简介说明
DeepSeek Harness：不只是 AI 编程工具，而是一套可以自己组装的 Agent 操作系统
过去我们谈 AI 编程工具，通常会想到一个聊天窗口。
你输入需求，模型生成代码；模型需要读取文件时，工具帮它打开文件；模型想运行命令时，再由工具执行命令。大多数工具的能力虽然越来越强，但整体结构仍然比较固定：模型是谁、工具有哪些、权限怎么管、任务怎样推进，基本都由官方提前决定。
DeepSeek Harness 想做的事情更进一步。
它不是单纯把一个大模型包装成代码助手，而是提供了一套可以组合、替换和扩展的 Agent 运行框架。项目最核心的一句话是：
Everything is a Plugin，一切皆插件。
模型、文件系统、终端、网页搜索、子代理、会话记录、权限策略，甚至 Agent 自己的运行循环，都可以作为插件参与组合。
先理解什么是 Harness
“Harness”这个词直译是“驾驭工具”或“控制装置”。
如果把大模型比作一匹马，那么模型本身只负责思考和生成，Harness 就是让它能够真正工作的那套缰绳、马鞍和路线安排。
一个完整的 Agent 至少包含两部分：先理解什么是 Harness
“Harness”这个词直译是“驾驭工具”或“控制装置”。
如果把大模型比作一匹马，那么模型本身只负责思考和生成，Harness 就是让它能够真正工作的那套缰绳、马鞍和路线安排。
一个完整的 Agent 至少包含两部分：
Agent = Model + Harness
模型负责：
理解用户意图
分析问题
生成计划
决定下一步行动
Harness 负责：
读取和修改文件
执行终端命令
访问网页
管理工作区
调用子代理
维护任务计划
控制权限和沙箱
记录每一步执行过程
根据结果继续或停止任务
没有 Harness，模型只能给建议；有了 Harness，模型才拥有在真实项目里工作的能力。
这也是 DeepSeek Harness 与普通聊天机器人最明显的区别。它关注的不只是模型“会不会写代码”，而是模型能不能在一个可控、可追踪、可扩展的环境里把事情做完。
目前更像开发平台，而不是成熟成品
需要提前说明的是，DeepSeek Harness 当前仍处于 Developer Preview 阶段。
官方 README 已经明确提醒，项目还在快速迭代，未来可能出现破坏兼容性的变更。这意味着它很适合尝鲜、学习 Agent 架构、开发插件和搭建自己的 AI 工作流，但不建议在没有锁定版本和充分验证的情况下，直接把它当成稳定的生产依赖。
对于开源项目来说，这个提醒反而很重要。
它没有把早期版本包装成“下载即用、永远稳定”的产品，而是告诉使用者：这里正在快速变化，想深入使用就需要关注版本和文档。
安装使用
安装方式很简单
1.如果只是想体验 Web UI，首先安装好 Node.js，
https://nodejs.org/zh-cn/download
2.然后运行：
npx @deepseek-ai/dsh web
默认会启动本地 Web 服务：
http://127.0.0.1:3080
也可以从源码运行：
git clone https://github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install pnpm run build pnpm dsh web
打开页面后，需要先在设置中配置模型，再选择一个工作区。没有选择工作区之前，输入框不会直接开始工作，这个设计很合理，
因为 Agent 一旦拥有文件系统和终端权限，必须明确它到底可以操作哪一个项目目录。
最简单的第一次测试，可以让它完成这样的任务：
分析这个仓库的结构，说明主要模块，并指出项目的启动方式。
它会读取项目文件、整理结构、输出分析结果。之后再逐步尝试修改文件、执行测试或运行项目。
四种模式，对应四种使用思路
DeepSeek Harness 内置了四种 Agent preset。它们并不是简单的“低、中、高”性能档位，而是工具组合方式不同。
标准模式：日常开发的默认选择
标准模式提供完整的编码 Agent 能力，包括：
