这是什么

DeepSeek 近期推出了 Harness —— 一个 Agent（能自主执行多步骤任务的 AI）运行框架。它的核心设计是「一切皆插件」：模型、工具、能力、甚至运行模式，本质上都是一个个可插拔的模块。

一位开发者做了个演示：把 DeepSeek 官方插件开发文档和 arXiv API 文档同时扔给模型，要求它写一个 arXiv 搜索插件。结果模型自己读文档、拆任务、写代码、跑冒烟测试，最后交付了一个能用的插件，甚至顺手还生成了使用说明。

值得关心的是第二步。当 AI 框架本身是「全插件」架构，且 AI 又能自己写插件时，工具开发的成本结构就被改写了。以前写一个定制化 AI 工具，需要人懂架构、懂 API、懂部署；现在，描述清楚需求，模型就能产出。

行业怎么看

支持者认为，这等于 DeepSeek 把 Agent 框架「乐高化」了。中小企业可以基于 Harness 拼装出贴合自己业务的 AI 工作流，不用从零造轮子。模型自己写插件的能力，也降低了插件生态的冷启动门槛。

不同声音也不少。第一，演示者尝试访问 Harness 的 GitHub 文档页面时一度打不开，说明基础设施可能还没准备好承接流量。第二，「AI 写 AI 插件」目前还是玩具级演示，复杂业务场景下的稳定性、错误处理、安全边界都没经过验证。第三，插件生态能否起来，最终取决于有没有足够多的真实业务场景 —— 会写不等于有需求。

也有开发者提醒：这次演示效果高度依赖模型本身的代码能力。换到能力较弱的模型，结果可能完全不同。门槛被踩平的，是顶部模型的门槛，不是所有模型的门槛。

对普通人的影响

  • 对企业 IT：当 Agent 框架全插件化，定制一个贴合自家流程的 AI 助手，成本可能从「项目」降到「配置」。
  • 对个人职场：未来每个人可能都有自己的 AI 插件库，比如自动追踪某个学术领域的新论文、自动整理客户邮件。
  • 对消费市场：小众、垂直的 AI 工具有可能出现爆发，因为开发门槛被 AI 自己踩平了。