DeepSeek Harness 與 Harness²：該先用哪個？

DeepSeek Harness 與 Google Research 的 Harness² 都談 harness，處理的問題卻不同。前者提供代理執行工作的環境；後者嘗試改進代理周邊的指示、工具用法與記憶。想選工具，先決定你缺的是能跑任務的系統，還是比較不同做法的實驗流程。

以下依十月二十日官方文件比較，沒有執行兩套工具的對照測試。這份表協助選擇起點，不提供效能排名。

先按工作目的比較

兩邊都開源，仍須另外核對模型服務、依賴與運算費用。原始碼授權不能代替使用成本估算。DeepSeek 官方說明與Harness² 官方說明是表格依據。

DeepSeek 把它設計成以插件組合能力的系統，官方稱為 everything-is-a-plugin，底層採用 Cordis。現行說明提供啟動網頁介面的入口，適合先理解一個任務如何進入代理環境，再研究哪些部分需要替換。它仍處於開發者預覽，官方明示可能出現不相容變更。

準備導入專案時，可以先列出需要的模型介面、檔案操作與工具，再逐項核對插件及設定；這是本文建議的選型方法，並非保證每項整合都已提供。官方安全說明也指出，它能操作獲准存取的檔案、程序與網路，不能把內建權限控制當成唯一隔離措施。先用可回復的測試專案，較容易看清設定範圍。

如果只想了解原本的插件架構，可先讀本站的 DeepSeek Harness 介紹；本篇比較聚焦目前的選擇條件，舊文版本與數字不能直接當成今日狀態。

Harness² 的核心是提出修改、試跑、再組合做法。它在模型權重固定的條件下調整 harness，並將採用的設定與有證據的經驗留給後續任務。論文報告的是特定模型、執行器與評測的結果，不能直接回答它是否比 DeepSeek Harness 更好。

官方提供不需模型憑證的本機示範，但該示範使用確定性的編輯器；看懂流程，不等於驗證真實模型能力。模型驅動實驗另需設定服務與依賴，也會產生試跑和改善步驟的 API 成本。依設定文件，Codex 執行器能指定 Responses API 端點；這仍需要介面相容，不能據此保證任意本地模型都能直接接入。

最強的反對意見是：這本來就不是同類產品，何必比較。這個提醒成立，因此這裡比較的是讀者下一步的工作。尚未有穩定任務時，先建立能重複執行與驗收的流程；已有流程卻常漏步驟時，再研究修改指示、工具規則或記憶是否有幫助。

把 Harness² 的改善方法接到另一套代理環境，是可研究的方向；現成執行器名單並未證明兩者已有即插即用整合。要評估接入，至少得確認可修改設定的格式、任務輸入與執行結果如何交接，以及出錯後如何回復。本篇沒有實作這個接頭。

若之後做對照，先固定任務、模型、合格條件與可用工具，記錄重試、人工修正、總耗時及費用，再檢查交付物。不要只用最後一段回答是否流暢判斷改善。Harness² 的實驗指南還提醒，評測時須阻止代理取得公開答案與評分資料，否則分數可能失真。這是實驗設計建議，本站尚未取得對照結果。

準備把代理功能放進產品，可接著看一人團隊 AI SaaS 實戰免費課程：第五課的技術選型決策表與產品架構草圖，幫你整理工具在產品中的位置。課程免費，會員課節需登入，閱讀順序為建議；它不是上述兩套工具的專門安裝課。