[分享发现] 吐槽一下 DeepSeek

事件核心：发生了什么

一位自称 DeepSeek“自来水”的开发者在 V2EX 发帖吐槽，起因是 DeepSeek 官方仓库一个极简模式（minimal preset）的提交。该 Commit 位于 deepseek-harness 项目下，描述了这个配置的具体用法：系统提示词固定为“You are a helpful software engineer assistant.”，只开放 bash 和 str_replace_editor 两个工具，工具 schema 与训练时完全一致。

按照帖子原文的说法，只有在这种“复刻强化学习训练环境”的极简模式下，才能跑出官方公布的跑分数据。该模式被明确标注为“The minimal preset owns the complete RL agent composition.”。但现实中解决任务的 agent 不可能只依赖这两个工具。

这个帖子发布于 2026 年 8 月 16 日凌晨，浏览量超过 300 次，目前有 3 条回复。发帖人真正不满的不是技术本身，而是“一盘没做好的菜就端上桌”——质疑官方没有在官网给出足够说明，反而是自己的 agent 产品“悄悄”对齐了新配置，给做产品集成的人制造了困扰。

为什么重要

这个争议触及了 AI 开源社区一个长期存在的张力：开源的是“成品”还是“过程”？发帖人代表的是应用层开发者视角——他们希望拿到手的是稳定、可复现、能直接接入产品的模型环境；而回复中的不同观点则代表了另一类立场：像 Linux 早期从 0.98.x 开始商用一样，先开源一个基础版本，让社区一起迭代，本就是开源生态的常见路径。

DeepSeek 一直以高性价比和开放权重获得口碑。这次争议并不动摇其模型能力，但暴露了一个更实际的问题：训练环境与推理环境之间的差距正在扩大。官方 Harness 服务于强化学习研究，生产环境则需要更通用、更复杂的 agent 工具栈。两套环境如何对齐，直接影响第三方开发者能否真正复现模型的 agent 能力。

如果官方只提供了“能跑分”的配置，却对限制条件说明不足，就会造成跑分与体验之间的落差。这对于依赖基准测试做采购或技术选型的企业用户尤其值得警惕。

对用户/开发者/创作者的影响

对开发者来说，如果你正在基于 DeepSeek 做 agent 产品或工具链集成，不要只盯着官方跑分数据。需要先确认 Harness 版本、工具 schema 和系统提示词是否与你部署的环境一致，否则“高水准”很难在真实场景复现。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对研究者和开源贡献者来说，这其实是一个参与机会：DeepSeek 把训练环境的核心配置开源出来，意味着你可以基于这套 minimal preset 做二次开发，或尝试扩展工具集，推动它向更贴近真实任务的方向演进。

对普通用户和创作者而言，这次事件影响不大，但可以提醒你：看到“跑分”时多问一句“在什么条件下跑的”。模型在受限环境下的表现，并不等于在通用 agent 任务中的真实水平。

值得关注的后续

第一，DeepSeek 是否会在官网或 README 里补充更多关于极简模式与实际产品性能差异的说明，降低集成方的理解成本。

第二，社区是否会出现“增强版 minimal preset”，在保留 RL agent composition 的基础上扩展工具集，形成更接近生产环境的部署范式。

第三，其他开源模型厂商是否也会跟进这种“开源训练环境配置”的做法。如果成为趋势，基准测试的可复现性会提高，但“跑分与现实脱节”的问题会不会也从模型层转移到环境层，值得继续观察。

来源：V2EX (创意工作者社区)