DeepSeek Establishes Product Department, Quantitative Trader Cui Tianyi to Coordinate Four Teams Including Harness

文 | 超聚焦

DeepSeek补票Agent时，曾经的候选人郭达雅已换乘字节。

10月16日，DeepSeek成立产品部，将Harness、Web、App、Platform四个团队整合到一起，由拿下过六枚ACM亚洲区域赛金牌但出身量化崔添翼负责，统筹产品、设计和研发。

这家曾经以模型研究闻名的大模型公司，开始把更多精力放到Agent和产品体系上。模型之外，如何让AI真正执行任务、稳定运行，正在成为新的竞争焦点。

就在几个月前，DeepSeek可能错过了最适合驾驶这艘巨轮的船长。

2026年3月，R1核心贡献者之一郭达雅离职，加入字节跳动。离职原因是他看好Agent方向，但该方向在DeepSeek内部优先级不高；而字节跳动愿意投入充足资源，让他能够专注于Agent研究。

如今，DeepSeek开始加码Harness、整合产品团队，而那个曾经想做Agent的人，已经去了另一家公司。

如果郭达雅没有离开，今天站在产品部负责人位置上的会不会是他？DeepSeek又能否驶向今天的方向，更早拿到大结果？

DeepSeek想留的人,字节先给了舞台

郭达雅离开DeepSeek，像一个擦肩而过的故事。

1994年出生的郭达雅，2023年博士毕业后加入DeepSeek。在这家以技术研究著称的公司里，他参与了DeepSeek-Coder、DeepSeek-Math、V3、R1等多个重要项目，是代码智能与大模型推理方向的核心研究人员之一。

尤其是R1背后的强化学习技术，让郭达雅的名字进入了更多人的视野。DeepSeek用相对高效的训练方法，让模型在数学、代码等任务上展现出强大的推理能力，也由此改变了外界对中国大模型研发实力的看法。

但对郭达雅而言，把模型做得更聪明，可能还不是终点，他看好的下一个方向，是Agent。

这意味着，竞争的重点不再只有模型本身，还包括围绕模型搭建的整套执行体系。但公司还没准备好把下一步放到最高优先级。

对于郭达雅来说，这可能正是他与DeepSeek之间出现分歧的地方。他看好Agent，却没能等到这一方向在DeepSeek内部获得更高的优先级。

与其继续等待，他最终决定换一个平台，去做自己认为更重要的事情。

据晚点报道，郭达雅在2025年下半年便开始考虑离职，直到2026年3月才最终离开DeepSeek。期间，阿里、腾讯、字节等公司都曾向他抛出橄榄枝。阿里据称还向他提供过post-training方向负责人的机会。

最终，他选择了字节Seed。

今年4月，澎湃新闻通过多方信源确认郭达雅已经加入字节。相关报道显示，他成为Seed中Agent方向负责人之一，职级为L8。

字节方面虽然否认了外界流传的“亿元年薪挖人”说法，并解释了Seed团队的薪酬与激励机制，但也可见字节对郭达雅的认可程度。

除了客观的薪酬水平，字节能吸引郭达雅的另一个重要原因，或许是公司正在把Agent作为重要的技术方向推进。

从组织架构来看，2026年初，字节启动了针对Agent和Coding的组织整合，字节希望进一步强化智能体与代码智能方向，而郭达雅此前积累的研究经验，恰好与这条路线相契合；而在技术侧，晚点也曾报道，字节下一代模型的重点就放在了优化Agent能力之上。

这意味着，Agent不只是郭达雅个人看好的研究方向，也是字节接下来准备重点投入的技术方向。对他而言，加入字节Seed，意味着自己的志趣所在与公司的研发重点对上。

然而造化弄人，几个月后的DeepSeek，又变成郭达雅曾经最向往的地方。10月，DeepSeek开始加码Harness，将Web、App、Platform等团队整合到一起，成立产品部。曾经被放在模型之外的产品与执行体系，如今被推到了更重要的位置。

只可惜故人已乘黄鹤去。

郭达雅等不到的转身,崔添翼从Harness开始补

如果说郭达雅的故事，是一个提前看好Agent的人与DeepSeek擦肩而过，那么崔添翼的登场，多少都有些出人意料了。

一个做量化交易的，为什么会被梁文锋选中，来负责DeepSeek的Agent体系？

或许要从崔添翼过往经历中寻找答案，他不是传统意义上的产品经理，也不是一路从大模型研究中成长起来的技术负责人。相反，崔添翼曾经在华尔街做了近九年量化交易。

早在算法竞赛时期，他就展现出对抽象问题和系统设计的兴趣。《背包问题九讲》中，他尝试用函数式编程的思路重新审视经典算法问题；进入Jane Street后，他面对的则是另一种更复杂的系统：在真实市场中，再精巧的策略，也必须依赖底层工程架构才能兑现。

这两段经历看起来相距甚远，却有一个共同点：不满足于让单个模块表现出色，而是思考如何把不同模块组织起来，让整个系统有效运转。

而DeepSeek如今要解决的，恰恰也是一个系统性问题。模型研究决定能力的边界，但当公司开始把Harness、Web、App、Platform整合到一起，考验的就不再只是某项技术能否突破，而是能否把不同环节组织成一套完整的产品体系。

崔添翼接手Harness后，交出的第一份成绩单，确实有些出人意料。

8月13日，DeepSeek Harness正式开源，采用MIT协议，核心思路是“一切皆插件”。模型、工具、会话、沙箱乃至执行循环，都可以被替换和组合。它不是只给DeepSeek自己的模型服务，而是试图让开发者能够自由搭建、改造自己的Agent系统。

项目发布后迅速走红。截至10月中旬，仓库已已经积累约25万颗GitHub Star。对于一个面向开发者的底层工程项目来说，表现足够亮眼。

更值得关注的，是它在实际任务中的表现。

近日，基于DeepSeek Harness开发的插件催生了B站评论区的「大肥鱼」现象：一群由AI驱动的账号顶着鲸鱼娘头像，自动搜索视频、读取字幕，甚至以预设人设发表评论，让DeepSeek从代码仓库一路游进了真实的互联网。

在更量化的测试场中，Composio曾用30个真实SaaS任务测试不同的Agent框架。在同一模型和特定工具环境下，DeepSeek Harness完成了20个任务，Claude Code完成了19个；前者平均每个任务消耗约8.9万Token，后者约65万。

崔添翼没有重新训练一个模型，而是试图从模型之外入手，让现有能力以更低的成本、更灵活的方式发挥出来。

但崔添翼的故事，显然还没到庆功的时候。

10月，DeepSeek把Web、App、Platform三个团队也整合进产品部，产品、设计和研发统一由他统筹。这意味着，他需要面对的，不再只是一个开源项目的技术表现，而是DeepSeek整套产品体系如何协同运转。

这与他的量化经历形成了一种宿命般的呼应。在交易系统里，策略本身只是起点，最终结果取决于整套系统能否稳定执行。

DeepSeek的模型能力已经摆在那里，接下来要看它能否被组织成一套真正可用的系统。

Harness只是起点，真正的考验，是能否把它变成一套成熟、稳定、让用户愿意持续使用的产品。

郭达雅曾经看好Agent，选择离开DeepSeek继续押注；崔添翼则从Harness出发，接过了把这条路继续铺下去的任务。

只是，不知道某个夜晚，当崔添翼继续埋头打磨Harness时，会不会也想起那个曾经与DeepSeek擦肩而过的郭达雅。

又或者，郭达雅会不会在字节的某个深夜，想起那头持续深度求索的巨鲸。