因为 DeepSeek Harness，很多人才第一次听到崔添翼 @tianyi 这个名字。 我好奇继续深挖了下他的公开经历，发现这人的技术轨迹很有意思。 很多程序员都看过的《背包问题九讲》，第一版是他 2007 年写的。2010 年他已经在维护 NixOS 的 Git mirror，后来 NixOS 正式迁往 GitHub，官方还专门感谢他提供了 NixOS 这个 GitHub organisation。 大学期间他很痴迷函数式编程，研究过纯函数式 B-Tree，还用 OCaml 实现过《Purely Functional Data Structures》。 2013 年找工作，他说自己一直想找一份真正使用 Haskell 或类似语言的工作。看到 Jane Street 全面使用 OCaml 后，他从零开始学 OCaml，写了一个 Lisp interpreter 去准备面试。 最后他同时拿到 Google Mountain View 和 Jane Street 的 offer，去了 Jane Street，在香港和纽约做了接近 9 年的软件开发和量化研究。 中间还有个很少被提到的细节：他 2015 年其实还署名过一篇 AAAI 的 NLP 论文。 2022 年出来联合创办 TSY Capital，做的已经是另一类很硬的系统：Python/AWS 的量化研究基础设施，加上 Rust 的低延迟交易系统。 今年 3 月，他加入 DeepSeek，负责 Harness 团队。现在打开他的 GitHub，两个置顶项目刚好一老一新，《背包问题九讲》和 DeepSeek Harness。 这条线串起来，我大概能理解 DeepSeek 为什么会找他来做 Harness 了。 量化系统和 Agent 有一个很像的地方：上层可以产生有不确定性的决策，真正落到现实世界执行时，状态、依赖、风险、失败恢复和可追踪性都不能含糊。 DeepSeek Harness 这次强调「Everything is a plugin」「Every run is traceable」，底层 Cordis 甚至专门研究如何撤销组件产生的副作用。 算法 → 函数式编程 → 交易系统 → Agent Harness。 未来顶级 Agent 团队里，这种系统和基础设施背景的人，可能会比我们现在想象得多。

出大事了，兄弟姐妹们❗️ 国产最强代码Agent即将诞生？❗️ DeepSeek Harness团队正式浮出水面，开通独立官方公众号，预示国产重量级代码Agent产品快要面世，直接对标海外爆款Claude Code。 AI大模型内卷跑分的时代，正在慢慢结束。 下一阶段的主战场，落在了可以自主干活的AI智能体Agent。 不同于普通代码插件只输出片段代码，Harness是一套完整工程调度体系。 公式很简单：大模型 + Harness = 代码智能体 自动拆分开发任务、读写项目文件、调用终端执行、反复调试纠错，独立走完整套软件开发流程。 团队负责人崔添翼，浙大ACM金牌，拥有多年量化系统工程经验。 团队早在5月就已经秘密立项研发，近期公众号正式上线，同步开启开发者内测招募。 海外Claude Code已经验证代码Agent巨大潜力， 国内大多AI还停留在片段代码生成。 依托DeepSeek V4‑Flash极强的代码底座，搭配Harness执行框架，国产代码Agent，或许终于迎来可以正面对标海外产品的选手。 一场程序员开发工具的变革，可能已经在路上。 你觉得代码Agent多久能够大规模替代基础开发工作？ 评论区聊聊。

模型没改一个字，Harness 却让它长了本事 DeepSeek V4-Flash 这次发的"正式版"，本质不是新模型。 架构没动，参数没加——Flash 还是 2840 亿总参、130 亿激活；Pro 是 1.6 万亿 / 490 亿，差一个数量级。官方原话就一句："仅重新进行了后训练"。 没换发动机，只重调了变速箱和驾驶策略。 结果 Agent 能力一下子跳到接近 Pro：TerminalBench 82.7、DeepSWE 54.4、Cybergym 76.7。 这事儿值得盯，是因为它恰好验证了崔添翼进 DeepSeek 要干的那件事。 崔添翼是谁？浙大加六枚 ACM 金牌，Jane Street 量化九年，今年三月被梁文锋挖来组建 Agent 团队。 他给的公式很直白：Model + Harness = Agent。 Harness 是啥？ 说白了，就是套在模型外面、让它能真正接任务、调工具、自己跑起来干活的那套系统。模型是发动机，Harness 是方向盘、刹车。没有它，模型再聪明也是个裸 API，跑不了真实任务。 他的切入点妙在：量化交易和 Agent 底层逻辑同源——都是上下文管理、工具调用、终端执行、权限控制。 量化不堆算力，是在噪音里筛信号、精准路由。这套"信号过滤 + 路由执行"，被他搬到了模型框架上。 一句话：Harness 不是让模型更聪明，是让便宜的 token 变有用。小模型配好 Harness，能打赢大模型加糙 Harness。 为什么这能替代堆参数？ 预训练是灌知识（多聪明），后训练是岗位带教（教怎么把事办完）。 这次证明：130 亿激活的小 Flash，靠重训加自家 Harness 环境，Agent 成绩逼近 490 亿的 Pro。 → 模型规模不再是 Agent 能力的唯一决定因素，训练方法、数据质量、Harness 的权重在上升。 但要泼盆冷水：Harness 和内部测试集没公开，第三方还没复现，暂时不能断言"后训练已可替代扩容"。 这条路线直接打 Agent 应用层的"毛利危机"——Cursor、Devin 这类产品，被 OpenAI、Anthropic 的旗舰账单吸走大半订阅费，沦为"算力劳务派遣"。 DeepSeek 的逻辑：用便宜 token 加自家 Harness，把成本压下来、可控性提上去，切 OpenAI 后院。 → 看 AI 应用公司，同一个模型换 Harness 结果天差地别。未来估值要看"模型 × Harness"复合能力，不是单看参数。 所以下一仗，是模型还是 Harness？

崔东树：2026年7月车市走弱是多重因素共振所致 乘联分会崔东树发文：2026年7月车市走弱，是油价反弹、宏观走弱、季节性淡季、前期需求透支及政策切换等多重因素共振所致。 甚至还有这个：“7月高温淡季压制线下到店客流、6月半年冲量提前透支市场需求。” 😂😂😂

崔丽丽案大家知道吗？就是首例被老板性侵认定是工伤的事。 现在申诉已经两年了，也判定胜诉却迟迟没有得到赔偿。 原因很简单：认定工伤是需要政府部门出钱，大概是两百万左右，而如果一旦赔付出去，就会面临一个巨大风险： 那就是会有情侣故意的用这一案例来“薅羊毛”，想想最多关三年换两百万值不值，你就懂了。