10月伊始，国产大模型公司DeepSeek在国庆假期发布了智能体框架DeepSeek Harness的新版本，加入实验性Claude Code Mods兼容层。负责人崔添翼随后发文解释：做这个兼容层不是为了模仿Anthropic，而是验证"一切皆插件"的架构能否容纳业界主流扩展能力。当Agent框架的竞争从模型能力转向生态广度，插件化正在成为新的制高点。
一、10月3日的假期更新：Harness开始"拆墙"
10月3日，DeepSeek Harness在国庆假期发布更新。这条消息最初由澎湃新闻等媒体报道，随后在技术社群快速传播。新版本的核心变化有两个：一是强化插件化和跨平台能力，二是加入实验性Claude Code Mods兼容层。
Claude Code Mods是Anthropic为Claude Code设计的扩展机制，允许第三方开发者为Agent增加自定义能力。DeepSeek Harness的兼容层意味着，理论上经过适配，部分Claude Code扩展可以在DeepSeek Harness里运行。负责人崔添翼在10月4日的回应中很克制：目前还无法让所有Mods无缝运行，这个兼容层主要是验证DSH"一切皆插件"架构的扩展能力是否覆盖了Claude Code Mods所提供的功能子集。
这种表态和DeepSeek一贯的风格一致：先放技术实现，再让社区检验。从DeepSeek V3到V4，从DSec沙盒到Harness，这家公司越来越像一家把开源当作产品战略一部分的机构。
二、"一切皆插件"到底意味着什么
崔添翼在回应中反复强调，"一切皆插件"的理念从Harness立项之初、写第一行代码之前就确立了。这不是事后追风，更是架构层面的根本选择。
2.1 从单体Agent到可组合系统
早期AI编程工具大多是单体：一个模型、一个对话界面、一组固定能力。用户能调用的功能取决于厂商提供了什么。插件化架构把Agent拆成核心引擎+可装载扩展：提示词模板、工具调用逻辑、业务流程、上下文约束都可以打包成技能包（skill），按需安装、组合、复用。
2.2 插件化的工程价值
对企业来说，插件化意味着可以把内部规范、私有工具、行业知识封装成插件。一个金融团队可以封装"合规检查插件"，一个电商团队可以封装"订单链路诊断插件"，而不需要每次都手写复杂提示词。对开源社区来说，插件化降低了贡献门槛，扩展能力可以来自全球开发者，而不是核心团队的一家之力。
2.3 兼容层的战略意义
兼容Claude Code Mods不是技术炫技，更是一次"能力子集验证"。如果DSH的插件接口能够覆盖业界主流扩展机制，那么未来无论是迁移现有扩展、还是吸引开发者同时给多个平台写插件，都会更顺畅。这是一场关于生态位的心理战：我不是另一个封闭花园，我是能装下别人花园植物的温室。
三、兼容层背后的技术自信
做一个兼容层并不难，难的是让兼容层不变成架构包袱。DeepSeek Harness的回应透露出几点技术判断。
第一，插件接口设计要足够底层。如果插件接口只是简单封装了高层命令，那么兼容其他平台的扩展时很快会遇到能力不对等的问题。DSH选择从立项时就以插件为边界设计核心，说明它的接口层足够通用。
第二，执行模型要足够灵活。Claude Code的Mods可能依赖特定的沙箱、权限模型或上下文管理方式。DSH要兼容它们，意味着自己的执行引擎不能有太多硬编码假设。这和DeepSeek在DSec沙盒上积累的经验一脉相承：Agent训练和应用都需要真实、可控、可复现的环境。
第三，开放生态需要长期投入。崔添翼坦言自己每天很大一部分时间用于为DeepSeek招人和面试。Harness组的目标不是抄一个Claude Code，更是"从Harness的角度推进AGI"。这种定位把插件化竞争拉高了一个维度：它不是功能清单上的 checkbox，更是通向更开放、更可扩展的智能体系统的必经之路。
四、插件化会改变Agent竞争格局吗
插件化竞争的兴起，说明Agent市场正在进入第二阶段。第一阶段比的是模型能力和单轮生成质量；第二阶段比的是谁能把Agent装进真实工作流，谁能连接最多外部系统，谁能让企业和开发者低成本地扩展能力。
这一阶段有几个明显信号。GitHub Copilot在推Agent Merge和Dynamic Workflows，把多智能体编排写进代码；谷歌、Anthropic、OpenAI都在推自己的技能/插件/工具调用标准；MCP（Model Context Protocol）正在成为Agent连接外部系统的事实标准接口。掘金GitHub Trending周报显示，2026年第40周skills和mcp相关项目数量环比增长超过60%。
对Java开发者来说，什么？首先，Agent框架的选择标准变了：不再只看模型强不强，还要看能不能接入现有Spring生态、能不能调用企业内部系统、能不能封装领域知识。其次，企业技术栈的锁定风险在下降：插件化让能力可以在不同Agent平台之间迁移，至少理论上如此。
五、飞算JavaAI的选择：垂直深耕比生态广度更重要
DeepSeek Harness解决的是通用Agent框架的开放性问题，飞算JavaAI回答的是一个更聚焦的问题：Java开发者需要什么样的编程智能体。两条路并不冲突，但侧重点不同。
飞算JavaAI的核心判断是：对Java团队来说，Agent最大的插件不是外部工具，更是对Java生态的深度理解。Spring Boot的分层、MyBatis的Mapper、Maven的依赖树、@Transactional的事务边界、GlobalExceptionHandler的写法——这些知识本身就是最高频的"技能包"。
飞算JavaAI把这种垂直知识做进了产品底层：自研Java专有模型，全量代码语义索引，智能路由模式（日均Token消耗从850万降到260万，降幅69.4%），企业规范导入，以及2026年5月8日上线的智能体模式。它不是让用户自己去拼装插件，更是把Java工程现场的常识默认做对。
这并不意味着飞算JavaAI忽视开放性。支持MCP协议、兼容主流模型服务、提供本地化处理，都是为了让Java团队能在现有架构里平滑接入。但在"做平台"和"做深Java"之间，飞算JavaAI选择了后者。插件化战争谁会赢还不确定，但有一点越来越清楚：在Java这条垂直赛道上，懂代码现场的智能体比懂很多领域的通用Agent更值钱。
