5月20日消息,DeepSeek 资深研究员Deli Chen披露,新组建的 Harness 团队负责人为崔天奕(Tianyi Cui)——一位拥有近9年香港 Jane Street 工程经验、并联合创办过量化对冲基金 TSY Capital 的资深工程师。崔天奕于2026年3月入职 DeepSeek,从加入到被推到核心团队负责人位置仅用了不到3个月,这一节奏在 DeepSeek 一向低调克制的人才发布历史中相当罕见,也被外界解读为 DeepSeek 对 Agent 产品工程化的明确表态。 履历拆解:浙大本科 + 9年 Jane Street + 4年 TSY Capital
根据崔天奕的 LinkedIn 公开资料以及多家媒体披露,他的职业路径在国内 AI 工程岗位中相当稀缺。
本科阶段,他就读于浙江大学;毕业后赴港加入 Jane Street,担任软件开发工程师与研究员,任职近9年,业务覆盖股票与固定收益两条主线。Jane Street 是全球公认的顶级量化交易公司之一,以 OCaml 工程文化、低延迟系统与极高的工程门槛闻名,能在其中长期任职9年的人才在亚洲地区屈指可数。
2022年,崔天奕与人在香港联合创办量化对冲基金 TSY Capital,担任管理职务近4年。这段创业经历意味着他不只是写代码的工程师,还独立承担过从0到1搭建基础设施、组建团队、对接合规与机构客户的全栈工作。
2026年3月,他离开 TSY Capital 加入 DeepSeek。仅2个月后,他的名字被陈德利公开钉在 Harness 团队负责人的位置上。
为什么是他:量化背景与 Harness 工程的隐性契合
外界一个普遍疑问是——一个量化交易背景的工程师,为何会被选中主导一个面向开发者的 Agent 产品团队?
从工程素质角度看,量化交易系统与 Agent Harness 在底层共享一组高度相似的需求:低延迟的工具调用链路、严格的状态管理、可回溯的执行轨迹、复杂的上下文调度,以及对"模型/策略"与"执行引擎"分离架构的天然理解。Claude Code 源码3月底泄露后,业内对 Harness 的认知已基本统一为"非模型部分的全部工程动作",这恰恰落在量化系统工程师的能力舒适区。 此外,TSY Capital 的创业经历意味着崔天奕熟悉小团队、强工程驱动、严密反馈循环的工作节奏——这与 DeepSeek 一贯"百人规模、研究院风格、不靠堆人取胜"的组织气质高度吻合。Anthropic 自身的 Harness 团队成员中也有相当比例来自金融工程与系统软件背景,DeepSeek 此次挖角的人才画像与对方存在明显呼应。
横向对比:国内大模型公司的 Agent 团队负责人画像
把视角拉到行业层面,DeepSeek 这次任命与近一年国内大模型公司组建 Agent 团队的几种典型路径形成鲜明对比。
字节豆包、阿里通义、智谱等公司组建 Agent/Coding 产品线时,多数从内部产品技术体系平移负责人,强调对中文用户与企业场景的理解。Moonshot 与百川则更多从已有大模型应用团队中提拔。而 DeepSeek 这次直接从二级市场量化体系挖角,并把负责人画像锚定在"长期工程深度 + 独立创业经验 + 顶级工程文化沉淀",是一条与上述同行差异明显的路线。 这也符合 DeepSeek 自创立以来一贯的招聘逻辑——梁文锋本人即出身幻方量化,公司核心研究团队中有相当比例成员拥有金融工程或竞赛背景。崔天奕的加入更像是这一人才结构的自然延伸,而非偶然挖角。
信号意义:DeepSeek 把工程优先级拉到与研究平级
崔天奕的曝光本身就是一个信号。
过去 DeepSeek 对外的公开人物以研究员为主,包括梁文鹰本人以及多位负责模型架构与训练的研究人员,工程负责人极少被推到台前。陈德利此次主动在 X 用中英文双语披露团队负责人身份,并附上 LinkedIn 链接,意味着 DeepSeek 希望让 Harness 团队从立项第一天就拥有清晰的对外形象——这在 DeepSeek 内部并不常见。
更进一步看,把一位非模型背景、近9年量化工程履历的人放在桌面端 Agent 产品的负责人位置,等同于把"工程化能力"放到与"模型研究"同等重要的位置,这与 Anthropic 在 Claude Code 上的路径选择一致。 局限与不确定性
需要保持冷静的几点。
第一,崔天奕在大模型与 Agent 领域的公开履历空白,加入 DeepSeek 仅2个月,外界对其在 AI 工程方向的判断尚无作品可查。
第二,从量化交易系统迁移到面向开发者的 Agent 产品,目标用户、反馈循环与发布节奏完全不同,过往经验的可迁移性需要在实际产品中验证。
第三,Harness 团队目前仅开放两个岗位,崔天奕能否在短期内招到匹配自己工程审美的成员尚是未知数——Jane Street 风格的工程文化在国内招聘市场并不容易复制。
第四,"DeepSeek Code"产品名称、桌面端形态、开源策略以及与现有 DeepSeek API 的衔接方式,目前都未官方披露。
接下来真正的考验,是崔天奕能否在6–12个月内拿出一款被开发者认可的 Harness 产品,让这份履历在 AI 工程领域获得与量化领域同等量级的背书。