文件读取和编辑 Shell 命令 文件搜索 网页检索 Skills 任务计划 Goals 子代理 工作流
平时做项目开发、修复 Bug、重构代码、搭建页面，优先使用这个模式就够了。
它的定位与普通 AI 编程工具比较接近，但工具和权限可以进一步被插件或配置调整。
极简模式：只留下最基础的能力
极简模式只保留持久化 Bash 和文件编辑工具。
它不追求功能完整，而是提供一个更小的运行环境。这个模式适合：
研究模型本身的编程能力
做 Agent 基准测试
排查某个工具是否影响了结果
构建最小化的自定义 Agent
普通用户不一定经常用到它，但对研究人员和框架开发者来说，极简环境很有价值。工具越少，越容易看清模型究竟依赖了什么。
PTC 模式：让模型用代码组合工具调用
PTC 是 Programmatic Tool Calling，也就是程序化工具调用。
普通 Agent 往往是这样的：
调用工具 A 等待返回 分析结果 调用工具 B 等待返回 继续下一步
当任务包含很多重复操作时，这种方式会产生大量中间轮次。
PTC 模式允许模型生成一段 TypeScript 程序，将多次工具调用组合起来，再一次性执行。
例如批量处理文件、批量重命名、运行一套固定的自动化流程，都适合使用这种模式。
它的优势是减少来回交互，提高批量任务的效率；代价是执行逻辑更集中，一旦权限范围配置不当，
影响面也可能更大。因此，涉及删除、覆盖或外部写入的任务，仍然应该保留审批和检查。
创造模式：让 Agent 自己设计 Agent
创造模式是 DeepSeek Harness 最有意思的一部分。
它继承标准模式的能力，并增加了运行时检查、插件实验和 preset 创建指导。简单说，
Agent 不只是使用现成工具，还可以帮助你理解当前运行环境、尝试新的插件组合，并创建一个适合特定工作流的新模式。
比如你想做一个专门用于前端开发的 Agent，可以让它默认加载：
文件编辑 浏览器工具 截图检查 前端设计 Skill 测试命令 Git 操作
如果你要做数据分析 Agent，则可以换成：
Python 环境 表格处理工具 数据库访问 图表生成 报告输出
这种模式把“使用 Agent”推进到了“设计 Agent”。
一切皆插件，真正的重点在这里
DeepSeek Harness 的插件化，并不是在软件外面简单增加一个插件目录。
项目底层使用 Cordis。按照官方架构文档，插件可以向共享上下文贡献服务、类型化事件和可撤销的副作用。
应用的各个部分都通过插件挂载到同一棵运行时插件树上。
这意味着以下内容都可以被替换或扩展：
模型适配器 工具注册表 文件系统访问 Shell 后端 沙箱 审批策略 会话日志 子代理 网页工具 用户命令 工作流 Web UI Agent Loop
传统框架往往有一个不可触碰的核心：你只能在它提供的扩展点上加东西，想替换核心行为就必须打补丁。
DeepSeek Harness 的思路是，尽量把核心能力也放到插件系统中。你可以通过 profile、bundle 和 patch 重新组合插件树，
而不是直接修改框架内部代码。
官方架构里有一个很重要的概念叫 profile。
profile 可以理解为一套具名的 Agent 运行配置，里面记录要叠加哪些插件组合包，以及用户自己的配置补丁。
标准模式、极简模式、PTC 模式和创造模式，本质上就是不同的能力组合。
插件不只是换皮肤
社区插件当然可以改变界面主题，但 DeepSeek Harness 的插件能力远不止外观。
你可以开发：
新的模型提供方 新的文件或终端工具 网页搜索适配器 图片理解能力 数据库查询工具 专用子代理 后台任务 自定义命令 新的 Agent preset 自定义 UI 组件 特定领域的工作流
官方还为开发者提供了 Cordis 插件教程。一个最简单的插件只需要导出 apply(ctx) 函数：
import type { Context } from '@deepseek-ai/cordis'
export const name = 'hello'
export function apply(ctx: Context) {
