Ich sehe dieses Release als Angebot zweier Dinge: eines sofort einsatzbereiten Coding-Agent und eines zugrunde liegenden Meta-Harness-Frameworks, ähnlich wie Pi sich zu OpenClaw verhält.
Das erklärt vielleicht auch einen Teil der Kontroversen rund um das Projekt. Die Leute diskutieren nicht immer über dasselbe. Viele Kritiker bewerten Ersteres, während ich mich mehr für das Design des Letzteren interessiere.
DeepSeek Harness macht den Coding-Agent selbst pluggable. Unternehmen und Entwickler können einzelne Komponenten ersetzen und ein Harness zusammenstellen, das zu ihren eigenen Anforderungen passt. Es bietet außerdem einen Creation-Modus für Laufzeit-Selbsterweiterung und iterative Verbesserung.
Auf hoher Ebene sieht das so aus:
- Der Kernel stellt die Laufzeit- und Erweiterungsmechanismen bereit.
- Plugins stellen austauschbare und komponierbare atomare Fähigkeiten bereit.
- Unternehmen wählen Plugins aus der Community aus oder bauen eigene, und verpacken dann den Kernel und die Plugins in ein internes Harness, das auf ihre Anforderungen zugeschnitten ist.
Um zu verstehen, warum das wichtig ist, müssen wir zunächst klären, was wir mit einem Harness meinen.
Was ist ein Harness?
Vor ein paar Tagen hat mir jemand von InfoQ eine Frage gestellt:
Von Kontextmanagement und Aufgabenplanung bis hin zu MCP-Tool-Aufrufen und Multi-Agent-Orchestrierung werden die Harness-Fähigkeiten zunehmend ähnlicher. Wo bleibt der verbleibende Raum für sinnvolle Innovation?
Es gibt noch keine allgemein akzeptierte Definition eines Harness.
Meine Auffassung ist, dass ein Modell die grundlegenden Reasoning- und kognitiven Fähigkeiten eines Agent bereitstellt. Das Harness bestimmt, wie diese Fähigkeiten organisiert, aufgerufen und auf reale Aufgaben angewendet werden. Zusammen definieren das Modell und das Harness die praktischen Fähigkeiten und die Leistung des Agent.
Ich unterteile Harnesses in zwei Schichten.
Ein enges Harness ist das Laufzeit-Framework, das einem Coding-Agent hilft, eine Aufgabe abzuschließen. Es umfasst Kontextmanagement, Gedächtnis, Tool-Aufrufe, Planung, Tests, Validierung und Multi-Agent-Orchestrierung. Es bestimmt, ob der Agent eine Aufgabe zuverlässig abschließen kann.
Ein weites Harness ist das geschlossene System, das es einem Agent ermöglicht, innerhalb einer realen Geschäftsumgebung Validierung, Feedback und Korrektur zu erhalten. Es verbindet den Agent mit den Systemen und Prozessen einer Organisation und hilft ihm, im Laufe der Zeit weiterhin das Richtige zu tun.
Die erste Hälfte des Harness-Problems dreht sich darum, wie ein Agent eine Aufgabe abschließt. Die Fähigkeiten in diesem Bereich konvergieren tatsächlich.
Aber ähnliche Funktionslisten führen nicht zu identischen Ergebnissen. Unterschiede bei Geschwindigkeit, Genauigkeit, Stabilität, Kosten und Fehlerbehebung sind oft unter der Oberfläche verborgen.
Die zweite Hälfte dreht sich darum, wie ein Agent in reale Engineering- und Geschäftssysteme eintritt, Feedback erhält und weiter auf ein Ziel hinarbeitet.
Hier wird die Differenzierung zunehmend herkommen: szenariospezifische Validierung, Feedback-Zuordnung und Closed-Loop-Ausführung.
Entwicklungsplattformen, Produktionslogs, Tracing-Systeme, interne Automatisierungsplattformen, proprietäres Wissen und organisatorische Regeln müssen alle angebunden werden. Ein Agent muss echtes Feedback sehen, feststellen, ob das Ergebnis korrekt ist, die Fehlerquelle lokalisieren und weiter Korrekturen vornehmen.
Diese Schicht ist stark von der spezifischen Umgebung abhängig. Ein Allzweck-Coding-Agent kann sie nicht direkt lösen.
Derselbe Coding-Agent kann sich in einem Team fast magisch anfühlen und in einem anderen völlig nutzlos. Der Unterschied liegt oft im Harness, das das Team darum herum gebaut hat.
