AI、模型、Agent、Harness：四个词到底什么关系？

先从一场股灾说起

　　2025 年 1 月 27 日，英伟达股价单日暴跌约 17%，市值蒸发近 6000 亿美元，创下当时美股历史最大单日市值损失。引发市场震动的关键因素之一，是一家杭州公司几天前刚开源的模型——DeepSeek-R1：它让投资者重新评估，高水平 AI 是否一定要靠此前设想的巨额算力投入。

　　那几天，连我家的家族群都在转“DeepSeek 爆了”。但听得多了，你会发现一个有意思的现象：同一个人嘴里的“DeepSeek”，前一句指手机里那个 App，后一句指模型本身，再后一句又变成了“用 DeepSeek 帮我写周报的那个智能体”。

　　这真不能怪大家。AI、模型、Agent、Harness，这四个词本来就长在完全不同的层面上，却天天被当成同义词搅在一起。这篇文章就把它们放回各自的历史里，一个一个拆开——顺便回答开头埋下的问题：你说的 DeepSeek，到底是哪个 DeepSeek？

　　先给一句粗略的关系判断：AI 是一个研究领域，模型提供能力；模型在 Harness 提供的运行机制支持下，可以组成能够自主推进任务的 Agent。全篇就按这条线讲，先上地图：

AI：一个 70 岁还在出爆款的老学科

　　1950 年，图灵发表《Computing Machinery and Intelligence》，没跟人争论“机器能不能思考”这种哲学问题，而是换了个可操作的判法：如果你在对话里分不清对面是人还是机器，那该不该承认它在思考？这就是图灵测试。

　　顺便说个你几乎天天都在参与的冷知识：许多用来区分真人与机器人的验证码（CAPTCHA），常被称为反向图灵测试——只不过这回是机器在验证“你是人”。图灵七十多年前设想的那种人机边界测试，就这么润物细无声地进了每个人的生活。

　　“Artificial Intelligence”这个名字，已经出现在麦卡锡等人 1955 年 8 月提交的达特茅斯夏季研究项目提案里（项目提案上署名的还有信息论之父香农）。1956 年夏天那场研讨会本身没产出什么惊人成果，但常被视为人工智能作为独立研究领域诞生的标志。起名这件事，从来都很重要。

　　之后七十年的主线，可以粗略看成两条思路先后唱主角：

• 人写规则：1997 年深蓝击败国际象棋世界冠军卡斯帕罗夫，是这条思路的巅峰。它把高速搜索、人工设计的评估函数和棋类知识结合起来，本质上是一台为下棋深度定制的搜索机器——它的“智能”，几乎每一点都出自工程师的设计。
• 从数据里学：2016 年 AlphaGo 战胜李世石，靠的是深度神经网络、人类棋谱、自我对弈强化学习，外加蒙特卡洛树搜索——越来越多的判断能力，从数据和对弈里学了出来。2016 年底至 2017 年初，升级版 Master 在网上取得 60 连胜；2017 年 5 月，柯洁在乌镇三番棋中以 0:3 告负，并曾在第三局比赛中落泪。同一个目标，换了一条思路，20 年后走通了。

　　中间还夹着两次“AI 寒冬”（约 1974–1980、1987–1993），剧情都一样：牛皮吹出去了，兑现不了，经费撤了，全场冷却。

　　记住这一句：AI 不是一样东西，是一门研究“如何让机器表现出智能”的学科。七十年里研究重点换了一茬又一茬，新老方法长期并存，目标本身没变过。

模型：DeepSeek 到底是“谁”？

　　现在回答前面的问题。严格来说，“DeepSeek”是一家公司（深度求索，2023 年成立）；2024 年 12 月的 V3、2025 年 1 月的 R1，才是“模型”；你手机里那个蓝鲸图标的 App，是模型外面套的一层产品。公司、模型、产品，三层东西共用一个名字，混用的噩梦从这儿就开始了。

