我的理解：harness是马鞍，是缰绳，是指导模型规范工作的框架。大家最开始研究的提示词就是最小的harness。但是提示词约束力不够，于是演生出更细致的工程约束。所以harness显然是必要的，它可以改变推理内容。 
更进一步的，大模型公司为了提升效果，肯定会针对harness做优化。所有harness会影响模型训练。因此模型在不同的harness表现有差异是正常的。 
顺便说一下deepseek，我自己还没有用过deepseek-v4-pro，但是从论坛的帖子可以看到它在pi里的效果似乎好一点，同时它在dsh里的缓存也很高。我之前了解到pi的缓存也是非常高的。如果你发送的请求前面的内容与之前发送的请求相同，那么相同的部分就是命中的（后面不相同的部分是不命中的），注意，缓存是严格匹配的，而不是看相似度。所以如果你在最前面改一下时间，那它就完全无法命中了。所以要缓存高，你的请求只能是追加内...