Deshalb verpacken so viele Projekte Plugins. Im Kern bringen diese Plugins zuvor verstreute Skills, MCP-Integrationen, Dokumentation und Konnektoren in installierbare, komponierbare und verteilbare Einheiten.
Aus dieser Perspektive wird die Richtung von DeepSeek Harness viel klarer.
DeepSeek Harness noch einmal betrachtet
Die zentrale Botschaft von DeepSeek Harness lautet „Alles ist ein Plugin.“
Noch wichtiger ist, dass es den Coding-Agent selbst pluggable macht. Modelle, Tools, Skills, Sessions, Sandboxes, Speicher, Loops, Scheduling und UI werden alle aus Plugins zusammengesetzt, die ersetzt und neu kombiniert werden können.
Das bedeutet, dass ein Unternehmen Community-Plugins verwenden, eigene szenariospezifische Plugins entwickeln oder die standardmäßig in DeepSeek Harness enthaltenen Harness-Komponenten ersetzen kann.
Im Prinzip erhöht dies die Flexibilität der Sekundärentwicklung und verringert die Notwendigkeit, das gesamte Projekt zu forken, wodurch es einfacher wird, der Upstream-Entwicklung weiter zu folgen.
Das Design erinnert mich an das, was wir vor Jahren mit Egg gemacht haben.
Egg bot einen Laufzeit-Kernel, ein Plugin-System und einen Erweiterungsmechanismus zum Aufbau höherer Frameworks.
Dasselbe Modell lässt sich verwenden, um DeepSeek Harness zu verstehen:
- Der Kernel stellt die Laufzeit- und Erweiterungsmechanismen bereit.
- Plugins stellen austauschbare und komponierbare atomare Fähigkeiten bereit.
- Unternehmen kombinieren den Kernel mit Community- oder intern entwickelten Plugins, um ihr eigenes Harness zu bauen.
Die Idee ist, einen stabilen Kernel beizubehalten und das Ökosystem den Rest erkunden zu lassen.
Wenn diese Richtung erfolgreich ist, könnten wir am Ende mehr als ein oh-my-dsh haben. Wir könnten unzählige Varianten sehen, die für verschiedene Szenarien gebaut wurden.
Wie es bestehende Coding-Agents beeinflussen könnte
Einige Leute in der Community haben scherzhaft gesagt, dass Teams wie MiniMax, Kimi und ZCode sicher lächeln müssen.
Ich bin mir nicht so sicher.
DeepSeek Harness erzeugt möglicherweise keinen unmittelbaren Produktdruck für bestehende Coding-Agents. Seine Wirkung auf Ökosystem-Ebene könnte jedoch viel bedeutender werden.
Liang Wenfengs AGI-Vision und DeepSeeks Open-Source-Modelle bieten bereits zwei starke Sammelpunkte. DeepSeek Harness fügt nun einen interessanten architektonischen Vorschlag hinzu.
Wenn die Architektur einer Prüfung in der realen Welt standhält, könnte sie Open-Source-Entwickler aus der ganzen Welt anziehen. In diesem Fall haben bestehende Coding-Agent-Teams vielleicht nicht unbedingt das letzte Lachen.
Pi, das historisch eine wichtige Rolle unter OpenClaw spielte, wird weiterhin viel diskutiert. OpenCode zieht ebenfalls weiterhin eine loyale Entwickler-Community an. Aber diese Projekte haben Harnesses ohne eigene Foundation-Modelle.
DeepSeek hat sowohl das LLM als auch das Harness. Diese Kombination schafft erhebliches Ökosystem-Potenzial.
Die Community diskutiert in letzter Zeit darüber, wie dasselbe Modell unter verschiedenen Harnesses sehr unterschiedlich abschneiden kann.
Was wäre, wenn DeepSeek Harness irgendwann Teil der gemeinsamen Infrastruktur für den Vergleich von Modellen würde?
Wenn es zu einer bevorzugten Harness-Grundlage in der Open-Source-Community würde und Entwickler nach und nach ein reichhaltiges Plugin-Ökosystem darum herum aufbauten, könnte sich DSH zu einem De-facto-Standard entwickeln. Andere Coding-Agents könnten sich dann in Richtung Kompatibilität mit seinen Schnittstellen und Konventionen bewegen.
Diese Möglichkeiten sind noch spekulativ. Sie basieren auf den heute sichtbaren Ideen und der Architektur, nicht auf bewiesenen Ökosystem-Ergebnissen.
Das Konzept ist überzeugend, und das Potenzial ist real. Was als Nächstes passiert, hängt davon ab, ob die Architektur nach einer mikroskopischen Prüfung des Codes durch Entwickler weiterhin Unterstützung aus der Community erhält.