120萬星！開發者排隊“投簡歷”，DeepSeek一條內測帖，變成了Agent開源大摸底

DeepSeek一則內測招募貼文，意外點燃了開源Agent社群的熱情。八月一日，DeepSeek的Agent Harness團隊負責人崔添翼公開徵求內測參與者，條件是申請者須曾參與開源Agent專案的建立與維護，並提供GitHub倉庫作為代表作品。原本只是一則技術團隊的常規徵才訊息，卻在短短數日內演變成一場橫跨整個開源生態的全面盤點。 大量開發者帶著各自的專案湧入留言區，從個人Harness、Coding Agent，到記憶系統、安全工具與評測框架，幾乎涵蓋了當前Agent基礎設施探索的所有面向。根據開發者自發性的統計，截至八月三日上午十一點三十分，共計有七百六十九位報名者，扣除重複後共七百一十二個開源倉庫，累計超過一百二十萬顆星數，橫跨十八個技術賽道。原本低調的內測招募，瞬間成為一場公開的開源Agent路演，這份統計資料也被整理成公開的倉庫清單供外界參考。 從目前已公開的資訊來看，DeepSeek已經在內部使用Harness完成了DeepSeek-V4-Flash正式版的基準測試。這項動態讓社群開始推測，DeepSeek下一步可能打造一款專注於軟體工程場景的AI Coding Agent。根據社區流傳的說法，這款產品可能具備自主規劃、工具呼叫、程式碼執行等能力，並針對長週期的Agent工作流程加入記憶機制與專案倉庫感知（Repo Awareness）等功能，在定位上可能對標市面上現有的Claude Code、Codex等Coding Agent產品。 雖然這些資訊尚未獲得DeepSeek官方證實，但從先前公布的Harness基準測試成績來看，DeepSeek的測試重點本身就集中在終端操作、多工具呼叫與全端開發等長流程任務場景。若社群預測成立，Harness所扮演的角色，正是連接模型能力與真實軟體工程流程之間的執行層。而這場由七百多位開發者、七百多個開源倉庫共同參與的評論區路演，也提前揭露了AI Coding Agent走向工程化所需持續升級的關鍵能力版圖：如何讓Agent長時間穩定運作、如何管理專案上下文與記憶、如何控制工具呼叫風險，以及在真實開發環境中完成從理解需求到交付程式碼的完整閉環。 關於Harness的定位，業界一直存在一個簡潔的公式：Model加上Harness等於Agent。模型負責理解需求、推理與生成方案，Harness則負責將這些能力落實到真實環境中，包括呼叫工具、操作終端、讀寫檔案、管理上下文、處理執行過程中的錯誤，最終完成一個完整的任務閉環。將目前公開的資訊綜合來看，DeepSeek Harness的定位已經逐漸清晰：它並非單純的程式碼產生工具，而是在模型與真實軟體工程環境之間增加了一層執行系統。 這項定位在DeepSeek-V4-Flash成績單中的五組基準裡體現得尤為明顯。Terminal Bench測試終端環境操作，Cybergym測試安全攻防能力，Toolathlon測試多工具呼叫，DSBench-FullStack與DSBench-Hard則聚焦全端開發任務。這些測試的共通點在於任務鏈條長、步驟多，需要Agent持續呼叫工具並根據回饋調整策略。DeepSeek選擇的測試方向，更接近一個能夠自主執行軟體工程任務的Agent，而非單純的程式碼生成輔助工具，這也與社群流傳的對標Claude Code、Codex等產品的目標相互呼應。 除了基準測試之外，DeepSeek的生態動作也透露出類似訊號。公開資訊顯示，DeepSeek-V4-Flash已支援Responses API，並適配Codex，走向標準化的工具呼叫協議；識圖模式正在灰度測試中，用以補強程式碼Agent在理解架構圖、報錯截圖等視覺資訊上的能力。這些動作共同指向一個趨勢：未來Coding Agent的競爭，不僅取決於模型能力本身，更取決於模型之外的工程基礎設施是否完備。 七百六十九份報名記錄所反映的，正是開發者對Agent工程化的真實關切。當Agent需要獨立完成一個真實的工程任務時，首先面臨的是長任務執行能力。這是Agent從展示走向生產環境的第一道門檻，若Agent只能完成一次性呼叫，便無法覆蓋Terminal Bench或DSBench這類需要多步驟、多工具協作的複雜任務。從報名專案來看，智慧體框架與程式設計智慧體是最大的兩個方向，合計兩百四十二個，約占全部專案的三分之一。