据接近DeepSeek的内部人士透露，该公司正在组建一支名为Harness的新团队，专注于开发代码智能体产品，直接对标Anthropic旗下的Claude Code。这一消息得到了DeepSeek资深研究员陈德里的证实，他在社交媒体上明确表示，团队正在推进Harness方向的产品与研究，目标是打造DeepSeek版本的代码智能体解决方案。
此次招聘释放了两个核心岗位：Harness产品经理与研发工程师，工作地点限定在北京海淀区融科资讯中心。该区域毗邻北大、清华，被官方定义为“百年京张AI创新带”，同时因王慧文等科技界人士的聚集而备受关注。招聘页面特别强调，岗位的核心任务是将DeepSeek的前沿模型能力转化为具备实际应用价值的Agent产品，涵盖上下文管理、工具调用、任务规划、文件操作、代码修改等关键环节。
DeepSeek在岗位描述中提出一个关键公式：Model + Harness = Agent。这一表述揭示了公司对产品化的核心认知——模型仅是基础，而Harness系统才是让智能体真正融入工作流的关键。具体而言，Harness需要承担终端执行、反馈回收、评测闭环等功能，确保模型能力能够落地于真实开发场景。招聘内容进一步指出，团队将深度参与桌面端Agent产品的全流程开发，并定义DeepSeek对Harness的技术理解。
行业分析指出，DeepSeek此举并非简单开发代码助手工具，而是试图构建模型与实际工作流之间的桥梁。过去一年，AI代码生成领域已形成共识：模型本身的代码能力与开发者实际使用率之间存在显著差距。以Claude Code和Codex为例，其成功在于提供了完整的工程智能体功能，包括终端操作、项目理解、文件读写、错误修复、Git管理等，而非仅提供聊天框内的代码片段。DeepSeek显然意识到，仅凭模型优势不足以改变开发者工作方式，必须补齐“模型到行动”的中间层。
Harness团队的定位体现了DeepSeek对AI产品逻辑的重构。传统模式下，研究团队训练模型后交由产品团队封装应用，两者相对独立。但在Agent时代，DeepSeek试图打破这一顺序：产品不再仅仅是模型能力的输出渠道，而是成为模型进化的训练场。例如，代码Agent在真实项目中的失败可能源于模型对长上下文压缩方式的缺陷，或任务拆解策略的不稳定，而非单纯的代码生成能力不足。Harness团队的价值在于将真实开发任务转化为模型持续优化的反馈源，实现产品与模型的共同进化。
DeepSeek在代码模型领域已有深厚积累，从DeepSeek-Coder到DeepSeek-Coder-V2，其支持的编程语言、上下文长度和复杂任务处理能力不断提升。然而，这些能力长期停留在模型层面，未能有效转化为开发者日常使用的高频产品。Claude Code的流行印证了一个趋势：AI coding的竞争正从模型能力转向开发者工作流入口的争夺。这迫使DeepSeek必须填补这一空白，否则将错失关键市场。
值得注意的是，在DeepSeek官方行动前，开发者社区已自发推出类似项目。例如，开源工具DeepSeek-TUI凭借终端操作、文件管理、Git集成等功能在社区走红，其吸引力在于低成本、国内可用、上下文长等优势。但社区项目的局限性同样明显：无法掌握模型训练节奏、缺乏系统性反馈机制、难以实现长期生态运营。DeepSeek官方下场开发Harness，正是为了整合模型团队、接口设计、训练数据闭环等资源，将社区探索转化为可持续的主干产品。
陈德里此前在公开场合强调，DeepSeek坚持长期主义，聚焦前沿智能突破，舍弃短平快的支线业务。此次组建Harness团队，标志着公司从模型竞争转向Agent生态竞争的战略转型。通过为模型“装上双手”，DeepSeek试图在代码智能体领域建立新的技术壁垒，重新定义AI与开发者工作流的融合方式。
