5 月 15 日和 18 日，DeepSeek 官网招聘页面连续挂出两个新岗位——Agent Harness 研发工程师和Agent Harness 产品经理。这不是常规的"招几个写代码的"，岗位描述里反复出现一个公式：
Model + Harness = Agent
翻译一下：除了模型本身，把模型能力变成真正能干活的 Agent 产品——这部分工作叫 Harness，而 DeepSeek 要自己下场做了。
先看硬信息。两个岗位都在北京，全职，具体薪资未公开。
核心职责：参与 DeepSeek Harness 产品的技术架构设计和开发，与研究员紧密合作定义前沿创新，和模型训练团队深度沟通实现"模型与 Harness 共同进化"，以内部真实任务为反馈源持续迭代。
硬性要求：
- 2 年以上软件开发经验（特别优秀可放宽）
- 知名高校本科及以上学历
- 熟练使用 AI Agent 工具进行开发，有极强的学习能力
- 必须是 Agent 产品的高强度用户，对模型行为有品味有判断力
- 熟悉 LLM/Agent 技术原理：LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等
- 对 Prompt Engineering、Context Engineering、Harness Engineering 有较深入了解
加分项里有一个很值得琢磨的：个人开源作品及社区深度贡献、能用英文与开源社区沟通。这暗示 Harness 产品大概率是开源的。
核心职责：规划产品路线图，连接研究员、工程师、开源社区和用户。特别强调"理解判断用户真实需求，定义 Agent 是否真的帮助到更多人的衡量指标"——这句话几乎是在说，他们不追求花哨的 demo，追求的是真正解决问题。
硬性要求：
- 2 年以上产品经理经验（特别优秀可放宽）
- 能用 vibe coding 写代码（不一定需要技术背景）
- 能设计系统性数据收集方法（问卷、访谈、A/B 测试、灰度测试等）
- Agent 产品的高强度用户，明确列出了 Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes 等产品
- 理解 LLM/Agent 技术原理
- 对 Prompt Engineering、Context Engineering、Harness Engineering 有第一手实践
产品经理岗位的要求里直接点名了竞品名单。这说明 DeepSeek 的 Harness 产品对标的就是 Claude Code、Cursor、Manus 这个层级的产品——不是做一个小工具，而是做 Agent 时代的基础设施。
"Harness"这个词在 AI 圈其实不太常见。DeepSeek 的定义很清晰：除模型本身以外的所有工作——Prompt 编排、工具调用、上下文管理、记忆系统、子 Agent 协调、用户交互界面——统统算 Harness。
用一个等式说就是：
Model + Harness = Agent
这个思路其实很务实。模型再强，如果没有好的 Harness 层把它包装成可用的产品，用户感知到的还是"聊天机器人"。Claude Code 之所以火爆，不是因为 Claude 模型本身有多大的独特优势（虽然确实强），而是 Anthropic 在 Harness 层做了大量工程——Agent Loop、工具系统、文件操作、终端集成、权限管理、MCP 协议支持。
DeepSeek 显然看到了这一点。他们有顶级的模型（V4 在 Agent 评测中是全球开源第一），但在产品层面一直缺席——API 文档页面的 Agent Integrations 板块列了 16+ 第三方工具的集成方案，唯独没有自己的官方 Agent 产品。
现在，Harness 岗位的出现意味着 DeepSeek 要填补这个空白了。
DeepSeek V4 在 4 月底的发布，实际上已经为 Harness 产品铺好了全部技术基础：
百万 token 上下文：V4 Flash 和 Pro 都标配 100 万 token 上下文。整个代码仓库、完整需求文档可以一次性塞进去。这是 Agent 产品的基本功——没有长上下文，Agent 就没法做复杂任务。
三推理模式：非思考（快速响应）、思考-高（显式推理链）、思考-极限（推到能力边界）。官方明确建议复杂 Agent 场景使用极限模式。这种分级设计直接对应了 Agent 在不同任务中的需求——简单查询要快，复杂推理要深。
DSA 稀疏注意力：百万上下文下每 token 算力消耗仅为 V3.2 的 27%，KV 缓存占用仅 10%。这意味着长上下文不再是奢侈品，而是标配。
极致定价：V4-Flash 输入 1 元/百万 token，缓存命中仅 0.2 元；V4-Pro 限时 75% 折扣后，缓存命中价格更是低到离谱。对比 GPT-5.5 的 30 美元/百万输出 token，差距超过 100 倍。
双协议兼容：同时支持 OpenAI 和 Anthropic API 格式。开发者迁移成本几乎为零。
这些特性加在一起，构成了一个完美的 Agent 底座：强模型 + 长上下文 + 低成本 + 易迁移。缺的就只剩一个：DeepSeek 自己的 Harness 产品。
仔细看岗位描述，有几个信号值得注意：
"以内部真实任务为反馈源"：两个岗位都强调这一点。说明 DeepSeek 内部已经在使用某种 Harness 原型，并且是拿真实工作任务在做验证——不是实验室 demo，是内部 dogfood。
"与模型训练团队深度沟通，实现模型与 Harness 的共同进化"：这八个字"共同进化"信息量很大。传统的做法是模型团队训练模型，产品团队用模型——单向的。DeepSeek 想做的是：Harness 层的反馈直接反哺模型训练，形成闭环。这和 Anthropic 的 Claude Code → Claude 模型改进的思路一致。
"维护用户社群"：研发工程师和产品经理都要"维护用户社群、获取反馈"。这不是 B2B 卖 API 的姿态，而是 C 端/开发者产品的做法。
产品经理点名竞品：Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes。这个名单几乎囊括了当前所有主流 Agent 产品。对标的是这个级别，意味着 DeepSeek 的 Harness 产品野心不小。
"开源社区沟通"：加分项明确提到英文沟通能力和开源社区贡献。结合 DeepSeek 一贯的开源策略（MIT 协议），Harness 产品大概率也是开源的。
DeepSeek 之前的定位一直很清晰：做 Agent 时代的底座供应商。不与 Claude Code、Cursor 竞争，而是为所有 Agent 工具提供低价高性能的模型后端。
但市场在变。Anthropic 的年收入 4 个月从 90 亿飙升到 300 亿美元，增量几乎全部来自 Claude Code。Cursor 代码编辑器估值 600 亿美元。Agent 已经不是"未来的方向"，而是"现在的现金牛"。
在这种情况下，只做底座意味着把最肥的一块肉让给别人。DeepSeek 现在的转身策略很可能是：底座继续做（低价 API），同时做自己的 Harness 产品（开源），两者相互加强。
模型和 Harness 共同进化——模型为 Harness 提供能力，Harness 为模型提供真实任务反馈。开源社区贡献 Harness，同时贡献模型的使用数据和改进方向。这是 Anthropic 的闭环模式的开源版本。
从招聘页面看，除了这两个 Harness 岗位，DeepSeek 还在热招 Agent 深度学习算法研究员、Agent 数据策略工程师、Agent 全栈开发工程师。整个 Agent 方向至少 5 个岗位在同时招人，这是一次有组织的进攻，不是试探。
作者: itech001
来源: 公众号：AI人工智能时代
网站: https://www.theaiera.cn/
每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。