在Top 10高星專案中，deer-flow以七萬九千顆星探索長週期SuperAgent框架，CodeWhale以四萬顆星從DeepSeek原生專案發展為程式設計智慧體框架，orca則以三萬六千顆星關注多Agent編排。這些開源專案路徑各異，但都在解答同一個問題：如何讓Agent在持續執行上走得更遠。 其次是上下文與記憶管理。當任務從幾分鐘延長到幾個小時，Agent所面臨的不僅是推理能力問題，還包括如何保存狀態、理解專案歷史，並在後續任務中正確呼叫既有資訊。在報名統計中，記憶與上下文相關專案共有五十六個，累計十九萬四千顆星，即使剔除頭部專案vllm的八萬八千顆星後仍約有十萬六千顆星。開發者正在嘗試透過Git、資料庫、知識圖譜等不同技術路線來解決這個問題，但Agent記憶至今仍未有統一答案。 最後是評測與安全。研究與評測、安全治理兩個方向各有二十四個專案，是報名生態中規模較小的類別，卻決定著Agent能否真正進入生產環境。有開發者嘗試建立跨Harness的評測體系，也有開發者關注工具呼叫權限、檔案系統隔離與程式碼執行沙箱。如果長任務執行與記憶解決的是Agent能不能完成任務的問題，那麼評測與安全解決的則是Agent能不能被放心使用的問題。這三個方向對應了Agent從能用走向好用的關鍵迭代路徑：長任務執行能力決定Agent能否完成複雜工作，上下文與記憶能力決定Agent能否持續參與長期專案，而評測與安全能力則決定Agent能否被真正部署到生產環境。 DeepSeek官方尚未公布最終的篩選標準與名單，或許未來也不會公開。但從這份報名統計表來看，真正有價值的，是開發者們正從不同角度探索Agent落地應用的路徑。對於DeepSeek Harness團隊而言，內測名單的意義或許並非尋找最熱門的專案，而是找到能夠在產品迭代過程中提供有效回饋的開發者。首先，是驗證模型能力如何轉化為執行能力，這正是Harness的核心挑戰。名單中的akashic-agent作者，便是在V4 Flash高思考強度模式下運行TerminalBench 2.1，取得百分之七十點八的成績，是基於DeepSeek模型調校Agent執行時並給出實測結果的開發者。 其次，是驗證Harness能否進入真實應用場景。一個Agent基礎設施最終能否成功，不僅取決於底層技術能力，也取決於它是否真正滿足開發者與應用場景的需求。這次報名中的open-design、lobehub、career-ops等高星專案，都已累積一定的使用者基礎，並處於Agent應用生態的上層。這些開發者長期面對真實使用者與實際工作流程，能夠幫助DeepSeek了解Harness在不同場景中的使用需求。對於仍處於探索階段的Agent基礎設施而言，這類來自一線應用的回饋，往往比單純的測試數據更具參考價值。 此外，Agent產品化還需要提前發現安全風險。隨著Agent取得更強的工具呼叫與程式碼執行能力，權限控制、檔案隔離與安全邊界等問題將日益重要。報名區中有開發者曾挖掘Codex、Claude Code、Cursor等產品的漏洞，關注的正是這些Agent從展示走向產品化時必須面對的挑戰。當然，這份名單並非完整樣本，由於留言區天然混雜報名、討論與圍觀，加上提交格式不統一，部分專案仍存在身分無法確認、倉庫失效或描述缺失等問題。這份統計檔案也並非完全精確，外界在核查過程中已發現部分開源專案的分類出現錯誤，例如有遊戲相關專案被歸入安全領域，但整體而言仍具參考價值。同時，許多高星專案的報名者並非作者本人，有部分僅是提交過Pull Request的參與者，並不能完全代表這些Agent專案的全貌。 DeepSeek Harness最終會以什麼樣貌呈現，目前尚無定論。但這場由內測招募所引發的開源專案大摸底，已經揭露了Agent時代的競爭焦點。七百六十九份報名記錄、七百一十二個開源倉庫與一百二十萬顆星數背後，開發者關注的是一個根本性問題：當模型具備越來越強的推理能力之後，如何讓它穩定、長期且可靠地完成真實任務。有人在解決長任務執行，避免Agent中途失控；有人在探索記憶與上下文管理，讓Agent能理解持續演進的專案；也有人正在測試安全邊界，確保工具呼叫與程式碼執行不會成為新的風險來源。這些專案未必都會進入DeepSeek的內測名單，但它們已經提前描繪出一張未來Agent工程演進的路線圖。