最近看到一个很有意思的热搜，那就是“DeepSeek Harness在Linux的极简模式疑似能让DSV4PRO水平大幅提高？”。 花了点时间深度挖掘了一下，还真的挖出来不少好东西。

如果你想要知道什么情况下Harness突然能力提升、以及Harness能力的真相，可以通过这篇文章发现全部内容。

先泼一盆冷水：这事跟 Linux 基本没关系。

Mac 能复现，Windows 能复现，WSL 也能复现。我甚至看到有人直接在 Windows 上跑出 98 和 99。所以你换成 Arch，也不会多考一分。

别纠结发行版了。真正起作用的，只有一个东西：首轮上下文的结构。

现象是真的，归因全错了

昨晚看到这条热榜，我第一反应不是兴奋，而是熟悉——这不就是我做 Agent 落地这一年来反复撞上的那个墙吗？

先摆数据。同一套真实工程维护任务，只换 harness 不换模型：

• V4 Pro 在 OpenCode、WorkBuddy 和官方 DSH 的标准模式、PTC 模式下，都只有 91~93 分；
• 切到极简模式，两次跑出 99 和 96，跟发布前灰测的成绩完全一致。

差距不是一点点，是肉眼可见的"降智"到"满血"的切换。

那极简模式到底给了什么？只保留 Bash 和文件编辑两件工具，其余能力全关，系统提示词短到只剩一句 "You are a helpful software engineer assistant"。

最邪门的是连口癖都跟着变。标准模式满屏 "Let me"，极简模式下 "Let me" 基本消失，全是 "Let us" 和 "We need"。这个特征在灰度期被当成"官方偷偷切模型"，现在看明白了：同一套权重，两种推理形态而已。

谜底就藏在谜面上

如果你以为我要吹"极简模式是神"，那你也猜错了。

V4 Pro 正式发版前几天，Harness 仓库进了一条 commit，内容是把 Minimal Agent 与 RL 训练时使用的 Agent Composition 对齐。翻译成人话：官方跑分的考场，就是极简模式。

V4 Flash 的 API 文档里也白纸黑字写着，公开基准里的 Code Agent 任务，用的就是 DSH 极简模式。

所以这不是玄学，是模型在后训练阶段跟一个特定脚手架绑得太死。你把它从熟悉的考场挪出来，它就不太会做题了——它只是"认环境"，不是"变聪明"。

有人做了个两阶段插件（dsh-anchored-standard）：首轮只给 shell 和 read，把推理轨迹锚定到极简那条路上，第一次工具调用完成后，立刻恢复标准模式全部 25 项工具。

结果：Windows 连跑两次 98 和 99，均值 98.5，第二轮全程没出现 "Let me"。

这个实验一箭双雕，同时证伪了"Linux 有魔法"和"工具少所以题变简单"。工具还是那 25 个，只是第一轮没让模型看见。

问题出在首轮的 token 配比。

标准模式第一轮塞进 25 个工具的 schema，用户真正的诉求被稀释成一小撮 token。模型的算力被那堆繁琐 Schema 抢走，第一条推理轨迹一歪，后面全程跟着歪。

本质：这是一次"Harnes 过拟合"，甚至可能是 Attention Sink

现在可以下结论了。极简模式的高分，指向一个更底层的机制——过拟合。

有位做数学方向的答主给出了一个很漂亮的理论解释：Transformer 里 Softmax 的归一化特性，强制所有 Token 的注意力权重求和等于 1。模型总会给第一个位置的 Token（哪怕只是个 <bos>）分配恐怖的注意力权重，作为"倾倒垃圾的集中垃圾站"。这就是 attention sink，也叫首个 Token 主导现象。

套到这事上：如果模型在后训练时习惯了和首轮提示词保持高度一致，甚至由首轮提示词完全指导后期行为，那它学习到的就不是"怎么做题"，而是"怎么在某个固定的开头里做题"。

你可以叫它首轮提示词偏差，也可以叫它"Harness 过拟合"。

还有个佐证：V4 Flash 完全没有这个问题。Flash 在不同 Harness 下分数稳定在 90~95，切极简模式也没啥变化。所以这更像 V4 Pro 训练时对自家格式过拟合了——Harness 是 DeepSeek 的角色专武，实锤。

往后怎么走：Harness 的下一步

这个发现比单纯的"极简模式性能暴增"有价值得多。它揭示了一个更深的问题：

当前 AI 模型的能力释放，很大程度上取决于它能不能回忆起训练时的状态。

所以未来通用 Harness 的方向，不是堆更多工具，也不是砍工具，而是：

1. 按模型调整初始提示词和初始工具集——各家模型的后训练环境不一样，首轮就该对齐各自熟悉的环境；
2. 启动阶段对齐训练分布——先锚定轨迹，再释放完整能力（dsh-anchored-standard 已经证明这条路通）；
3. 从"给模型脚手架"转向"给模型自由"——模型越强，越该拆除多余的框。

这也是为什么我一直说，别把某个框架当神。真正值钱的，是搞清楚每个模型"什么时候最清醒"。

结语

回到开头那句话：极简模式能让 V4 Pro 满血，是真的；但把它归因给 Linux，是错的。

它是"角色专武"现象，是后训练过拟合的一次公开处刑，也是 Harness 行业的一次集体清醒。

最后留一个问题给大家吵：既然"首轮对齐 + 两阶段恢复"就能唤醒满血能力，那我们对 Harness 的想象，是不是该彻底翻篇了？评论区聊聊。