在做Harness這件事上，DeepSeek更信搞量化的

DeepSeek那張萌萌噠的招聘海報，相信你也看到了。

藍色背景，卡通虎鯨，配上“Agent Harness研發工程師”幾個大字，看起來像是哪個二次元公司在招實習生。但如果你真這么想，就錯過了一個關鍵信號。

現在做Harness的公司很多，比如Anthropic的Claude Code，以及OpenAI的Codex。

這兩個產品有個共同特點，領導者都是產品出身。

前者的創始人是鮑里斯·切爾尼（Boris Cherny），典型的產品經理，曾在Facebook做過工程和產品領導。

Codex這邊是亞歷山大·安布利克斯（Alexander Embiricos），Dropbox的產品經理。

但是DeepSeek不一樣，這邊Harness的負責人并不是什么產品經理，而是一個在Jane Street干了9年、后來聯創量化基金TSY Capital的交易系統專家——崔添翼。

這個選擇很反常識。一般公司無論做怎樣的產品，找的都是懂用戶體驗、會畫原型圖、能協調需求的PM。

DeepSeek倒好，找了個會賺錢的量化高手。

但我卻覺得DeepSeek反而做對了。

為什么?

因為量化交易和AI Agent的底層邏輯是一樣的。

光有聰明的策略不賺錢，真正把策略變成錢的，是執行系統，是風控系統。

光有強模型也不夠，真正把模型變成生產力的，是工具，是上下文。

DeepSeek不需要產品包裝，也不需要向上管理，公司內部敞開天窗說亮話。

他們唯一需要的，就是跳過中間商，直接找個會賺錢的人，帶著大家一起賺錢。

01

崔添翼其人

2008年，河南安陽一中的崔添翼憑借全國青少年信息學奧林匹克競賽銅牌，被保送進入浙江大學計算機學院。那一年，梁文鋒還在浙大信息與通信工程專業讀研究生。

崔添翼在浙大的四年，幾乎是在ACM競賽的訓練和比賽中度過的。他代表浙江大學參加ACM國際大學生程序設計競賽亞洲區域賽，6次拿下金牌。

在那個年代，ACM競賽圈里流傳著一份講義《背包九講》，作者正是崔添翼。這份講義系統拆解了動態規劃中的背包問題，從01背包到完全背包、多重背包、分組背包、依賴背包，一直到泛化物品。至今仍在GitHub上更新。

2013年畢業后，崔添翼被Jane Street Capital香港分部聘為助理量化研究員，當時他的年薪就超過了百萬人民幣。

Jane Street是全球頂尖的量化交易公司，技術門檻高，面試流程嚴苛。

崔添翼在Jane Street一待就是9年，從事股票和固定收益領域的軟件開發與研究。這9年里，他接觸的不是單純的算法題，還有真實的交易系統、風控系統、回測系統、交易管道和異常處理。

大家都說量化交易就是策略，你有了策略就能賺錢，但其實不是，光有策略是不能賺錢的。

一個策略在回測里表現再好，如果不能被穩定執行，價值接近于零。

真正把策略變成錢的，是執行系統。

策略寫出來以后，一般不會立刻上真金白銀，而是先放進歷史行情里跑一遍，看它在過去那些漲跌里會怎么交易、最后賺不賺錢。這叫回測。但回測只是事后模擬，跑得漂亮不等于實盤也能賺錢。

系統得先看見價格怎么動，再判斷要不要出手，接著把買賣指令送出去，還得盯著交易所回來的結果。“成交了嗎？”、“成交價是多少？”

