# DeepSeek Harness 极简模式实测

> 极简模式到底能不能拿来干活？两个真实项目跑完告诉你答案。

大家好，我是程序员鱼皮。

这周 AI 圈儿又炸了，DeepSeek 同时放了两个大招，DeepSeek V4 Pro 模型正式发布 + DeepSeek Harness 工具开源。

![](https://pic.yupi.icu/1/image-20260814125428438.png)

我第一时间发布了 DeepSeek V4 Pro 的实战测评和 DeepSeek Harness 的保姆级教程。

**麻了，我每天眼睛一睁就是写稿，做完视频就快该睡觉了。**

热点能不能不要连着来啊，我 Chovy！

![](https://pic.yupi.icu/1/i2Q42-2h5cZaT3cSq4-po.jpg)

回归正题，测试完之后，我最大的感受是：**DeepSeek 接不接自家的 Harness，效果差距大到离谱。**

同一个 DeepSeek V4 Pro 模型，裸接 Codex 的时候连线条都画不对，换上自家的 Harness 之后居然能对标 Claude 了？？？

害得我成为了「变脸大师」！

![](https://pic.yupi.icu/1/09bdf5c0e4b2738acfb6af05e7764e253461565210692083.jpg)

看来 Harness 就是 DeepSeek 的角色专武，不带专武的 DeepSeek 就是个白板儿角色。

海外一个叫 sentdex 的独立评测博主跑出了一组更夸张的对比。同一套 DeepSeek V4 Flash 模型权重，用他自己写的简陋工具只过了 44 / 89 题，换成社区的完整 Harness 之后变成 64 / 89，多过了整整 20 题。

**Agent = Model + Harness**

随着模型能力越来越强，给模型提供的 Harness 也越来越重要。

![](https://pic.yupi.icu/1/8_agent_queals.png)

这也是为什么 DeepSeek V4 Pro 会出现「神鬼二象性」，同一套模型到底行不行，很大程度上取决于你拿什么工具、配什么环境去跑它。

而这两天社区里讨论得最多的一个说法，就跟 DeepSeek Harness 中一个不起眼的模式有关。



## 极简模式邪修

有人发现，只要把 DeepSeek Harness 切换到「极简模式」，模型性能就会瞬间暴增，直接复现灰度测试版的水平，甚至做到了 Fable 5 级别的效果。

这个说法一出来，B 站上跟着涌出了几十个实测视频，标题一个比一个夸张。

这个「极简模式」到底是什么来头？

当你安装完 DeepSeek Harness，默认使用的是「标准模式」，它把一个 AI 编程工具该有的能力全部配齐了，比如文件读写、终端命令、联网搜索、任务规划、Skills 技能、子 Agent，加起来一共 20 多个工具。

![](https://pic.yupi.icu/1/image-20260814143734964.png)

而极简模式就朴素多了，官方只留了两个工具，一个能持续运行的终端 + 一个文件编辑器，其他能力全部关掉。

![](https://pic.yupi.icu/1/image-20260815154823126.png)

官方对它的定位很清楚，是专门拿来跑模型基准测试的，所以把环境削到最干净，好让不同模型能在同一个标准下公平比较。

也就是说，极简模式根本不是给人干活用的，是给模型考试用的。

那把考试模式拿来干活，真的会更强吗？

废话不多说，直接开测！



## 实战一、3D 第一人称射击游戏

第一个测试，我让 DeepSeek V4 Pro 开发 3D 第一人称视角的 CS 风格射击游戏。

完整提示词：

```
用 Three.js 开发一个 3D 第一人称射击游戏，做成一个单页面项目，打开浏览器直接能玩。
要求第一人称视角，WASD 控制移动，鼠标控制瞄准和射击；
场景里至少有 3 个敌人会自己巡逻，发现玩家后会追击，被打中后消失；
界面上要显示准星、血量和得分。
```

为什么选这个任务呢？

因为 3D FPS 是游戏开发里的经典中的经典，网上教程烂大街了，模型训练数据里肯定见过无数遍。这种任务纯粹考编码能力，不需要搜索文档、不需要查接口，模型的脑子里有货，直接嘎嘎写就完事儿了。

同一套提示词，我先用标准模式跑了一遍，再用极简模式跑了一遍。

![](https://pic.yupi.icu/1/image-20260815122357248.png)

先看看两种模式执行记录的区别。

标准模式调用了技能，中间有很多文字输出，会告诉你它在想什么、准备干什么，就是我们日常使用 AI 编程工具的那种感觉。

![](https://pic.yupi.icu/1/image-20260815122503107.png)

