裁。结果是：全球最好的 AI 编程产品之一正在重新定义软件开发，而中国开发者连正式使用的资格都没有。尽管封禁存在，灰色渠道仍在扩大——Claude Code 越强，缺口越大。

Harness 为什么成了必争之地

同一个模型换一套 Harness，结果可能完全不同。Claude Opus 4.5 在 Claude Code 的 Harness 下，CORE-Bench Hard 达到 95%；换成朴素的 Hugging Face Smolagents 配置只剩 42%——同样的权重，Harness 拉开 53 个百分点。Terminal Bench 上头部清一色用 Claude Opus 4.6，拼的已经不是模型，而是谁的 Harness 更好。

AI 行业的关注点一直在往模型外层移动： - 2022 年：权重、微调、RLHF - 2023 年：上下文、RAG、长上下文 - 2024 年：工具调用、MCP - 2026 年：Harness

现代 coding agent 面对的任务已完全不同：看完整个代码库、找到 bug、写补丁、跑测试、验证结果——一次任务消耗上千万 token、持续几十分钟、数百次工具调用。Harness 负责组织代码库、项目规则、上下文摘要；控制迭代次数、重试策略和任务边界；把模型决策转成 shell 命令、文件编辑和测试执行，再把反馈重新喂回模型。

模型与 Harness 共同演化

Claude Code 的演进史说明模型和 Harness 从来不是两条分开的线：

时间 模型 Harness 变化 稳定运行时长
Sonnet 3.5 首次展现编码潜力 Artifacts 中自验证构建 秒级
Sonnet 3.7 发布 Claude Code 研究预览版发布 分钟级
Opus 4 / Sonnet 4 上下文管理提升 Claude Code GA + SDK 开放 数十分钟
Sonnet 4.5 上下文感知但不稳定 Checkpoints（回退机制） ~30 小时
Haiku 4.5 + Opus 4.5 模型分化 Opus 规划 + Sonnet 执行分工；Skills 渐进式披露 —
Opus 4.6 + Sonnet 4.6 Opus 级智能 + 更低价 Agent teams、server-side compaction、100万上下文 ~12 小时

Anthropic 的总结：「找到模型里的缺口，用 Harness 补上，再用 Harness 的数据去训练模型——到某个时间点，那部分 Harness 可能就不再需要了，然后循环继续。」

Harness 的商业化格局

各家都承认这层很重要，分歧在于它应该是什么： - Anthropic：托管运行时单独计费，按会话小时收费 - Google/Microsoft：会话、内存、代码执行、工具调用拆成平台消费项 - OpenAI：Agents SDK 开源，不额外收运行时费用，只对模型和工具调用收费

深度分析

DeepSeek 的战略逻辑

DeepSeek 做 Harness 的逻辑不是「我们要做一个更好的工具」，而是「我们没有别的选择」。Anthropic 的封锁创造了一个明确的市场真空。但 DeepSeek 面临的真正挑战不是做出一个 Claude Code 的外壳，而是建立自己的长时运行闭环：让模型在真实代码库里工作，让 Harness 记录失败、分析原因，把失败变成下一轮产品设计和模型训练的输入。

从 Harness Engineering 视角看

DeepSeek 的公式 Model + Harness = Agent 是对 Harness Engineering 理念的商业化表达。核心挑战在于： 1. 上下文压缩：长时运行必须解决上下文窗口有限且越跑越乱的问题 2. 任务边界控制：模型总高估自己的完成度——明明半成品却说「好了」 3. 失败路径学习：Harness 的真正价值不在于让模型成功，而在于系统化地学习失败

与 Claude Code 内部机制 的对比

Claude Code 的核心是一个 loop：调用模型 → 运行工具 → 拿到反馈 → 继续调用。真正的护城河在外围：权限控制、上下文压缩、MCP 工具、插件、Skills、Hooks、Subagent 调度、会话存储和安全策略。DeepSeek 需要在每个环节建立自己的工程积累，这不可能通过简单复制完成。

飞轮效应的竞争壁垒

Anthropic 已经建立了一个正向飞轮：模型越强 → Harness 越顺手 → 使用越多 → 失败数据越丰富 → 模型进步越快。DeepSeek 要打破这个飞轮，需要在以下维度建立差异化： - 价格优势（DeepSeek 模型已具成本优势） - 本地化适配（中文代码注释、国内开发工具链） - 开源社区生态（DeepSeek 已有开源基因）

实践启示

  1. 关注 DeepSeek Harness 的进展：作为中国开发者唯一可合法使用的前沿 coding agent 替代方案，其产品成熟度将直接影响国内 AI 编程生态
  2. 理解 Harness 的价值：不论使用哪家产品，Harness 设计质量是 AI 编程效果的最大变量——比模型选择更重要
  3. 模型 + Harness 共同演化的思维：不要期待一个模型版本解决所有问题，关注模型与脚手架的协同迭代
  4. 长时运行是关键能力区分：会写代码 vs 能完成任务的分界线在于运行时长，评估 AI 编程工具时关注其长时间运行的稳定性

相关实体

→ 原文存档