一、同一天的三件事容易被讲成一件事二、纠错一87.9 分不是第三方测评三、一切皆插件到底在说什么四、seam这套设计里最值钱的一个词五、装配顺序bundle 和 profile 谁覆盖谁六、会话日志只追加且必须能重建模型所见七、纠错二开源框架不等于模型开源八、四层运行模式PTC 值得单独说九、这对企业意味着什么十、结语 目录一、同一天的三件事容易被讲成一件事二、纠错一87.9 分不是第三方测评三、一切皆插件到底在说什么四、seam这套设计里最值钱的一个词五、装配顺序bundle 和 profile 谁覆盖谁六、会话日志只追加且必须能重建模型所见七、纠错二开源框架不等于模型开源八、四层运行模式PTC 值得单独说九、这对企业意味着什么十、结语一、同一天的三件事容易被讲成一件事2026 年 8 月 13 日DeepSeek 官方 API 文档发布公告标题是《DeepSeek-V4-Pro 正式版上线》。但那天实际发生的是三件事中文圈普遍只讲了第一件事项内容常被讲错成模型转正V4-Pro-0813 取代预览版模型名不变百万 token 上下文保留“DeepSeek 发布了新模型”框架开源DeepSeek Harnessdsh以MIT 协议开源开发者预览版 v0.1“DeepSeek 开源了模型”API 涨价引入峰谷定价闲时价为高峰价一半缓存折扣大幅收窄“DeepSeek 降价了”第三件事我在之前的文章里单独讲过峰谷定价方向和直觉相反缓存折扣从约 1/120 缩到 1/120 涨 500%。这里要展开的是第二件——这是国内厂商第一次把 Agent 执行层做成 MIT 协议开源而执行层此前被 Claude Code、Codex 这类闭源产品占据。先看它现在的样子。官方仓库deepseek-ai/deepseek-harness有完整的docs/architecture.md架构可以一句话说完产品是一棵插件树每个部分都能从配置层替换掉。二、纠错一87.9 分不是第三方测评官方公告里有一张对比表最抢眼的数字是 Terminal Bench 2.1 从 72.1涨到 87.9DeepSWE 从 12.8 涨到 62.7。很多报道直接说V4-Pro 的 Terminal Bench 达到 87.9。这个数字必须带口径。官方公告原文写得很清楚对于公开基准测试集中的 Code Agent 任务DeepSeek-V4-Pro-0813 使用 DeepSeek Harness 极简模式作为框架进行测试使用 max 档位top_p0.95temperature1.0其他框架下结果可能略有不同。也就是说这是厂商在自己家的框架、自己选的推理档位下的自测结果而且明确说明换框架数字会变。这意味着两件事不能拿 87.9 和别家横评对比。别人用谁的框架、什么档位、什么温度都没有统一披露。它同时说明了 Harness 的价值——同一个模型换执行层分数就不一样。这句话反过来才是这批数字里最有信息量的部分。第三方口径里Artificial Analysis 给的是另一个体系智能指数从 45涨到 53追平 GLM-5.2但仍然落后于 Muse Spark57、Qwen 3.8 Max58、Kimi K360、Claude Opus 563。两组数字都是真的但它们说的不是一件事。官方基准说我们的模型我们的框架在编码 Agent 任务上很强Artificial Analysis 说综合智能水平在第二梯队。把前者当综合实力来宣传是选择性引用。另外有两个细节要记住因为它们经常被漏掉参数量有多个流传版本1.6T / 1.65T / 1.7T 都有官方转正公告里没有重述参数规模。要引用请引来源不要引二手汇总。权重状态至少有一份发布当期的整理明确写着Hugging Face 上还是 4 月预览版正式版权重当时尚未公开。这直接关系到下一节的纠错。三、一切皆插件到底在说什么官方的说法是 “Everything is a plugin”。这句话很容易被当成营销词实际它有很具体的工程含义。