DeepSeek 開源 DeepSeek Harness，AI 代理執行環境可拆成外掛自由組合

DeepSeek 開源了 AI 代理執行框架 DeepSeek Harness，目前以開發者預覽版形式提供。這套框架的底層採用 Cordis 外掛（Plugin）系統，從 AI 模型、工具、技能、工作階段、沙箱、儲存、代理執行迴圈、排程到使用者介面，都能依需求更換或重新組合，開發者不必直接修改框架的原始碼。

要理解這套框架的定位，得先區分模型與執行環境。模型負責理解指令與產生回應，但要讓 AI 真正完成工作——操作檔案、呼叫工具、持續處理長時間任務——還需要一套執行機制。DeepSeek Harness 承擔的正是這個角色：把模型連接到實際的工作環境，並管理工具使用、檔案操作、工作階段與沙箱等環節。

全面外掛化的設計，是這套框架最值得注意的技術取向。當前多數代理框架採取的是整合式設計——框架決定了使用哪種沙箱、如何管理記憶、執行迴圈如何運作，開發者若要調整這些行為，往往必須改動框架本身。這在實務上造成兩個問題：升級框架時自訂修改容易衝突，以及企業難以把框架套用到既有的基礎設施上。

把每一層都拆成可替換的外掛，直接回應了這些痛點。企業可以保留框架的整體架構，但把沙箱換成自家的容器方案、把儲存接到內部的資料系統、把模型改為本地部署的版本。這種彈性對受監理產業尤其重要——資料落地、稽核紀錄與權限控管的要求，往往無法透過通用框架的預設行為滿足。

從產業競爭看，這也是開源策略的一次延伸。當前代理框架的競爭相當激烈，多家業者都推出自家方案並試圖建立生態。以開源且高度模組化的方式切入，能降低開發者的採用門檻與鎖定疑慮；而框架被廣泛採用後，其預設搭配的模型自然取得優勢位置。這與過往開放權重模型的策略邏輯一致。

安全面則是需要並行考量的環節。近期多項研究已指出，AI 代理框架在工具權限、沙箱隔離與外部內容信任上存在共通落差，攻擊者可透過代理讀取的內容間接影響其行為。高度可替換的架構在提供彈性的同時，也意味著安全性取決於使用者選用的外掛組合——預設安全的責任被部分轉移給開發者。

後續觀察重點包括：外掛生態的成長速度、企業級部署的實際案例，以及框架在權限與沙箱設計上的預設安全性。