极简模式只有思考、终端、和字符串替换这个工具调用，中间没有任何多余的输出，AI 就像个哑巴一样，闷头干活。

![](https://pic.yupi.icu/1/image-20260815122619221.png)

标准模式跑完用了 50 步，AI 自己检测并修复了 Bug，模型推理花了 21 分钟，工具调用花了 12 分钟，加起来 33 分钟出头，输入 520 万 Tokens、输出 10.5 万 Tokens。

![](https://pic.yupi.icu/1/image-20260815123130636.png)

极简模式跑了 77 步，模型推理 17 分钟，工具调用只花了 6 分钟，总共 23 分钟多，比标准模式快了将近 10 分钟！连最后给我的总结都非常精简。

![](https://pic.yupi.icu/1/image-20260815123106268.png)

不过这里有个反直觉的地方，极简模式的输入 Tokens 反而更多，达到了 590 万。

原因也不难理解，极简模式没有上下文压缩能力，而且步数比标准模式多了一半，每走一步都要把之前的完整历史再发一遍，累积下来输入量自然就上去了。好在两种模式的缓存命中率都是接近 100%，这部分差距的花销基本可以忽略。

接下来是重头戏，看看成品效果。

标准模式做出来的游戏体验非常顺畅，移动、跳跃、疾跑、射击、杀敌都是 OK 的，甚至还可以用 CF 里的二段跳。

但是敌人不能发射子弹，只能追着你跑，没啥压迫感。而且有个 Bug，敌人追着你跑一会儿之后，自己又走开了，我提示词里压根没这么要求，这合理吗？

![](https://pic.yupi.icu/1/image-20260815123745988.png)

有个细节做的不错，如果你被人机给锤死了，会触发一个倒地的效果，视角跟真人倒在地上一模一样！

![](https://pic.yupi.icu/1/image-20260815123510893.png)

再来看看极简模式的效果。界面比标准模式做得更简洁，背景墙也更真实，移动、跳跃、疾跑、射击、杀敌同样都正常。

而且极简模式的敌人能够发射子弹，感觉更智能，游玩的压迫感更强。

![](https://pic.yupi.icu/1/image-202608151243407956.png)

不过被击倒的时候，我整个角色的身体还是站立着的，跟标准模式那个倒地视角比就差点儿意思了。

![](https://pic.yupi.icu/1/image-20260815124017407.png)

从成品效果来看，两者半斤八两吧，各有优缺。

但是从耗时来看，极简模式快了整整 10 分钟，输入 Tokens 虽然多了一点，可绝大多数都命中了缓存，这点差距可以忽略不计。

所以这一局，我会觉得极简模式略胜一筹。



## 为什么极简模式效果更好？

道理其实很简单，打个比方。

让你来拧一颗螺丝，我给你一把螺丝刀，你直接就拧了。但如果我给你一整个工具箱，里面有扳手、钳子、电钻、螺丝刀，你可能得先翻一翻，犹豫一下该用哪个，最后还是拿起螺丝刀。

AI 也是一样的。默认的标准模式给了模型 20 多个工具，模型每走一步都要先判断这一步该用哪个工具，光是做这个选择就要占用一部分推理能力。而且这 20 多个工具的说明书本身也要塞进上下文里，模型能分给你真正那道题的注意力，自然就被摊薄了。

极简模式把这些能力统统砍掉，只留一个终端和一个文件编辑器。AI 能做的就是直接动手写代码，没有选择困难症，自然又快又准。

![](https://pic.yupi.icu/1/image-20260814150646065.png)

其实 DeepSeek 官方跑分用的就是极简模式，你看跑分图最下方的小字：V4-Pro 使用 DeepSeek Harness 极简模式作为框架进行测试。

![](https://pic.yupi.icu/1/HPmOJZlbUAAOgVt.jpeg)

而且有开发者做了一组很严格的对照实验。他用自己的一套工程维护评测题目，在同一台机器、同一个模型、同一个推理档位下只换 Harness 模式，结果标准模式跑了 91 分，PTC 模式 92 分，极简模式直接干到 99 分，还是有差距的。

![](https://pic.yupi.icu/1/image-20260815140617668.png)



## 能用极简模式干活吗？

注意，极简模式并不是让模型本身变强了，而是让模型在一个极度受限的环境里不再分心了。

而它的代价也很明显，联网搜索、任务规划、Skills 技能、子 Agent、上下文压缩，这些能力全都没了。

极简模式手里就剩一个终端和一个文件编辑器，创建文件、安装依赖、执行命令这些活儿倒是都能干，但是它不能通过工具快速查到外部资料，聊得越久也越容易忘记前面说过什么。

还有一点很影响体验，就是它几乎不跟你汇报。你只能看到一连串的终端命令和文件替换，AI 到底在想什么、走到哪一步了、有没有遇到坎儿，你压根不知道。所以它其实更适合那种你只关心最终结果、不在意中间过程的任务。

