我认真把 DeepSeek Harness、WorkBuddy 和我们自己做的教育数字基座摆在一起想，越想越觉得这三样东西该放在一起看。名字不一样，摆到一起，才看清我们产品该往哪走。

先说结论：基座是 Harness 的实体，WorkBuddy 是它最成熟的一种开箱形态，而 Harness 真正启发我们的，是“让用户自己生长”的那套哲学。

一、三样东西，先摆清楚

基座，是我们做的教育数字基座，含数据中台、统一权限、校核纠错、采集通道。它不上课、不改卷，价值是让上层应用真正作用于课堂。用 Harness 那个比喻，它干的就是马具的活。

WorkBuddy，是开箱即用的 Agent 工作台。厂商备好模型、界面、工具，你进去学怎么用，我们团队日常就用它搭东西，把成熟流程串成工作台。

Harness，是 DeepSeek 没做成完整工作台，而是把“工作台怎么被搭出来”这件事本身交给你，一切皆插件。模型是插件，工具是插件，Skill 是插件，连 Agent 的循环和 UI 都由插件组成。

这三者不是替代关系。基座是底，WorkBuddy 是面上一种现成马车，Harness 是造车哲学。

二、基座天生就是 Harness，只是我们没说透

把教务、学籍、资助三套系统的在校生数对成一份，把分散各校的权限收拢到统一中心，把一次采集通道接到永久库。这活的本质，就是把力量连接起来、组织起来，让它能拉动外部世界。Harness 这个词英文就是马具，既不是马也不是车，是那套连接结构。我们一直干这个，却对外讲成“平台功能清单”。

但 Harness 把“一切皆插件”讲透了，正好戳我们的痛点。我们给省市区交付的基座，模块是焊死的：数据中台一个包、统一权限一个包、应用一个包，彼此耦合。某区要“按校际联盟统计学业质量”，标准版压根没有这个视角；换一个区要“随班就读学生专项台账”，又得重新排期开发。预设的功能，约等于我们预估的最大公约数，未必是客户真实的工作方式。

解药是：数据归集、校核纠错、统一权限、AI 出题推送，全做成可独立加载、组合、替换的插件。

三、WorkBuddy 给的参照：开箱即用工作台，今天就该这么交付

把 WorkBuddy 这类开箱即用的 Agent 工作台当作参照，这是当前最稳的交付形态。我们的老师、教研员、区级管理员，大部分人要的就是打开就能用：智能备课、作业批改、学情看板。这部分该做成 WorkBuddy 式开箱应用，别让用户去拼积木。

我自己的体会：用 WorkBuddy 把一个成熟的教学设计流程串成工作台，左边项目目录、右边板块提示，读、判、改、导一气呵成。它的价值不是“瞬间生成一份教案”，是给老师搭好支架。这恰恰是我们基座上层该直接供给的能力。

但开箱形态的边界也要认清：预设功能约等于厂商的最大公约数，覆盖不了某区某校的真实差异。这就引出 Harness 该补上的那一半。

四、把两者打通：基座做“插件内核”，上层“开箱 + 自组装”

结合点在这里。基座向下收敛成一个插件化内核，所有能力皆可组合；上层应用分两类：一类是 WorkBuddy 式开箱工作台，覆盖八成共性场景，老师拿来就用；一类是 Harness 式自组装入口，留给教研员和名校，去拼自己的“教学智能体”，把经验沉淀成可复用工作流。

这样基座既不像纯开箱那样不够用，也不像纯积木那样门槛高。一个区里，多数学校吃开箱套餐；那所教研强的名校，自己用创造入口长出一套分层作业智能体，再开放给全区加载。同一个基座，两种活法。

更深一层，是从“以功能为中心”转向“以任务为中心”。老师此刻的真实任务是“备一节分数的初步认识”，不是“打开备课系统五个菜单”。如果基座能围绕这个任务，临时把数据插件、图表插件、写作插件编排起来，老师只说一句话，东西就出来了。这就是 Harness 的任务编排，也是我们产品该补的课。

五、和智能体编辑平台不是一回事：路和车，不是对手

顺带把另一个容易混的概念说清。智能体编辑平台，就是那种低代码拼 agent 的工具，拖提示词、挂工具、接知识、排工作流。不少人一听“基座也做插件、也做编排”，就觉得我们要去造一个智能体编辑平台。不是。

区别在层次。智能体编辑平台解决的是“怎么把 agent 造出来”：可视化编排、提示词调试、工具挂载、知识库接入。它面向的是造车的工位。基座解决的是“agent 造出来之后，能不能跑得起来、跑得对”：数据归集与校核决定它喂得进真数据还是脏数据；统一权限决定谁能看哪个年级哪个班；分级分类决定把东西推给谁。它面向的是路、油站和交规。

