在做Harness这件事上，DeepSeek更信搞量化的

量化老兵掌舵Harness团队

崔添翼，这位毕业于浙江大学计算机系、曾在Jane Street香港和纽约办公室工作9年的交易系统专家，如今成为DeepSeek Harness团队的负责人。他不是传统的学术派AI研究员，而是量化交易领域的老兵——曾联合创立量化基金TSY Capital，专注于全球股票市场的程序化交易。DeepSeek这一任命直接表明，在做代码Agent这件事上，公司更信任那些“做过真实系统、知道模型输出落到执行层会出什么问题”的人，而非单纯的大模型论文作者。

从模型到产品：Harness团队的双线布局

DeepSeek正在北京组建新的Harness团队，方向明确：对标Claude Code，从零做DeepSeek Code Harness。招聘信息显示，团队需要两类关键角色：Harness产品经理和Harness研发工程师。岗位描述明确指出，Code Harness团队成员要参与DeepSeek桌面端Agent产品研发，并与模型研究团队协作，把真实任务里的反馈带回模型训练。这一布局背后，是DeepSeek对“Agent = Model + Harness”公式的深刻理解——模型本身只是底座，模型之外的上下文管理、工具调用、任务规划、文件读写、终端执行等所有工作，都属于Harness的范畴。

为什么要量化背景的人？系统级工程经验是关键

崔添翼的量化交易背景，正是在Harness层面缺失的能力。在Jane Street近9年的工作经历中，他覆盖了股票和固收业务的交易系统与工程研发。这类工作核心是处理高并发、低延迟、状态一致性和异常回滚——这些恰好是代码Agent在真实仓库中最常暴露的短板。Code Agent进入真实项目后，最容易暴露的问题不是写不出一个函数，而是十几轮修改后忘记最初目标、跨文件改动后逻辑不一致、测试失败后不能沿着旧状态继续修。量化系统处理这类连续任务和状态保存的经验，正好填补DeepSeek Code背后的系统工程缺口。

补课与追赶：DeepSeek Code的明确对标与人才争夺

DeepSeek的Harness招聘已经把对标对象写得明明白白：官方要求候选人深度使用Claude Code、Codex、Cursor、Manus等产品。这背后是Anthropic在2026年2月披露的数据：Claude Code年化收入超过25亿美元，周活用户翻倍；OpenAI的Codex周活用户在15天内从300万增至400万。DeepSeek手握700亿融资后，开始在Harness上奋起直追。除了崔添翼，公司还从字节Seed团队挖来DeltaFormer第一作者徐名宇，补强模型在连续任务中的状态跟踪能力——崔添翼对应产品和系统工程，徐名宇对应底层模型结构，两条线共同指向正在进行的Code Agent项目。

从金融到代码：量化思维如何迁移到Agent场景

量化交易与代码Agent在底层逻辑上存在惊人相似：都需要在动态环境中处理连续步骤、维护状态一致性、容错重试、以及从执行反馈中持续优化。崔添翼在Jane Street做的交易系统，本质上就是一个高度可靠的Agent——它必须实时读取市场数据、做出决策、执行交易、监控结果并回滚错误。这套思维迁移到代码Agent中，正好解决陈德里在乌镇大会上提到的AI短板：模型训练完后参数固定，无法像人一样在真实世界中自我迭代。Harness的价值正是在于，它能将真实任务里的失败信号循环回模型训练，而这套闭环设计，正是量化老兵最擅长的系统工程。