console.log('hello from my first plugin')
}
然后通过配置文件挂载：
- name: './hello.ts'
插件不需要自己写完整的框架启动代码。它只需要描述自己要向上下文贡献什么能力，加载器负责将其挂载到运行时。
这使得插件开发的门槛比修改整个 Agent 框架低很多。
文件系统和终端权限不是默认全开
AI 编程工具最让人不安的地方，是它可能读取文件、执行命令、安装依赖，甚至修改项目之外的内容。
DeepSeek Harness 将沙箱和审批策略拆成了两个相互独立的部分。
权限预设可以组合：
沙箱模式 审批策略
沙箱模式关注“执行到底能碰哪些东西”，审批策略关注“哪些操作需要用户确认”。两者分开后，
用户可以更精确地调整权限，而不是只有“全部允许”和“全部禁止”两个按钮。
项目还区分了不同的文件操作范围，例如：
只读 仅允许工作区写入 完全访问
当 Agent 需要执行当前权限不允许的操作时，Web UI 会先请求用户审批。
这种机制并不能替用户做安全决策，但至少让高风险操作有了明确的边界和确认点。尤其是安装插件、执行外部命令、修改项目配置时，
不建议为了省事长期使用完全放开的权限。
每一步都能追踪，过程不再是黑箱
DeepSeek Harness 会记录 Agent 的会话事件、模型请求、工具调用和返回结果。
在 Web UI 中，用户可以看到：
当前正在处理哪一步 模型调用了什么工具 读取或修改了哪些文件 执行了哪些命令 工具返回了什么结果 当前任务是否仍在继续 是否出现了等待审批或失败
官方架构把一个 Agent 轮次拆成多个步骤。一次步骤通常包含一次模型请求和它调用的工具；
一个轮次则可能包含多个步骤，直到模型没有继续工作为止。
这种设计带来两个好处。
第一，出了问题之后更容易排查。你可以判断是模型理解错了、工具返回异常，还是权限策略阻止了操作。
第二，任务可以被恢复和回放。会话日志不是简单的聊天记录，而是模型可见上下文和工具执行过程的持久事实。
对于复杂任务来说，这一点比单纯显示一句“AI 正在工作”有用得多。
Token 消耗和缓存信息也被纳入运行过程
长时间运行的 Agent 很容易遇到一个问题：到底消耗了多少上下文，哪些内容还在模型可见范围内？
项目提供了独立的 Token Meter，用来表示当前请求压力和表层 Token 估算。它会记录模型请求、会话表面内容以及相应的计量信息。
这类数据可以帮助使用者判断：
当前会话是否已经过长
某次任务为什么变慢
提示词和工具 schema 占用了多少上下文
是否需要开启上下文压缩
哪些内容应该拆到新的会话中
实际费用仍然取决于模型提供方的计费规则，界面中的估算不能替代账单数据。但对于调试和控制任务规模，Token 计量非常有帮助。
适合用它做什么
DeepSeek Harness 的使用场景并不局限于“写一个页面”。
你可以让它：
分析一个陌生项目的源码结构 生成仓库架构图或 Mermaid 图 为现有项目补功能和测试 执行批量文件处理任务 开发交互式知识讲解网页 制作简单的 3D 网页实验或小游戏 根据长文案生成网页式演示文稿 调用网页搜索完成资料整理 让子代理并行处理不同模块 创建一个专门用于某类工作的 Agent preset 开发并安装自己的插件
但要注意，演示任务的成功并不等于所有项目都能一次完成。
复杂网页、摄像头交互、3D 场景和自动生成 PPT 都需要模型能力、工具权限、运行环境和人工检查共同配合。
比较稳妥的方式是，把大任务拆成几个可以验证的小任务，并保留测试和代码审查环节。
源码运行
从源码运行前，需要准备什么
如果使用 npx 直接启动，主要需要 Node.js。
如果从源码运行，则需要：
git clone https://github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install pnpm run build pnpm dsh web
项目使用 TypeScript，底层依赖 Cordis，仓库内部包含多个 packages 和 apps。想参与开发的人，最好先阅读：