一个很具体的反差。在通用编辑平台里拖一个“学情查询”组件，连的是裸接口，数据对不对、权限管不管得住，平台不管。在带基座的体系里，这个组件背后是基座的校核与统一权限：校长看到的和班主任看到的天然不同，且数据经过校核。同一个“学情查询”，治理深度完全两样。

所以两者不是对手，是上下层。基座把底层能力做成“带治理的插件”，供给上方任意编辑平台调用。编辑平台上用户拼得再花，每一块都带着基座的权限、校核、数据。反过来讲，没有基座，编辑平台造出的 agent 是空壳；没有编辑平台，基座的能力只能靠厂商预置，长不出一线自己的智能体。

我们的定位因此不是再去做一个通用智能体编辑平台，而是把基座做成“可被任意编辑平台调用的插件内核”：既接 WorkBuddy 式开箱，也接 Harness 式自组装。这一点，正好和前面说的“生长权交出去”接上了。

六、PTC 与创造模式：让基座长出“处方性”和“自生长”

Harness 四种模式里，PTC（Programmatic Tool Calling）值得基座借鉴。模型先生成代码，再组织多轮工具调用。落到教育里，这就是“处方性分析”的关键：不只告诉校长“这个班平均分 75”，而是预测“哪类题是主要失分点”，再开处方“下一步推哪一道、给哪组学生”。PTC 让模型从诊断一路编排到推送落地。

创造模式更关键。它能检查运行时、在内存里试插件、组合出新模式。翻译成基教平台：给教研员和名校一个“创造”入口，让他们把教学判断沉淀成可运行工作流，而不是永远等我们排期。WorkBuddy 擅长把成熟流程做成可复用工作台；Harness 创造模式擅长让一线去生长新流程。基座要同时接得住这两种，才叫真开放。

七、真正值钱的不是模型，是知识库

一个很能说明问题的对照：先用空泛提示词让模型备课，质量一般；再喂进一批“学习路径”理论文献后备同一节，教案立刻从通用模板变成有教学思想的设计。结论直白：AI 不会自动拥有教学思想，它只放大你给的思想。

这话该贴每个产品决策会。大模型终成水电，谁都能接。护城河是知识库：区域教研沉淀、课标教材图谱、学校端真实学情、家长端反馈、名师课堂经验。越厚，冷启动越浅，AI 越像“懂这方水土的老师”。这也解释“先建数据基座、再上 AI 应用”为什么对：没有基座的数据归集和校核，AI 应用就是空壳，推的题都可能建在脏数据上。

八、边界与飞轮：把掌舵权留在人手里

行业里现在常聊一个词，叫“加速主义焦虑”：AI 把做课件从五小时压到五分钟，可那五小时没消失，只是换成改提示词的形式。真正问题不是 AI 快不快，是我们有没有判断、修改、驾驭它的方法。产品不能只追“一键生成”，要在流程里嵌审核、解释、可追溯。

所以基座的分层我一直这么看：基座修路，负责数据归集、校核纠错、统一权限、分级分类，把地面铺平；应用跑车，负责把处方落地到学生终端，当天就有反馈；教师掌舵，关键的那一下判断和放行由人来做。大模型能讲解能出题，但“裁判”不能交给它，幻觉风险是真实的。我在一个项目里见过，模型把“平均分”讲得头头是道，细看却在拿分子分母当孤立数字用，正是学生最容易掉的坑。

落到飞轮。我见过一个很巧的做法：用创造模式搭个每日论文推送，会在 criteria.md 里记“哪些该推、哪些不该推”，按反馈自进化。学情画像的终点，我坚持是“下一步推哪一道”，不是“学生长什么样”。每推一次，学生做没做对、教师改没改，信号都要回流。回流越多处方越准，越准越愿用，越用库越厚。这是飞轮不是流水线。

写到这里，三样东西的关系我算想顺了。

基座是 Harness 的实体，把连接与组织这件事做成可运行的底座；WorkBuddy 是它最成熟的一种开箱形态，负责把共性流程直接供给老师；Harness 真正教我们的，是把“生长权”交出去，让教研员和名校能自己拼出专属智能体，而不必永远等厂商排期。智能体编辑平台和基座也不是对手，前者造车、后者修路供油定交规，基座把能力做成带治理的插件，谁都能来调用。我们的活，不是再做一个更花哨的工作台，而是把基座这副马具做得足够标准、又足够能拆能拼。

下一步，我打算先把基座里耦合最死的那几个功能拆成插件试点。

马具标准了，马车自然有人造。