架构分两层Cordis 元框架只负责一件事——插件的加载/卸载和依赖管理。它本身不提供任何业务能力。所有具体能力都是一个独立的 Cordis 插件模型、工具、技能、会话、沙箱、存储、循环、调度、UI全都是。这套设计的关键后果是没有特权内核。官方的原话是There is no privileged kernel to patch。你扩展dsh 的方式是挂载插件而不是改源码每个注册都是可逆的副作用插件卸载时注册自动撤销。Cordis 本身不是DeepSeek 发明的它背后有篇论文《A Programming Paradigm for Spatiotemporal Composability》。Cordis 提供的是一套插件向共享上下文贡献者的模型有类型化的事件和可逆的副作用。DeepSeek 做的是把它 vendor 进仓库并针对自身约束做了加固——比如 Fiber 生命周期的本地加固。有几个 Cordis 概念值得记住因为它们在后面的 seam 机制里还会出现Context一个 ES Proxy 对象。访问ctx.database时自动从注册表解析对应服务依赖注入不需要显式resolve()。框架因此能追踪谁在什么时候访问了什么服务。Fiber每个插件实例对应一个 Fiber是副作用追踪的物理载体内部维护一个清理回调列表。热重载时旧 Fiber 的副作用被清理、新 Fiber 重新加载——对使用者来说是原地替换。事件系统分五类模式。持久事件如agent/created追加进持久存储瞬时生命周期事件如agent/pre-step在运行中反复发生能力事件如llm/stream允许运行时拦截。多数事件用waterfall 语义监听器必须显式调用next()才能往下传这让拦截器可以否决或增强处理。四、seam这套设计里最值钱的一个词这是我认为整份架构文档里最值得抄进自己设计文档的一个概念。seam接缝指一个可替换的能力它由三个角色构成角色职责沙箱这一例Service Definition服务定义只声明接口零后端依赖packages/sandbox/sandbox只定义约定ctx.sandbox.confine 词表Service Provider服务提供具体实现sandbox-localLinux bwrap / macOS Seatbelt / Windows ACLConsumer消费方通常是面向模型的工具Bash、PTY、LSP 都走同一执行世界“接缝换掉一个提供方全局跟着变”——这是 seam 存在的唯一理由。官方给的例子非常具体文件系统和进程提供方共享同一个执行世界所以把它们指向一个远程沙箱Bash、PTY、LSP 会一起搬过去不需要为每个能力单独写适配。这条规律的适用范围远超沙箱。llm、session、storage、subagent 全都走这套。一切皆插件能成立结构基础就是这个。对做平台的人这句话可以直接翻译成设计要求你要预留的不是能换模型这一个开关而是每一类能力的定义/实现/消费三段分离。只做了能换模型的系统换沙箱、换存储、换会话存储时就得重写。五、装配顺序bundle 和 profile 谁覆盖谁跑起来的 dsh 是启动时按顺序叠层装出来的插件树。Bundle是 Cordis 配置项加挂载代码的分发格式——它插入的东西永远可以被上层 patch。Profile是 harness home 里的一个命名装配体列出它要叠哪些 bundle存自己的树外插件并持有用户的cordis.patch.yml。层的应用顺序是profile 的各 bundle → profile 的cordis.patch.yml→ home 级的 → 命令行--patch覆盖层。关键命令是dsh--profileweb --dump-config它打印出你这台机器实际启动的配置树打印出的任何一行都可以被你自己的 patch 替换掉。“代码改动变成配置编辑”——这是这套设计的实用价值所在。DeepWiki 对这套 patch 机制的描述也印证了它支持在特定位置插入条目、按 ID 和名字覆盖条目、动态计算配置值并且不修改共享状态克隆条目并构建合并表示这让多层 patch 可以安全组合。