　　模型是怎么来的？粗看是一条从“人教机器”到“机器自学”的技术脉络：

　　先把关系摆清：深度学习属于机器学习，当下主流大语言模型采用的正是深度学习；写规则的系统今天也还在大量服役，可以与这些方法配合使用。最早是写规则（专家系统）：把专家知识一条条录进机器，规则之外一概不会。然后是机器学习：别教答案了，给它看例子，让它自己学个函数出来。

　　2012 年，AlexNet 在 ImageNet 图像识别竞赛中大幅甩开对手，让深度学习——用多层神经网络的机器学习——一战成名：相比大量手工设计特征，多层网络能从数据中学出更有效的表示，当然，数据、网络结构和训练方法依然样样要紧。

　　再到大语言模型：2017 年 Google 那篇《Attention Is All You Need》提出 Transformer 架构，2020 年的规模定律研究又发现，语言建模的误差会随参数量、数据量和训练计算量呈现相当稳定的经验规律——“大力出奇迹”从玄学变成了可计算的工程决策，1750 亿参数的 GPT-3 就是这份底气的展示品。

　　2022 年 11 月 30 日，ChatGPT 上线，五天内注册用户破百万；据 UBS 基于 Similarweb 数据的估算，到 2023 年 1 月，月活跃用户已约达一亿。这里又是一个容易踩的坑：ChatGPT 不是模型——从早期的 GPT-3.5、GPT-4o，到如今的 GPT-6 Astra、GPT-6.1 Sol，这些才是模型，ChatGPT 是 OpenAI 给模型套上的对话产品。发动机不等于汽车，就是这个区别。

　　那模型的本体到底是什么？一大团参数构成的函数：给它输入，它算出输出。 本文拿大语言模型举例，所以是文本进、文本出；其实模型也能看图、听声——V4.1-Flash 就带原生视觉理解——但“输入是什么”和“能访问什么”，是两个不同的问题。训练让它学会了语言、代码和海量知识，可“学过”不等于“够得着”：你问它“现在几点”，它只能连蒙带猜；让它看看你桌面上那份报告，它连你的桌面在哪儿都够不着——读文件、跑程序，得靠外部系统给它工具和权限。

　　聪明，但没有手。这个伏笔，下一节收。

Agent：从听懂指令到自主推进任务

　　做个小实验：对着小爱同学、天猫精灵这类主要依靠预设技能工作的传统智能音箱说——“帮我把这个月的账单整理成表格，发给老婆。”它大概率会答非所问，或者给你放一首《老婆最大》。

　　音箱能“听懂指令”和“执行技能”，但账单这个任务它接不住。按最宽的定义，它也算 agent——能感知环境，也能对环境产生作用。不过本文要聊的，是由大模型自主推进任务的那种 Agent：判断关键在于，下一步是模型自己根据反馈决定的，还是预设流程安排好的。如果一个传统音箱只是识别意图、调用预设技能，它就更像一个语音遥控器，还不具备本文讨论的自主任务执行能力。

　　Agent 这个词，其实比大模型老得多。它来自拉丁语 agere，“去做”。1995 年 Russell 和 Norvig 的经典教材里给过定义：能感知环境、并能对环境产生作用的，都是 agent。强化学习领域更是把“agent–环境循环”用了几十年：agent 观察状态、做出动作、环境给反馈，循环往复——AlphaGo 就是在这个循环里练出来的。

　　大模型登场后，戏剧性的一幕出现了：模型自己会“说”了，但依然不会“做”。一种自然的做法，是让模型也进入“观察—行动—反馈”的循环：给它工具，让它根据执行结果决定下一步——这样的执行循环，并不要求模型在运行时继续学习。沿着这个思路，几年里接连出现了几块里程碑：