市場會突然暴漲暴跌，接口會延遲，數據會出錯，策略也可能連續虧損。這時候系統必須知道什么時候停手，什么時候報警，什么時候把交易切斷。

市場沒人等你，延遲哪怕只有幾毫秒，錢就沒了。

這些東西不性感，也不會出現在學術論文里，但它們才是量化交易的核心競爭力。

2022年，崔添翼離開Jane Street，聯合創辦了量化交易機構TSY Capital，專注于全球股票市場的系統化量化交易策略。

從此以后，他就從打工人變成了創業者，他不僅要懂技術，還要從零搭建整套交易系統、組建團隊、管理風險、對接市場。

TSY Capital的團隊成員同樣來自各大名校，但創業的現實比在大公司打工要殘酷得多。2026年2月，有消息傳出崔添翼離開了TSY Capital。

過了一段時間，他在LinkedIn上更新了自己的職位，加入DeepSeek Harness團隊。

“又一個天才加入DeepSeek”這個事已經沒啥新鮮的了，因為DeepSeek壓根就不缺天才。

DeepSeek找來崔添翼，本身也不是讓他過來訓練模型的，而是為了讓他搭建Harness。

對DeepSeek來說，其實Harness就是他們的交易系統。AI Agent的底層邏輯和量化交易是一樣的。

光有強模型不夠，真正把模型變成生產力的，是上下文管理、工具調用、終端執行、測試反饋、權限控制、失敗回滾。

在量化里，不能被穩定執行的策略價值就是0。在AI里，不能安全操作文件、命令、代碼的模型，也只是一個聊天框罷了。

崔添翼加入DeepSeek Harness團隊的真正信號，是DeepSeek終于開始補那套把“聰明”變成“執行”的系統。

這是DeepSeek下半場的開局。

02

從模型效率到工作流入口

DeepSeek上半場的敘事，是模型效率。

V3、R1、開源、低成本、推理能力……

DeepSeek證明了一件事，中國團隊就算沒有那么多卡，也能做出全球級模型。打破了“只有美國大廠才能做強模型”的固有認知。

但是對于用戶來說，永遠都是誰出了什么新模型，我就跑過去用誰的模型。豆包超過DeepSeek的下載量，就是最好的例子。

模型爆紅可以帶來巨大的第一波流量，長期用戶規模要靠產品、場景、運營和生態入口留住。字節的優勢就在這里。

豆包有抖音、剪映、有SeeDance。DeepSeek雖說在模型社區里有聲望，但在大眾產品層面，它并沒有形成豆包那種持續分發和高頻使用能力。

當下半場模型能力趨同時，真正的競爭會從“誰的模型更聰明”，轉向“誰離用戶的工作流更近”。

雖然咱們習慣了ChatBot，可是對開發者來說，聊天框并不是入口，編輯器、終端、代碼庫、CI、文檔、任務系統，這些玩意才是。

Claude Code和Codex這類的產品，也不只是“幫你寫代碼”，而是把模型嵌進開發者的日常操作路徑。

誰占住這個入口，誰就拿到了付費場景。

很多人以為Harness的本質是模型性能，性能越強越好。實際上截然相反，Harness是讓便宜token變得有用的系統。

Agent燒token是事實。

幾年前，語言模型處理的還是很輕的任務，給它一段評論，讓它判斷情緒，幾十個token，幾乎瞬間返回。現在的編程Agent面對的是另一類任務，看完整個代碼庫，找到bug，寫補丁，跑測試，再驗證結果。

一次任務可能消耗上千萬token、持續幾十分鐘，甚至幾個小時，背后還得調用工具好幾百次。

現在的GPT和Claude，本質上是Agent開著豪車送外賣，能跑通，但成本太高了。

便宜確實不是終點，問題是你至少得讓我買得起，我才能舍得用吧？

而且哪怕是同一個模型，換一套Harness，結果就會完全不同。

X上有位叫做Sayash Kapoor的博主做了一個測試。

以Claude Opus 4.5為例，放進Claude Code的Harness，在CORE-Bench Hard上能達到95%。換成一個樸素的Hugging Face配置，成績只剩42%。

同樣的權重、同樣的智能水平，單是Harness就拉開了53個百分點，這個差距還是挺明顯的。

大家拼的已經不是模型了，而是誰的Harness更好。一個更小、更便宜的模型，只要配上優秀設計的Harness，也可能打敗一個大模型加粗糙Harness。

這就是2026年所有頭部大廠都在追求Harness的原因。你模型終究是要使用的。多買幾張卡、多花點時間去訓練模型，提升很小很小。但寫好一個Harness，那簡直是煥然一新。

AI編程已經過了“模型會不會寫代碼”的階段，現在哪還有不會寫代碼的模型？

真正拉開差距的地方，就是模型能不能在真實的代碼庫里穩定干活。

Harness負責組織代碼庫、項目規則、上下文摘要，控制迭代次數、重試策略，把模型的決策轉成shell命令、文件編輯和測試執行，再把測試失敗、日志輸出、瀏覽器截圖重新喂回模型。