有一处容易看反sdk-minimal是独立完整树不是 base 覆盖层它刻意省略了大部分 base 服务。想明白这一点就知道最小模式是给基准测试用的独立配置不是精简版运行时。六、会话日志只追加且必须能重建模型所见这条约束我认为是整个框架里对企业最有价值的部分官方叫What the model sees is what gets recorded。规则有两条模型可见的一切都写进**只追加append-only**的 SessionEvent 日志。记录范围包括系统提示、思维链、工具调用与结果、子 Agent 派发、以及每一次上下文注入。凡是到达模型请求的东西必须能从日志里重建出来这是一条运行时不变式runtime invariant不是约定。具体机制是deriveMessages()负责把这个日志投影成模型看到的消息序列assistant/chunk 流保留完整保真度用于重放和 UI 渲染。resume、fork、检索、replay 共享同一事件流。企业为什么该在意这个有了可重建的轨迹你才能回答它当时到底看到了什么。这不是日志美化是审计与归因的基础。而且它天然支持 fork从某个点分叉试另一条路和 replay精确重跑这两个能力在生产环境排查问题时价值极高。官方文档给了一个很好的人类理解已经跟不上的佐证例子人们还在对几个月前的 OpenAI-Hugging Face 事件做考古数学家可能还要很久去读那 722篇前沿数学手稿。无论你站不站得住那组能力估算Harness 的会话日志都是对那个问题的一个工程回答。七、纠错二开源框架不等于模型开源这是中文圈传播时最严重的混淆必须掰开。开源的是DeepSeek Harness 框架MIT 协议任何人可以拿走、改、二次分发、商用。当时没开源的是V4-Pro-0813 正式版的模型权重——发布当期的整理明确写了Hugging Face 上还是 4 月预览版。官方转正公告也只说已在APP、网页端和 API 更新上线没有说权重开源。这两件事的区别在实操上非常关键事项MIT 开源框架模型权重开源私有化部署可行性能——框架随便改取决于权重是否公开能不能接别家模型能——llm 是插件可换 provider不涉及能不能审计执行过程能——会话日志可读不涉及成本结构一次性投入工程成本权重许可算力所以DeepSeek 开源了你可以私有化部署它的模型这个推论在权重公开之前不成立。能私有化的是执行层你可以在自己的服务器上跑一个可完全掌控的 Agent 框架接任意模型——包括DeepSeek 的、也包括别人的。这一点的实际含义比又一个开源框架大得多Agent 执行层是私有化部署里最后一块被闭源占住的位置。模型你可以换很多已开源、数据你可以自己管数据库是现成的但 Agent 怎么循环、工具怎么调、上下文怎么压缩、轨迹怎么记这些一直是闭源产品的地盘。MIT 协议把这块让出来了。八、四层运行模式PTC 值得单独说dsh 有四种运行模式各加载不同的插件集合模式默认加载用途Standard完整工具集日常使用PTCProgrammatic Tool Calling模型生成代码来编排多轮工具调用复杂编排减少往返Minimal一个 shell 工具 一个文件编辑工具最小环境基线测试CreationCreative检查运行时、在内存里试 Cordis 插件、组合新模式造新模式PTC 值得单独说。传统做法是模型一次输出一个工具调用框架执行返回结果模型再决定下一步——多轮往返每轮都要重新读一遍上下文。PTC 让模型直接生成一段代码来编排多轮工具调用链条在代码里一次性表达。这个设计有明确的收益减少模型往返次数。代价是控制粒度变粗——一段代码要执行中途出错怎么定位、怎么中断、怎么审计比单步调用复杂。这是个明确的取舍不是纯优化。顺带说另一个容易被忽略的点Harness 是模型无关的。llm这个包里除了 DeepSeek 适配器还有llm-pi-ai以及明确的适配器接缝。这个设计的商业含义是——你不绑死一家模型就能换。