8月1日，DeepSeek的Agent Harness团队负责人崔添翼发布了一则招募内测人员的消息，要求申请者参与过开源Agent项目的建立和维护，并提交GitHub仓库作为代表作品。这条消息迅速引发了广泛关注，大量开发者带着自己的项目涌入评论区，涵盖了个人Harness、Coding Agent、记忆系统、安全工具、评测框架等多个方向。
据开发者统计，截至8月3日上午11:30，共有769位报名者、去重后712个开源仓库、合计超过120万Stars，跨越了18个赛道，评论区变成了“开源Agent路演”。统计仓库地址为：https://github.com/Octo-o-o-o/deepseek-harness-applicants。
从目前公开信息看，DeepSeek已经在内部使用Harness完成DeepSeek-V4-Flash正式版的基准测试，社区猜测未来可能会打造一款面向软件工程场景的AI Coding Agent。这款产品或将具备自主规划、工具调用、代码执行等能力，并围绕长周期Agent工作流加入Memory、项目仓库感知等机制，定位上可能会对标Claude Code、Codex等现有Coding Agent产品。不过这些信息尚未得到官方确认。
此前公布的Harness基准成绩显示，DeepSeek测试的重点集中在终端操作、多工具调用、全栈开发等长流程任务场景。如果社区预测成立，Harness可能正是连接模型能力与真实软件工程流程的执行层。这场由769位开发者、712个开源仓库参与的“评论区路演”提前暴露了一个AI Coding Agent走向工程化需要持续升级的能力版图：如何让Agent长时间稳定运行、如何管理项目上下文和记忆、如何控制工具调用风险，以及如何在真实开发环境中完成从理解需求到交付代码的完整闭环。
