在GitHub上获得20万颗星的难度有多大？曾经风靡的OpenClaw小龙虾耗时3个月，而DeepSeek Harness则在不到3周内达成了这一成就。GitHub上的“星”表示收藏或点赞，而“Harness”是一个允许大模型调用工具和执行任务的软件框架，负责组织读文件、运行代码、保存进度等环节。简单来说，如果大模型是“脑子”，决定Agent的智慧，那么Harness就是“四肢”，决定了其执行工作的效率和效果。

DeepSeek Harness是他们推出的第一款软件框架，强调“插件化”，其中的模型、工具和操作界面都可以随需替换和组合。自8月13日开源以来，Harness在短短3周内吸引了大量关注，伴随其周围也衍生了许多新玩法。量子位在8月15日报道称，GitHub上带有相关插件标签的公开仓库已超过700个。进入9月，DeepSeek于3日和4日连续发布新版本，进一步提升了图像处理和文件上传等体验。在社区开发者、商业公司到官方更新之间，这场围绕Harness的探索仍在继续。

那么，DeepSeek Harness实际应用起来表现如何？出乎意料的是，这个知名的Harness竟然被一张表情包难住了。在多种新玩法中，引入视觉模型后能实现哪些功能最让人期待。开源一周多后，DeepSeek推出了V4-Flash-Vision-Exp，将视觉模型与该框架结合，官方也展示了多模态Agent的用途，包括制作带图的旅行PPT、网页重设计和开发动态前端页面。视觉能力曾是DeepSeek的短板，如今却成为宣传亮点，演示让人对组合的潜力充满期待。 千亿球友会

当能够处理图文并茂的任务时，面对一张图它的理解能力又如何呢？表情包正好是个考验。识别画面中的人物、衣服和动作，只能说明它看懂了图的内容；要读懂调侃，还需将图与人物身份及网络流行语相联系。有些图看一眼就能明了，精准描述未必能表达笑点。因此，我将一张名为“滑动变祖器”的图片交给DeepSeek视觉模型和Harness组合，看看它的理解能力。

在首次测试中，我没有提供任何背景信息。没告诉它这个人是谁，也没说这是张梗图。DeepSeek Harness迅速抓住了图像的视觉变化，识别出这是6个横向拼接画面，每幅画中都有一个黑发、戴眼镜的男性；初三幅是深色西装，后两幅变为深色高领服装，第六幅则是华丽的红金长袍，上面还有显著的冠饰。更重要的是，它抓住了图像所传达的故事：从现代商务人士到传统服饰，再到皇者形象，最后总结为一个人正在被神化的过程。

然而，它是否识别出人物身份及网友所调侃的内容，还需进一步探讨。我告诉它这个梗名为“滑动变祖器”，并提供了5个称号，分别是小难梁、牢梁、梁子、梁圣和梁祖，表示图中不同状态。故意省略的“梁神”则成为了它的难点。模型察觉到问题，问为何只有5个称号，并尝试填补答案，提出了“梁圣·升格”和“梁煞”，但它承认缺失的称号是“梁神”。 千亿球友会

这次测试中最有趣的是，它的回答并不是纯粹的臆测，而是基于视觉变化和已有语言模式生成的非常逼真的答案。在提问者也不知原梗的情况下，这种解释有可能让人信以为真。它还错误猜测人物与历史人物关联，如“梁启超”，但实际上此人是梁文锋。

在随后的测试中，我给了它一些真实与虚构混杂的背景信息，指出这是一张中文互联网梗图，主角为中国古代历史人物，被神化的原因，以及图中体现的等级。但这一次，模型没有全盘接受，而是指出仅凭图片无法证明这些信息，选择暂时持怀疑态度。

经过几轮测试，模型理解了服装和人物形象的变化，也掌握了图像表现“神化”的概念，但在具体人物和网络梗方面，它的回答开始偏离实际。实际上，AI理解梗图的能力可以分为多个层面。 千亿球友会