大黑鲸鱼来啦！DeepSeek Harness五项实测！它能不能比肩Claude code ？
盼星星盼月亮
大蓝鲸鱼的大黑鲸鱼终于上线预览版了！！！
这一个月DeepSeek真是站在风口浪尖上
先是DeepSeek v4 flash正式版杀疯了
然后是DeepSeek宣布涨价后，出现了梁文峰滑动变阻器
接下来又是昨晚DeepSeek V4pro正式版虚晃一枪
今天刚好让我们来测试下DeepSeek Harness效果怎么样！
DeepSeek Harness 五项能力实测
我们今天测试的是：
DeepSeek 有了自己的 Harness 以后，到底能不能成为一个完整的 Coding Agent？
真正的 Agent 需要自己规划、调用工具、发现问题、重新修改，甚至把任务交给其他 Agent。
DeepSeek Harness
所以今天我们用五关看看：
DeepSeek Harness到底有没有资格对标 Claude Code 和 Codex。
测试准备
我们今天的测试围绕一个项目进行：
第一关让 DeepSeek 自己从零创建。
后面的四关全部接着这个项目继续测试。
从创建
→ DeepSeek指挥其他DeepSeek干活 → 联网补充数据 → 出 Bug 后自己修复 → Harness 自我成长
第一关：DeepSeek自主建立项目
我们先测试最基本的 Agent 能力：
我只给目标，它能不能自己决定怎么完成。
不告诉它先创建什么文件，也不告诉它用什么框架。
直接输入这段
在当前目录从零创建一个名为
agent-radar的项目。
>
它是一个简单、现代、有科技感的 AI Agent 项目 Dashboard。
>
页面至少包含：
>
1. AI Agent 项目卡片 2. 搜索 3. 分类筛选 4. 收藏 5. 深色模式
>
在开始编码之前，先自己分析任务，制定 Plan，并建立 Todo。
>
然后按照自己的计划执行。
>
你可以自主创建文件、安装依赖、运行命令和修改代码。
>
完成以后必须自己启动项目并进行验证。
>
如果发现报错，继续修复，直到项目可以正常运行。
>
不要询问我下一步应该做什么，除非涉及真正需要人工授权的操作。
跑了十几分钟后，DeepSeek交出了他的答卷
通过标准
最终项目正常运行。
并且整个过程基本没有要求我一步一步指挥。
第二关： 多 Agent 协作：DeepSeek指挥其他DeepSeek干活
这一关开始真正体现 Harness。
我要看看：
DeepSeek 能不能自己调度多个 Agent。
Claude Code codex 以及其他知名产品，都有调用多个agent完成能力的功能。
DeepSeek 想坐到同一张桌子上，这项很重要。
我们来看看DeepSeek能不能指挥其他DeepSeek干活？
直接输入
现在检查刚才创建的
agent-radar。
>
请使用 Subagent 并行完成三个独立任务：
>
Subagent 1：检查 UI 和视觉体验。
>
Subagent 2：检查代码质量、项目结构和潜在 Bug。
>
Subagent 3：检查功能是否正常，包括搜索、筛选、收藏和深色模式。
>
主 Agent 不要直接替三个 Subagent 完成检查。
>
等三个 Subagent 返回结果后，由主 Agent 汇总结论、判断优先级，并完成最值得修改的三个问题。
>
修改结束后重新运行并验证项目。
DeepSeek交出了这份答卷
完成的相当不错，速度也非常快。
通过标准
不同agent真正完成不同工作。
主 Agent 最终完成整合和修改。
第三关：跨工具连续执行
我要测什么呢？
现在测试 Harness 最核心的价值之一：
模型能不能连续使用不同工具完成一个真实目标。
这里不能只写代码。
它需要：搜索互联网，读取资料，整理信息，修改文件，运行命令，最终验证网页
直接输入
继续完善
agent-radar。
>
请使用当前 Harness 可以使用的 Web 搜索能力，寻找目前值得关注的 5 个开源 AI Agent 项目。
>
尽量读取项目的一手资料。
>
为每个项目整理：
>
项目名称、主要用途、核心特点、项目链接。
>
然后把这些真实信息加入当前
agent-radar页面。
>
不要只把搜索结果告诉我。
>
你的最终目标是把信息真正写入项目并展示在网页中。
>
完成后启动项目，检查数据是否正常显示。
>
如果中途任何工具调用失败，请自己选择替代方案继续完成任务。
通过标准
网页最终出现真实搜索得到的数据。
整个过程中我没有人工复制粘贴搜索结果。
第四关：故障自救
这一步，我们耍点花招，
我们删掉其中任意一个文件，然后交给DeepSeek去审查，看它能不能找到这个错误。
真正的 Agent 经常都会犯错。
所以重点是他能不能快速发现并且改正错误·。
现在看看 DeepSeek 能不能做到。
直接输入
agent-radar现在出现了故障。
>
我不会告诉你故障在哪个文件，也不会告诉你是什么原因。
>
请你自己：
>
运行项目；
>
读取错误；
>
定位根因；
>
修复问题；
>
重新运行；
>
验证功能。
>
如果第一次修改没有解决问题，继续诊断。
>
在真正验证项目恢复正常之前，不要宣布任务完成
可以看到DeepSeek非常快的就找到了我偷偷删改的文件，然后马上把他就补全了回去。
全程花费2分钟
通过标准
它自己找到我制造的问题。
项目恢复正常。
问没有告诉它 Bug 在哪里。
第五关：Harness 自我扩展
最后来一个真正属于 Harness 的测试。
DeepSeek Harness 的公开架构里甚至已经存在 self-modification 模块，官方仓库对这一部分的描述是让 Agent 检查和挂载自己的插件。
所以最后我想看看：
它能不能理解自己的 Harness，并给自己增加一个工作能力。
直接输入
现在不要继续普通开发。
>
请先检查你当前 DeepSeek Harness 可以使用的 Plugins、Skills、Tools 和相关能力。
>
我要测试 Harness 的扩展能力。
>
请尝试为当前工作环境增加一个简单、可验证、项目级的能力：
>
创建一个名为
project_health的能力。
>
它运行以后至少能够检查当前
agent-radar项目的：
>
1. 源代码文件数量 2. TODO / FIXME 数量 3. 当前项目是否可以成功 Build
>
优先使用 DeepSeek Harness 当前支持的 Plugin、Skill 或 Self Modification 机制实现。
>
不要修改当前项目之外的重要系统配置。
>
完成以后必须真正加载或调用这个新能力一次，并展示运行结果。
>
如果当前 Developer Preview 暂时无法安全完成某种扩展，请明确指出受限在哪一层，并尝试使用 Harness 当前支持的其他扩展机制完成同样目标。
这一关居然真的跑通了。
DeepSeek 给自己创建了一个工具，而且这个工具已经被 Agent 注册、调用，并实际执行了项目 。
更有意思的是，中间还撞上了 Harness 的沙箱权限限制，但它自己换了一条路径继续完成任务。
通过标准
最终出现一个之前没有的 project_health 能力。
并实际返回项目检查结果。
如果无法实现，也观察它能不能准确解释当前 Harness 的限制。
五关跑完以后，我觉得 DeepSeek Harness 意义已经很明显了。
DeepSeek harness又将带来AI行业的一次巨大变化，
今天五个简单的测试，初步证明了DeepSeek的harness有足够的实力。
DeepSeek Harness 当前仍然处在预览期，而且官方明确提醒未来还会有兼容性变化。
我们期待一下大蓝鲸向大黑鲸鱼的转变，