干同一份活，有个工具只花了三块钱。不是美元，是人民币。

前段时间看到一个测试开发团队做了一件事：他们把库存管理API的需求解析、用例设计、脚本编写、执行调度和缺陷定位这五个环节，挨个交给DeepSeek Harness跑了一遍，然后逐项打分。结果有点分裂——用例设计环节拿了“强”评，等价类、边界值、异常场景覆盖得挺全，是整个链路里表现最好的一环。但执行调度只拿到“弱”，长任务稳定性不足，偶尔还会在原地循环打转。缺陷定位是“可用”，能从日志里圈出可疑点，但最后确认还是得靠人。

这说明Harness的“手”够用，但远没到放心撒手的程度。

它真正干活是什么样的？有人拿它跑了一场RAID重组分析，模型用DeepSeek V4 Flash，总耗时大约66分钟，消耗了200到400万token，花了三到六块钱。关键这个任务不是简单操作，涉及深度推理加长链工具调用。同一个检材反复分析时，缓存命中后的成本几乎可以忽略不计。

听到这个价格你可能会想：那以后什么活都丢给它跑。但8月17日调价之后，同样任务的花费直接跳到十到二十元。便宜窗口就那么几天。

更值得琢磨的是极简模式。官方把它定位为跑基准测试用的，只保留一个终端和一个文件编辑器，其他二十多个工具全关掉。有人拿它干了件意料之外的事：标准和PTC模式下因为模型不支持读图，截图全都读不了。极简模式自己动命令行编了个小程序，调用系统自带的文字识别能力，硬是把九张截图里的字全抠出来了。代价是280万字的上下文消耗，标准模式的7.5倍。

工具少反而更灵活，这逻辑跟人类似的——手边没专用工具，就自己搓一个。但烧钱也是真的。

再换个角度。一个叫dsh-coldread-cache的社区插件专门解决一个问题：会话开久了会越来越卡。根因是每次向会话文件追加内容，缓存就失效一次，然后触发整份冷读——整个文件重新解析。实测一个16MB的日志文件，冷读一次要576毫秒。更夸张的是，有个开了长会话的宿主进程，30秒内读了846MB数据，做了一万多次读操作。

这事跟装不装Node.js没关系，跟模型选哪个也没关系。它藏在日常使用里，用着用着就慢了，关掉重开就好了，过一会儿又开始卡。你不看日志根本不知道背后发生了什么。

还有个更硬的问题。安全研究人员在DeepSeek Harness里发现了一个沙箱逃逸漏洞，编号CVE-2026-82533，严重程度评了9.4分。原理不复杂：沙箱只拦了文件写入，本地回环网络完全放开。Harness自带的HTTP控制接口监听在localhost上，没有任何身份验证。被关在沙箱里的Agent只要往这个接口发一条命令，就能把当前会话切到“完全访问”模式，沙箱直接关掉，所有操作确认提示也停了。全程不需要凭据，不需要改配置。

补丁倒是出了，但修复版本在npm上延误了几天才发布。而且补丁只加了启动令牌认证，沙箱本身没动，文件读取和网络访问仍然不受限制。

所以回到那个测试开发团队的账本。用例设计和脚本编写确实能帮上忙，需求解析也能提取入参出参和错误码，但那些只存在于业务方脑子里的隐性规则——比如“库存为零不允许出库”——它不会凭空知道。你给它一份写得清楚的文档，它翻译得不错；文档写得不清楚，它的表现就跟着打折。

66分钟三块钱跑完一场RAID分析，极简模式自己编工具读截图，这些确实让人眼前一亮。但长会话越来越卡、沙箱能被一条命令关掉、调价后成本翻好几倍，这些问题不出在模型上，出在那双“手”本身的设计和实现里。

模型负责想，Harness负责做。现在的问题是，想得挺好，做的时候偶尔会自己给自己开门。