九、这对企业意味着什么从平台设计角度Harness 有几个设计是值得直接搬进自己系统的第一可替换的能力接缝。定义/实现/消费三段分离让沙箱、存储、会话、模型都能整体替换而不动消费方代码。企业自建 Agent 平台时这条能省掉大量换一次组件重写一遍的债。第二配置优先于改码。--dump-config把实际启动了什么变成可读可patch 的配置树企业落地时这条特别值钱——现场问题可以通过 patch 临时调整而不需要重新构建部署。第三只追加日志 运行时不变式。模型所见必可重建这条不变式是把审计从加分项变成架构保证的关键。企业场景下这是硬需求。第四无特权内核带来的安全边界。因为没有特权内核新增能力必须走插件注册——你可以对插件注册做治理。相比之下如果 Agent 框架有内核那么任何有权限执行的人理论上都能改内核。这对要过安全评审的企业系统是决定性的。对应到领码 SPARK 融合平台这里的分工应该是清楚的需要的能力谁来做为什么数据接入、权限划界、口径治理SPARK 平台层iPaaS 治理中心 全域守卫数据与权限是企业自己的事模型框架不该碰Agent 应用编排、Prompt 配置、快速试错可交 Dify 这类应用编排层或基于开源 harness 封装这层换得勤不该绑死在平台底层 Agent 执行循环、工具调度、轨迹记录Harness 这类可插拔框架MIT 协议、可换模型、可审计**企业分层建议数据接入/权限/审计归平台层iPaaS 治理中心 全域守卫Agent 应用编排可交 Dify 这类编排层底层执行循环与轨迹记录交Harness 这类可插拔框架。这三层分清换模型、换编排、换组件都不用推倒重来。有一点必须说清楚框架给了你这些机制但该记录什么、谁能访问、沙箱边界划在哪仍然是企业自己的决定。平台能做的是让这些决定变成可配置的策略、可追溯的审计记录而不是替你决定什么是对的。十、结语这次开源真正的分量不在又一个 Agent 框架而在于它把执行层从闭源产品的护城河里拽了出来变成了一段可以读、改、审计的代码。三个我认为该记住的点一架构上最值钱的是 seam不是插件这个壳。定义/实现/消费三段分离才是让一切皆插件成立的结构基础。抄架构的时候要抄这一层不要只抄一个插件目录。二模型所见必可重建这条不变式比任何基准分数都更值得企业关注。分数会过时审计能力不会。而且它越晚补越贵——轨迹记录一旦从有变成没有历史就永久丢了。三别把开源框架和开源模型混着说。权重当时没公开私有化能落地的是执行层。这两句的区别在采购和合规谈判里是实打实的。至于那些基准分数Terminal Bench 87.9 是厂商自家框架自家档位的自测值Artificial Analysis 的智能指数 45→53 是另一套口径。引用的时候把口径带上这比数字本身重要。一个可操作的自查如果你手上的 Agent 系统出了错你能不能回答它当时到底看到了什么能回答用的就是这种设计只能回答它输出了什么那审计链条就是断的——这时候该做的不是加日志是把日志改成可重建模型视图的那种日志。你的 Agent 系统现在能回答它当时看到了什么吗欢迎在评论区聊聊你们的做法——是全量记录轨迹还是只记最终输出如果记了轨迹有没有出现过日志里也看不出问题在哪的情况我很想知道这套架构在真实项目里的失效边界。参考来源DeepSeek API 官方公告《DeepSeek-V4-Pro 正式版上线》2026-08-13、DeepSeek Harness 官方仓库docs/architecture.md、Cordis 论文《A Programming Paradigm for Spatiotemporal Composability》、Artificial Analysis 评测口径、DeepWiki 对 vendor/cordis 的实现梳理。本文核对时间为 2026-10-14。本文根据「AIGC新知」视频号《深度DeepSeek 悄悄更新 V4-Pro 正式版harness也不远了》主题整理并扩展原视频与流传报道中的数据口径问题已在文中逐一纠正。