• 2022 年 10 月，ReAct 论文让模型“想一步、动一步”：推理和行动交替进行；
• 2023 年 2 月，Toolformer 展示模型能在训练中学会自己插 API 调用；
• 2023 年春天，AutoGPT 让“模型自行拆解目标、调用工具、反复尝试”的演示火遍全网。但演示离可靠交付还有距离：目标可能迟迟无法完成，连续调用又会不断产生费用——项目早期文档也明确提醒，它仍是实验，运行成本需要监控。热闹散场，所有人记住的是同一件事：光有模型和工具还不够，缺的是工程。
• 2023 年 6 月，OpenAI 把 function calling 做成 API 标准能力，从此“模型报工具名和参数，程序负责执行”成了通用模式。

　　这个循环写出来就这么几行：

while (目标未完成) {
    思考   = 模型(目标, 历史记录, 工具返回值)
    行动   = 选择一个工具(思考)
    返回值 = 执行工具(行动)
    历史记录 += [思考, 行动, 返回值]
}

　　同一个模型，装不装进这个循环，体验天差地别。还拿 DeepSeek 举例：只在官网聊天、没有开放本地访问权限时，它不能主动浏览你的代码目录；接入具备文件和终端工具的编码 Agent 后，它才可以在授权范围内读取代码、修改文件、运行测试。模型没换，换的是它有没有被装进那个自己决定下一步的循环。

　　2024 年底，Anthropic 在《Building effective agents》里给过一组至今被反复引用的辨析：workflow 由预先设计的代码路径编排模型和工具——路径可以带条件分支，但走向是人事先铺好的；agent 则让模型自己动态决定处理过程和工具使用。他们的建议也很实在：从最简单的方案起步，许多应用用一次配合检索和示例的模型调用就够，需要更多步骤时再考虑 workflow 或 agent。

　　记住这一句：本文说的大模型 Agent，是由模型自主决定下一步、借助工具并根据反馈持续推进目标的系统。模型负责决策，工具负责执行，循环负责带回反馈，目标负责指方向；要不要停，还得结合验收结果、预算和人工控制来判断。

Harness：同一只 DeepSeek，为什么处处不一样？

　　终于可以正面回答“DeepSeek 和 Harness 是什么关系”了。

　　R1 和 2026 年 10 月 17 日更新的 V4.1-Flash-1017 都开放了模型权重，谁都能下载部署。于是同一只模型，活在了好几套完全不同的“装备”里：

• 在官网或 App 里聊：背后是深度求索官方做的对话系统；
• 用 Ollama 把它拉到本地，再套个 Open WebUI：这套界面、参数和配置，就是你亲手搭的；
• 把它的 API 接进 Codex、OpenCode、ZCode 这类编码工具：它又成了别人家 agent 里的引擎。

　　模型是同一只，体验天差地别。不过先打个补丁：官网、本地部署和 API 用的未必是同一个版本、同一种量化精度，比较前先确认引擎是不是同一台。在把模型配置对齐之后，外围系统给的提示词、工具、上下文管理和权限，仍然会明显改变体验。这层包在模型外面、决定它怎么干活的东西，就是 Harness（马具）。Harness 是模型权重之外、组织模型运行的那部分系统；它可以由深度求索官方提供，也可以由第三方开发。

　　这个词不是哪份标准文件钦定的，而是社区里叫开的习惯：在模型评测中，EleutherAI 的 lm-evaluation-harness 就用它指代统一组织评测任务、对接不同模型的框架，同一套框架套在不同模型外面跑分；编码智能体兴起后，“agent harness”也成了常见说法。本文用它指：包住模型、支撑它持续执行任务的工具、上下文管理与运行控制机制。

　　一个编码 agent 的 harness 里大致装着：系统提示词（角色、规范、安全边界）、工具层（读写文件、跑命令、搜索）、主循环（结果回填、决定下一步）、上下文工程（历史裁剪、摘要、记忆文件）、权限与沙箱（什么自动做、什么先问人）、子 Agent 编排（把大任务分给小 agent）、错误恢复（重试、中断、回滚），还有记录与评测（轨迹、成本、回放）。每一项单拎出来都不性感，合在一起却决定了“同一个模型能不能真的干活”。

