Agent-Harness

前几天有人给我发了一份「2026 年 Agent 开发者工具箱」清单，整整 15 个名字：git、gh、docker、uv、node、pnpm、nvm、rg、jq、curl、fzf、just、direnv、python、go。分层清晰，还配了星级。

我顺手在自己这台跑 Agent 的机器上核对了一遍，结果很有意思：15 个里我只装了 7 个。

for t in git gh docker uv node pnpm nvm rg jq curl fzf tmux direnv just mise; do
  command -v "$t" >/dev/null && echo "$t: yes" || echo "$t: NO"
done
# generated by hugo AI

git、gh、uv、node、pnpm、rg、curl 在；docker、jq、fzf、tmux、direnv、just、mise 一个都没有。机器没罢工，Agent 每天照样在上面干活。

所以我没有急着去补齐那 8 个缺口，而是先问了一个更基本的问题：这份清单是按什么标准选的？是给人用的，还是给 Agent 用的？

这两个问题的答案，会导出两份完全不同的清单。

先看一个反直觉的场景。6 月 12 日，Warp 创始人 Zach Lloyd 的 GitHub 账号向开源 demo 仓库 issue-triage-loop 提交了一个 PR #21。PR 的真正作者不是他，而是一个在 Oz 上运行的 Agent。它做的事很克制：回看 issue #16 到 #20 这 5 次 triage 判断，发现其中 4 次被人类维护者纠正，于是把这些纠正压缩成 3 条可复用的规则，diff 只有 8 行新增、6 行删除，最后提出把 triage Skill 从 v1 升到 v2。

一个 Agent，给自己交了一份只有 14 行的「改进申请」，等人批准。这就是 Anthropic 笔下「self-improving agent」的真实形态——它让人联想到模型在线训练、自动改权重，但讲的并不是这些。我把官方文章、Warp 公开 demo、这个 PR 和当前开源实现放在一起看，结论很清楚：持续变化的是版本库里的 Skill 与相关配置。 Claude 负责执行任务、归纳反馈和生成候选修改；Git、评测、权限与人审决定修改能否进入生产。

8 月中旬，DeepSeek 开源了一个叫 DeepSeek Harness（简称 DSH）的项目，Slogan 只有一句话：Everything is a Plugin。写这篇文章时，它在 GitHub 上的 star 数已经突破 17 万——一个 developer preview 阶段的项目，热度超过了绝大多数成熟框架。

很多人把它当成又一个 Agent 框架来看。我看了几天代码和文档，得出一个不一样的判断：它真正改变的不是「Agent 怎么跑」，而是「数字员工怎么造」。

我准备探索一种新的数字员工开发方式：

给 Agent 一个岗位 Spec 和一组 Evals，让 Coding Agent 自主完成数字员工的开发、测试、部署和运维。

数字员工不再通过传统的 Agent Builder 拖拽 Workflow、配置 Prompt、配置工具来构建，而是交给 Harness 里的 Coding Agent 自己把它做出来。这篇文章讲讲为什么，以及它的边界和风险。