![](https://pic.yupi.icu/1/image-20260815122619221.png)

你有没有发现，这个状态其实很像 23 ~ 24 年我们刚开始拿 AI 写代码的时候，AI 只能凭脑子里那点存货硬写，碰上没见过的框架就开始一本正经地编造代码写法。

后来有了工具调用、MCP、Skills 技能、上下文管理，一直发展到今天的 Harness，才一步步把 AI 从一个只会聊天的模型，变成了能自己查资料、自己动手改代码、自己跑测试验证的「工程师」。

![](https://pic.yupi.icu/1/2_harness_horse.png)

极简模式相当于把这些年攒下来的装备又卸掉了一大半。

那要是换一个必须通过联网搜索资料才能做完的任务，极简模式还能打吗？

试试看！



## 实战二、AI 宠物领养系统

第二个测试我换了个复杂任务，让 AI 开发一个「AI 宠物领养系统」。

完整的提示词：

```
开发一个 AI 宠物领养系统，前后端都要能跑起来。
先联网搜索 DeepSeek 鲸鱼娘的图片，下载至少 20 张存到项目里，作为默认的待领养宠物；
后端从我电脑的环境变量里读取 DeepSeek 的 API Key，调用大模型给每只宠物生成一段领养文案；
前端展示宠物列表和 AI 写的介绍，点击可以领养。
```

这个任务跟上一个完全不同，它需要读取本地环境变量拿 API Key，需要联网搜索图片并下载，需要协调前后端接口，还需要调用 AI 模型能力。

看看结果。标准模式跑了 59 步，模型推理 10 分钟，工具调用花了 38 分钟，总共 49 分钟，输入 420 万 Tokens、输出 5.4 万 Tokens。

关键是它成功找到了我本地的 `DEEPSEEK_API_KEY`，全程没让我插手，直接把成品交付了。

![](https://pic.yupi.icu/1/image-20260815125822195.png)

极简模式跑了 87 步，模型推理 11 分钟，工具调用只用了 16 分钟，总共不到 28 分钟，又比标准模式快了 21 分钟！Tokens 消耗也差不多。

但是它没能从我电脑上读到 `DEEPSEEK_API_KEY`，最后还得我自己填，可交付性就差了一些。

![](https://pic.yupi.icu/1/image-20260815125937243.png)

先看看标准模式的成果。整体布局还是不错的，宠物卡片的排版很舒服，但也没到惊艳的程度，而且右上方那行提示文字的位置没对齐。

![](https://pic.yupi.icu/1/image-20260815130513161.png)

不过 AI 顺利完成了抓取鲸鱼娘图片、并且调用 AI 大模型来生成文案的任务：

![](https://pic.yupi.icu/1/image-20260815130539711.png)

点击就可以领养你想要的鲸鱼娘。

![](https://pic.yupi.icu/1/image-20260815130623520.png)

筛选功能也是正常的，可以在「全部 / 待领养 / 已领养」之间切换，被领养走的小鲸卡片会置灰，还会标上领养人的名字，一眼就能看出哪些宠物已经有主了。

![](https://pic.yupi.icu/1/image-20260815130727937.png)

再来看看极简模式的效果。我得先手动获取 DeepSeek API Key，然后让 AI 帮我填写环境变量并运行程序。

主页面效果也还 OK，看起来跟标准模式做的差不多，毕竟是同一个模型。

但是功能的实用性上就差了一截，没有做任何筛选功能。而且卡片上只有名字、编号和一段文案，宠物的品种、年龄、性格标签这些信息全都没有。对比一下标准模式，人家每张卡片上「灰鲸、2 岁、#幽默 #吐槽役」这些信息都齐全，一看就是个正经的领养网站。

还有右上角那个「AI 文案：DeepSeek 已生成」的角标，怎么看都不像是给普通用户用的产品，倒像是自己调试用的。

![](https://pic.yupi.icu/1/image-20260815131240270.png)

极简模式同样是可以点击领养，并输入领养人昵称的：

![](https://pic.yupi.icu/1/image-20260815131636284.png)

领养成功后，这只宠物不能再被别人领养，功能逻辑是正常的。但因为没有筛选功能，你看不到自己到底领养过哪些宠物，只能一个一个往下翻着找。

![](https://pic.yupi.icu/1/image-20260815131748359.png)

对了，上面 4 次任务加起来，你猜猜总共花了多少钱？

答案是 3.13 元，你觉得贵不贵？（涨价前最后的倔强）

![](https://pic.yupi.icu/1/image-20260815131901668.png)



