DeepSeek Harness首个候选版实测：开源Agent运行时冲刺1.0还有多远

开源 Agent 运行时的迭代速度正在刷新行业认知。9 月 3 日，DeepSeek 官方发布的 DeepSeek Harness（简称 dsh）0.1.2-rc.1 成为该系列的第一个候选版本，释放出明确的信号：功能基本冻结，接下来全力打磨质量。回顾 release 历史，从 9 月 1 日的 alpha.4 到 3 日的 rc.1，连续三天一天一版，这种冲刺节奏在开源 Agent 框架中极为罕见。rc 版本的到来意味着什么？真实任务中的表现能否支撑起 1.0 的期待？本文基于 headless 模式下的实测结果，为开发者与 AI 实践者提供第一手的评估参考。

迭代节奏透视

连续三天发布三个版本，背后是明确的版本策略转向。从 alpha 阶段的快速试错、功能堆叠，到 rc 阶段冻结新功能、转攻质量稳定，这种节奏把控体现了开源项目从探索期迈向成熟期的关键跃迁。rc.1 的发布意味着项目方认为核心功能已具备可用性，开始收口接口、固化行为模式，让外部开发者和插件作者能够在此基础上稳定构建。对于一个开源 Agent 运行时而言，版本策略的成熟度直接影响社区的信任度和生态的扩展速度——这次冲刺式的迭代节奏，正在为 1.0 正式版奠定基础。

实测一：写跑验闭环

第一个测试任务是让 Agent 生成一个 Python 脚本，计算 100 个随机整数的均值、中位数和极值，并实际运行。dsh 一次通过：脚本生成、命令执行、统计输出全部正确。关键亮点在于它没有止步于“任务完成”——随后自发进行了 5 次重复校验，确认每次都恰好生成 100 个数、均值稳定在 500 附近。这套“写-跑-验”闭环展现了 Agent 的主动质量意识：验证不是被要求的，而是模型自发追加的保障步骤。这种自我加码的能力，在长链路复杂任务中将成为可靠性保障的重要支点。

实测二：临场自我纠错

第二个任务更具实战价值：编写脚本抓取今日头条热榜前 5 条并打印热度值，若头条失败则自动切换至百度热搜。两个细节暴露了真实 Agent 能力的边界与突破。其一，Agent 在编辑过程中将自己写的函数改坏，旧代码与新定义混杂在一起——它没有硬着头皮继续执行，而是主动回读文件、识别错误、整文件重写，最终恢复干净状态后继续执行。这种写坏→自查→修复→继续的自我纠错链路，证明了 Agent 在单任务内处理上下文污染的能力。其二，当百度 wise 接口返回数据缺少 hotScore 字段时，Agent 尝试了加 cookie、改请求头等手段，最终发现通过 platform=pc 参数可绕过字段缺失，成功获取热度值。这段接口字段探测与自动兜底的完整过程，全程不到三分钟，无任何人工干预，展现了 Agent 在真实网络环境下处理异常情况的临场能力。

rc.1 版本关键升级

候选版的核心变化集中在三个维度。透明度和审计大幅增强：会话流默认折叠中间过程，末尾直接显示 token 用量和耗时，一键展开查看精确统计；回合导航支持预览和跳转任意历史轮次。多 Agent 与模型编排优化最密：子代理可在授权范围内自主选模型，调用方可指定提供方、模型和推理力度，甚至为 Claude Code、Codex 单独配置模型；父子代理间升级为 send_message 双向对话，替代原有的单向 report 机制。跨平台与开放性补齐：Python SDK 新增 Windows x64 运行时（此前仅支持 macOS/Linux），ACP 协议补齐会话控制、模型设置、MCP、权限和取消能力，Web 界面开始支持第三方语言，实验性的 Inspector 和 Web Preview 也已上线。更值得关注的是社区信号：oh-my-dsh 开源社区推出了帮插件作者跟随版本升级代码的专用 skill，说明外部开发者已形成一定的插件生态规模。

从实测结果看，dsh 0.1.2-rc.1 的核心 Agent 能力——代码生成、命令执行、网络请求、自我纠错——已相当能打，UI 与多 Agent 编排在快速补齐。但两个变量仍悬而未决：0.1.x 版本的破坏性变更仍时有发生，插件生态的丰富度离“装上即用”尚有距离。候选版的意义正在于此——功能不再削减，剩余工作交给 bug 修复与社区反馈去打磨。dsh 与 Hermes 的定位差异未变：dsh 押注“一切皆插件”的极简内核，Hermes 押注开箱即用的完整生态。rc.1 把前者的完成度又推高了一截，两者真正分胜负的时刻，要等 1.0 正式版发布后才能到来。