Workbuddy VS DS Harness 跑相同任务实测

本文来源： 汉堡（公众号：汉堡）
原文链接： https://mp.weixin.qq.com/s/j0HLjFldUgfxD_vXPP292w
发布时间： 2026-08-18 00:38

作者： 汉堡　　发布时间： 2026-08-18 00:38

一份「Agent 工具该怎么选」的真实答案。

DeepSeek Harness 开源后，我一直在想一个问题：它和 WorkBuddy 到底有什么区别？

网上全是「是什么、怎么装」的介绍，真正同场竞技的对比几乎没有。而且大多数对比都不公平——要么任务不同，要么模型不同，比出来的只是噪音。

所以这次我做了一个尽量公平的实验：

•同一套 Skill：两边都用 course-ppt-html（做 HTML 网页 PPT 的技能），生成同一个主题的 PPT

•同一个模型：两边都用 DeepSeek-V4-Flash

•同一个任务：做一份《DeepSeek Harness 5 分钟上手》的 7 页 HTML PPT

结果，差距比我想象中大。

先说结论

•WorkBuddy 赢在「快和省心」：75 秒一次成稿，7 页 Swiss 风格 PPT 直接能用。

•Harness 赢在「深和严」：65 步工具链自动编排 + 官方校验器 + 像素级渲染自检，质量意识拉满，但花了 16 分钟。

•不是替代关系。日常快速产出用 WorkBuddy，复杂工程自动编排交给 Harness，是当前的最优组合。

测试是怎么设计的

统一任务：course-ppt-html 技能，制作《DeepSeek Harness 5 分钟上手》HTML PPT（7 页，可横向翻页，跳过 IP 配图与视频）

统一模型：双方 DeepSeek-V4-Flash（WorkBuddy 侧由用户手动切换确认）

统一环境：Harness 在 ppt-html 工作空间执行；WorkBuddy 在 PPT&HTML 创作空间执行

观察维度：Skill 加载 / 交互过程 / 效率 / 产出质量

第一局：DeepSeek Harness 实测

我通过 Web UI 进入 ppt-html 工作空间，选好 V4-Flash 模型，把任务发了过去。

接下来发生的事情，让我重新认识了「自动编排」这四个字：

1.读齐 7 份文档：它把 course-ppt-html 的确认流程、踩坑册、依赖说明、deck 规格、瑞士风布局、检查清单全读了一遍，还分块读完了 2372 行的 guizang 模板。

2.遇到真实环境问题：这台 Mac 上 sandbox-exec 被系统禁用了，Harness 的 bash 沙箱一度全部失效（bash、glob 全挂）。它的应对是——先测试 Write 工具是否可用，确认后改用「复制模板 → 写临时文件 → 程序化替换」的方式继续，全程如实说明受限原因。

3.bash 恢复后继续深挖：复制模板、写入 7 页内容、用 python 精准替换示例区、跑官方 swiss 校验器——一次通过，无错误。

4.像素级自检：它发现截图里 p6/p7 文件偏小，怀疑内容缺失。于是做亮度直方图分析、对照实验（静态渲染 vs 注入 JS 抓报错），最终定位是「动画初始态 opacity:0 导致截图时机问题」，deck 本身没问题。

产出：index.html（112KB，7 页 Swiss 风格）+ 完整项目记录（G0-G3 决策 + 逐页方案对账）。

Harness 侧数据：2 轮 · 65 步 ｜ LLM 13m48s + 工具调用 2m26s ｜ 缓存命中 99% ｜ 输入 9.6M tok / 输出 94.3K tok。

Harness 完整 7 页 PPT

第二局：WorkBuddy 实测

同样的任务，我在 WorkBuddy（当前这个对话，模型已切换为 V4-Flash）里执行。

过程简单得有点平淡：加载同一套 skill（course-ppt-html + guizang），确认任务参数（主题、受众、7 页、瑞士风、跳过 IP/视频），然后直接写成一个自包含的单 HTML 文件。

75 秒，7 页，18.9KB。渲染截图验证，7 页全部正常。

WorkBuddy 完整 7 页 PPT

WorkBuddy 侧数据：1 轮直达 · 墙钟 75 秒 · 产出 18.9KB · 无沙箱/环境问题。

数据对比

Skill 加载：读齐 7 份文档 + 模板 2372 行分块读

交互轮次：2 轮 · 65 步（自动编排）

耗时：LLM 13m48s + 工具 2m26s

缓存命中：99%

输入 / 输出 Token：9.6M / 94.3K

产出文件：112KB（完整 WebGL + Motion One）

质量自检：官方校验器 + 像素级分析 + 对照实验

环境兼容：⚠️ macOS sandbox-exec 失效 → 降级完成

框架对比图

优劣势

DeepSeek Harness

优势
 1. 深度自动编排：65 步工具链一气呵成（复制模板 → 写临时文件 → 程序化替换 → 校验 → 起服 → 截图验证），长任务自主推进。
 2. 严谨自检：官方校验器通过 + 像素级渲染分析 + 对照实验排查根因，质量意识是行业级。
 3. 一切皆插件：模型 / 工具 / 循环 / UI 全可换，二次开发自由度最高。
 4. 成本控制：缓存命中 99%，长会话大量输入只按缓存读计费。

劣势
 1. 慢：LLM 13m48s，是 WorkBuddy 的 10 倍以上。
 2. 环境脆弱：macOS 上 sandbox-exec 被系统禁用 → 需要降级路径，对普通用户不友好。
 3. 上手门槛：Node.js + API Key + 命令行 + 开发者预览版（会变）。
 4. Token 消耗大：输入 9.6M tok（缓存兜底，但无缓存时成本高）。

WorkBuddy

优势
 1. 快：75 秒交付，一次成稿，零编排摩擦。
 2. 省心：开箱即用（持久会话 + 记忆 + 技能库已装），无沙箱/环境问题。
 3. 对话式协作：跨任务延续上下文，适合日常内容创作。
 4. 轻量产出：18.9KB 自包含，无冗余依赖。

劣势
 1. 自检弱：无官方校验器、无像素级渲染验证，依赖人工/截图确认。
 2. 复杂工程编排弱：多阶段、多工具串联的自主编排不如 Harness。
 3. 可塑性有限：核心逻辑不能像 Harness 那样插件级替换。
 4. 模型绑定：模型由所在环境决定（本次需手动切换为 Flash）。

谁适合用哪个

快速产出（推文配图 / 小工具 / 单页 PPT）：WorkBuddy

复杂工程自动编排（大型 PPT 生产线 / 多阶段任务）：Harness

学习 Agent 底层 / 二次开发：Harness

日常内容协作（创作 + 归档 + 发布）：WorkBuddy

批量重复任务省钱：Harness + Flash

最后一句

这次对比最有价值的发现，不是谁快谁慢，而是两个工具根本不在同一个赛道上：

•WorkBuddy 是把「AI 干活」这件事做成对话——你说话，它干完，你验收。

•Harness 是把「AI 干活」这件事做成系统——它有手有脚，还自己检查自己。

模型已经是同一颗大脑了，真正拉开差距的，是大脑外面的那套身体。而你选哪套身体，取决于你想让它干多久的活。

我是汉堡🍔，进来和一杯，我们聊点有趣的。

本文转载自微信公众号「汉堡」，仅供学习交流使用。