　　为什么这么说？因为同一个模型，换一套 harness、换一档预算，成绩可能明显不同。SWE-bench 这类编程榜单上的分数，从来不是模型一个人的成绩，而是“模型 + harness”这个组合的成绩。以后看榜，记得多问一句：用的是哪个模型版本、哪份任务子集、哪套 harness、给了一次还是五十次尝试机会——单个总分，拆不出模型与工程各占几成。

　　类比还是那辆车：模型是发动机，harness 像传动、转向和控制系统——发动机提供动力，harness 把动力组织成可控的行动，光有发动机，车哪儿也去不了。2025 年 9 月，Anthropic 把支撑 Claude Code 的工具与运行机制打包成 Claude Agent SDK（由 Claude Code SDK 更名而来）提供给开发者，用来搭各种类型的 Agent——发动机大厂开始把成套的传动系统交给开发者自装，这大概是 harness 重要性的最好注脚。

　　记住这一句：模型提供动力，Harness 把动力组织成可控的行动。换一套 Harness，同一台发动机跑出的是两种人生。

四个词，各自归位

　　现在再把“DeepSeek”这个词掰开：深度求索是公司（在 AI 行业里）；R1 是模型（给它输入，它生成输出）；官方 App 是产品（模型套了一层官方 harness）；而把 V4.1-Flash 接入 Codex、配上工具与自主执行循环，得到的则是一套 Agent 系统（模型自主决策 + 工具 + 循环）。下次再用这个词，你知道自己在说哪一层。

　　顺手把几个邻居也分清楚：聊天、代码补全、自主执行，是几种不同的交互方式，同一个产品可以同时具备几种——ChatGPT 和 GitHub Copilot 现在都带上了 Agent 功能，Claude Code、Codex 则把 Agent 式的任务执行当成核心体验。判断一个产品属于哪类，看它的活儿是怎么跑起来的，比看名字可靠。

写在最后

　　把这四个词分清，不只是聊天时不被术语绕晕。下次看到一个 AI 产品，可以依次问三个问题：它用的是什么模型？下一步由谁决定？外围系统提供了哪些工具和运行保障？四个词的区别，就会落到具体行为上。

　　下一篇顺着 Harness 往下挖：Skills、MCP、hooks、插件、子智能体、指令……这些名词分别对应 harness 里的哪一层，以及怎么用起来。

　　最后照例说句题外话：这篇从大纲、配图到成文，是一个人、一个模型和一套 harness 协作的产物——写它的 agent，也没能逃出本文的任何一条定义。

七十年大事记

延伸阅读

　　以下列出本文关键论述的原始出处，方便继续阅读与核查：

• 图灵，《Computing Machinery and Intelligence》（1950）：doi.org/10.1093/mind/LIX.236.433
• 麦卡锡等，达特茅斯项目提案（1955）：dl.acm.org/doi/10.1145/365866.365868
• Russell & Norvig，《Artificial Intelligence: A Modern Approach》（1995）：aima.cs.berkeley.edu
• 《Attention Is All You Need》（2017）：arxiv.org/abs/1706.03762
• 规模定律，《Scaling Laws for Neural Language Models》（2020）：arxiv.org/abs/2001.08361
• GPT-3，《Language Models are Few-Shot Learners》（2020）：arxiv.org/abs/2005.14165
• ReAct，《ReAct: Synergizing Reasoning and Acting in Language Models》（2022）：arxiv.org/abs/2210.03629
• Toolformer，《Toolformer: Language Models Can Teach Themselves to Use Tools》（2023）：arxiv.org/abs/2302.04761
• DeepSeek，《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》（2025）：arxiv.org/abs/2501.12948
• Anthropic，《Building effective agents》（2024）：anthropic.com/engineering/building-effective-agents
• Anthropic，《Building agents with the Claude Agent SDK》（2025）：anthropic.com/engineering/building-agents-with-the-claude-agent-sdk
• MCP 官方文档：modelcontextprotocol.io
• EleutherAI，lm-evaluation-harness：github.com/EleutherAI/lm-evaluation-harness