## 极简模式的优缺点

两个项目都跑完了，说说我对极简模式的看法。

首先，极简模式最大的优点就是「快」。两次任务分别快了 10 分钟和 21 分钟，花的钱还差不多，而且它非常直接不绕弯子，你说什么它就直接干什么，不会先跟你聊一堆计划。

它的短板也同样明显。整个过程几乎不跟你汇报，你不知道 AI 在干什么。没办法直接通过工具联网，还要通过脚本另辟蹊径。虽然最后交出来的功能可以正常运行，但是细节和完整度都差了一截。

总结下来就一句话：**你对成品质量的要求越高，极简模式的表现就越差**。

做个能玩起来的游戏 Demo，它完全够用；做个像样的、能直接给用户的产品，它可能就会开始掉链子了。

另外，如果你的任务强依赖某个特定工具，那差距会被进一步拉大。比如 DeepSeek V4 Pro 本身看不了图，得靠 Harness 挂一个视觉插件来补这个短板，这类任务在极简模式下会麻烦很多。



## 等等，还有高手？

本来我以为故事到这里就结束了。极简模式跑分虽然猛，但是并不实用，想要好的交付质量，还是得老老实实用标准模式。

结果昨晚 B 站 UP 主「小明XBright」丢了个重磅发现。

他在完整保留标准模式那 20 多个工具的前提下，靠一个自己写的两阶段插件 `dsh-anchored-standard`，在自己那套工程维护评测题目上连跑两次，拿到了 98 分和 99 分，均值 98.5，不但追平了极简模式，甚至还略微反超。

![](https://pic.yupi.icu/1/image-20260815172540939.png)

绝了，他是怎么做到的？

原理是这样的，DeepSeek V4 Pro 对首轮请求的工具结构极其敏感。你第一轮就把 20 多个工具全甩给它，它就会犯迷糊，分数掉到 91。但如果第一轮沿用极简模式那句系统提示词，并且只给终端和读文件这两个工具，让模型先用极简模式的思维链进入状态，等第一次工具调用完成之后，再立刻把全部工具恢复回来，分数就直接飙到 98 了。

从模型的推理过程中更能看出区别。标准模式下，模型的推理过程里出现了 208 次「let me」，还有 55 次中间回复，说明它一直在犹豫、规划、自我确认。而在这个两阶段插件的引导下，模型开口就是「We need」，通篇都是「我们要干什么」的口吻，两轮加起来「we」出现了 300 多次。

![](https://pic.yupi.icu/1/image-20260815185225654.png)

同一个模型，思维方式完全不同。

他还翻了 DeepSeek Harness 的官方源码，找到了铁证。仓库里有个测试文件，名字就叫「sends the exact RL prompt and schemas」，翻译过来就是「发送精确的强化学习提示词和工具定义」。这是 DeepSeek 官方自己承认的，极简模式用的就是模型训练时的那套格式。

![](https://pic.yupi.icu/1/image-20260815184558652.png)

所以你临时换一份它没怎么见过的工具清单，它就会有点儿找不着北。

更有意思的是，DeepSeek V4 Flash 完全没有这个问题，Flash 在不同 Harness 下的分数稳定在 90 到 95 之间，切换到极简模式也没什么变化。所以这更像是 V4 Pro 训练时对自家格式「过拟合」了，Harness 是 DeepSeek 的角色专武实锤了。

这个发现比单纯的「极简模式性能暴增」更有价值。它揭示了一个更深的问题：当前 AI 模型的能力释放，很大程度上取决于它能不能回忆起训练时的状态。未来 Harness 的优化方向可能不是给更多工具或者砍掉工具，而是搞清楚怎么在启动阶段对齐训练分布，唤醒模型最强的执行状态，然后再释放完整能力。

感兴趣的同学可以试试看。

插件开源仓库：https://github.com/xiaobright/dsh-anchored-standard

![](https://pic.yupi.icu/1/image-20260815172819422.png)



## 写在最后

极简模式这波玩法，我就先测到这里了。

**结论很简单，图快就用它，图稳就用标准模式。**

不过那个两阶段插件的思路确实让我眼前一亮。以后 Harness 插件生态成熟了，说不定会有更多插件专门去研究怎么先把模型的状态调到最佳，再把完整的工具交到它手上，到时候 DeepSeek 的实际体验可能还会再上一个台阶。

想要更系统地了解 DeepSeek Harness 的使用方法，可以阅读本教程编程工具板块 DeepSeek Harness 目录中的《DeepSeek Harness 保姆级入门教程》，从安装到实战一步步带你上手。