AI Agent是一個“思考、行動、反饋、修正”的長循環。這個循環能不能跑穩，靠的就是Harness。

API價格越低，單純賣token賺的錢越少，這是無可爭議的事實。

所以才要有Harness，去把低價的模型包裝進高價值場景。

同樣100萬token，用在聊天里只是問答，用在代碼Agent里可能完成一個bug修復、一次重構、一個功能原型。后者的付費意愿高得多。

DeepSeek需要從賣模型調用，轉向賣工作流結果。這是下半場的核心邏輯。

03

DeepSeek的短板

DeepSeek網頁端很火，APP下載量也很高，但關于模型調用這塊，它是沒有收集渠道的。別人用它的模型跑agent，反饋信息不回梁文鋒那里。

這不是技術問題，這是機制問題，網頁端和APP都是ChatBot，并不能真正去跑工作流。

要想去做Harness產品，你得有一個收集反饋的通道。用戶在哪里卡住了？哪些工具調用失敗率最高？哪些場景下模型表現不穩定？

這就像一家量化公司把策略發出去了，但交易日志、成交回報、風控記錄都在別人手里。你知道策略有人用，卻不知道它到底怎么賺錢、怎么虧錢。

收集不到這些信息，產品就是閉門造車。

Harness最值錢的地方，恰恰就在失敗日志上面。

它改錯了哪一行？跑測試時掛在哪個報錯？終端命令為什么失敗？它有沒有重復讀同一個文件？有沒有在上下文快滿時開始忘事？

拿到更多真實失敗日志，誰就能更快知道Agent到底差在哪里。

Claude Code為什么能在短時間內占到GitHub公開提交量的4%？因為Anthropic不只是做了一個工具，而是建立了一個完整的反饋循環。

它把用戶的每一次失敗和重試，都會變成產品迭代的數據。尤其是那些集中錯誤，直接變成了Claude Code的新Harness。

DeepSeek現在要補的，不只是Harness本身，還有這套收集反饋、快速迭代的機制。

量化里有個詞叫滑點。你以為自己能在這個價格成交，結果真下單的時候，價格已經變了，中間差出來的就是滑點。

Agent里也有滑點。模型以為自己理解了項目結構，結果讀錯文件；以為一條命令能跑通，結果環境變量沒配；以為補丁改好了，結果測試掛了。

這些差距，就是模型從“想明白”到“做成事”之間的滑點。Harness的價值，就是把這些滑點一點點壓低。

還有一點，現在Agent有一個特別讓人頭疼的問題就是“管不住”。

2026年4月，汽車租賃SaaS公司PocketOS，讓一個運行在Cursor里的Claude Opus 4.6編碼Agent，通過Railway調用一次API，結果這個Agent在9秒內刪除了公司的生產數據庫和同卷備份，公司最后只能從三個月前的備份恢復。

在量化公司，最怕的不是策略不賺錢，而是策略失控。虧錢可以復盤，失控會把公司拖死。所以交易系統一定要有風控：虧到什么程度要停，出現異常報價要停，接口延遲太高要停。

Agent也一樣。它能讀文件、改代碼、跑命令，能力越大，風險越大。什么命令不能執行，哪些目錄不能碰，什么時候必須問人，改壞了怎么回滾。

崔添翼值錢的地方在于，他知道什么時候該把模型摁住。

以前在產品體驗這件事上，DeepSeek是不太需要操心的。模型夠強，開源夠快，社區自然會來。

現在不一樣了。開發者對編程工具的容忍度是極低的，因為他們有些人會同時準備很多個編程工具，A工具不行就馬上換B工具。

Ivern AI在2026年4月開發者調查中提到，73%的開發者經常使用2個以上AI編碼工具，只有27%只用一個工具。

除了產品體驗以外，工具生態也是一個大問題。

Claude Code背后有MCP協議、有插件系統，還有各類的Skills。這些東西不是一天建成的，是在無數次的真實使用場景里長出來的。

穩定性是另一個痛點。DeepSeek爆紅之后，服務器壓力暴增，就比如5月28日，DeepSeek就又崩了。

對聊天用戶來說，等幾秒鐘還能接受。但對編程Agent來說，穩定性就是生命線。任務跑到一半，你突然告訴我說API超時了，那所有工作都前功盡棄了。