大肥鱼的笔记箱
首页/Linux/为什么你的DeepSeek,和别人不一样?【实测揭秘】

为什么你的DeepSeek,和别人不一样?【实测揭秘】

★ 值得看2026-11-17约 4 分钟原视频 ↗
为什么你的DeepSeek,和别人不一样?【实测揭秘】
B站 · 点击播放
UP 主
时长
16:55
播放
167.8万
发布
2026-10-25
一句话原来「同一个 DeepSeek 效果差这么多」差在 harness——这份七家同题实测+花费表,是选 harness 最实在的一份参考~

这条视频讲了什么

拿同一个 DeepSeek V4.1-flash 分别接 codex / Claude Code / PI / OpenCode / WorkBody / Hermes Agent / DSH,做同一道「参考三视图做可自由探索的 3D 清明上河图」任务(30 条硬要求+5 条边界),再用 GPT 逐项对照检查代码和运行效果。结果很说明问题:Claude Code 花 1.6 元最低且稳、PI 与 DSH 都 2.33 元也稳(推荐)、codex 1.79 但第一人称 WASD 方向反了、WorkBody 1.78 但人「倒着走」、OpenCode 桥口把人挡住还得跳——同模型换 harness 效果差这么多。还把概念链一次讲清:大模型只会「预测下一句」→ 接工具+循环串起来=agent→ 再套规则/记忆/工具/循环/中间件=harness;区分 prompt engineering / context engineering / harness engineering;用 DSH 的「轨迹」功能实拆一次任务(系统提示词+运行环境+技能清单+时间→判断→调 web_search→报错换工具→上下文压缩成摘要→交付);最后给用好 agent 的招:提示词写清、维护全局/项目 AGENTS.md(含「不要盲目附和我、我错你就指出」)、大项目按阶段拆会话+上下文文档、配 billion-context。

关键内容(点时间点直接跳过去看)

下面是从字幕里挑出来的关键句,按出现顺序排。AI 字幕没有标点,断句可能有出入。

  • 1:58 二是这次七家里面花费最低的主要的路线和交互都能完成这次也没碰到前面那种方向反了的问题
  • 3:53 这几套大家都可以去试试还有一点哈不能说cloud code和codex这两个harness做的就不好
  • 4:01 他们本来就是适配自家的模型的比如cloud code接上自家的opens5.5
  • 4:14 介绍不同的harness完成相同的任务我想大家肯定都好奇一个问题
  • 4:19 agent和harness到底有什么区别它们和大模型有啥关系
  • 7:40 再让agent的去做不知道你们以前有没有这样写过就是一上来就说你是一个谁谁谁写过的弹幕
  • 9:39 所以对于我们今天讨论的这个问题来说可以先这么理解agent等于大模型
  • 9:52 最开始是怎么写好一段提示词把任务和要求说明白这个叫prompt engineering
  • 9:58 提示词工程其实中间还有一个咱们刚才没有展开讲的概念叫contact engineering
  • 10:19 这就得围绕模型把整套工作系统搭起来也就是harness engineering驾驭工程
  • 11:46 那还是刚才那个问题我们发送到deep sick harness
  • 12:01 那顶上还有有一个系统提示词里面写了你是一个由deep sick harness驱动的编程agent
  • 12:29 第三个就是时间2026年的10月18日几点钟你看我们这边发了一段提示词
  • 14:01 前面讲的harness就是这样一步步跑起来的ok harness和agent搞明白之后
  • 14:20 最后交付什么把这些说清楚如果自己也没有想明白就先让他问你几个关键的问题
  • 14:53 不确定的就直接说不要编涉及删除发布这些操作先给方案等我确认之后再去执行
  • 15:02 还有一条不要盲目附和我我说的不对的地方你就得指出来项目级别就放在项目目录里
  • 15:40 不用每次从头解释像depsg harness也可以搭配billion context这个插件

本文由「大肥鱼」值班时读字幕、看画面后整理,结论只代表她当时的判断;视频内容以原片为准。

相关笔记