如果只想体验，不建议一开始就克隆整个仓库研究所有包。先用 npx 启动 Web UI，
再选择一个小项目尝试读取、分析和修改，理解权限与工作区的关系后，再进入插件开发会轻松很多。
仍然要注意几个现实问题
首先，它还是开发者预览版本，版本变化可能带来兼容性问题。插件接口、preset 配置和内部包结构未来都可能调整。
其次，AI 获得的权限越多，风险越高。尤其是启用完全访问、自动执行 Shell 命令或让 Agent 自己安装第三方插件时，不要把它当成普通聊天窗口。
再次，不同模型的工具调用能力、上下文长度、代码质量和视觉能力会有差异。Harness 可以提供运行环境，但不能把普通模型自动变成顶级编程模型。
最后，PTC、子代理和自动工作流虽然能减少人工操作，却也会让一次任务执行更多步骤。重要项目仍然需要保留 Git、测试和人工审批，最好在独立分支或临时工作区中实验。
写在最后
DeepSeek Harness 最值得关注的地方，并不是它看起来像哪一个已有的 AI 编程产品。
真正重要的是它把 Agent 的边界拆开了。
模型可以换，工具可以换，沙箱可以换，工作流可以换，甚至 Agent 的运行循环也可以换。
用户不再只是被动接受一套固定的 AI 编程体验，而是可以根据自己的工作方式，组合出一套更适合自己的 Agent。
这也是“一切皆插件”最有想象力的地方。
今天你可以用它做一个代码助手，明天可以给它接上数据库工具、图像理解、网页搜索和专用子代理，再把这些能力封装成一套团队共用的 preset。
它目前还不够稳定，也并非安装后就能替你完成所有复杂工作。但它提供了一个很清楚的方向：
AI 编程工具不一定只能由厂商设计成固定产品。
它也可以成为一个开放的运行平台，让每个人都能组装自己的 Agent。
一些有趣的DeepSeek Harness插件
插件工坊
https://github.com/topics/dsh-plugin
界面系列
dsh-deep-whale · 鲸鱼娘皮肤系列
https://github.com/Small-tailqwq/dsh-deep-whale
把 DeepSeek Harness 变成贪玩蓝鲸宣传(玩梗)
https://github.com/Nagi-ovo/dsh-ads
whale-girl DSH Web GUI 内的桌面宠物（QQ 宠物形态）可提示任务完成[需要额外加个播放音频功能]
https://github.com/vlln/whale-girl
功能系列
DSH市场 装在 DeepSeek Harness 里的插件市场。打开设置 → 插件市场 → 逛一逛，点一下，装好。
https://github.com/dsh-market/dsh-market
Awesome DSH Plugins(用 30 秒为你的 DeepSeek Harness（DSH）找到合适的插件。)
https://github.com/bruc3van/awesome-dsh-plugin
dsh-at-file(DeepSeek Harness 的 Codex 风格 @file 提及：在 composer 中搜索工作区文件，并将其内容附加到提示词上。)
https://github.com/omdsh-dev/dsh-at-file
模型自带搜索 / AI 搜索 / 聚合搜索
https://github.com/taxueseek/argo
让聊天应用变成编程 agent
https://github.com/xyTom/coding-tools-mcp
DSH Vision Toolkit通过带意图的图片问答、OCR、原图像素定位、UI 还原、像素验证、托管产物和 Web Settings 完成视觉闭环。
https://github.com/Lum1104/dsh-browser
dsh 浏览器操作（把 DeepSeek Harness 连接到你正在使用的 Chrome 标签页。模型可以读取页面内容、点击控件、填写表单、滚动与导航，同时保留登录态、会话和 Cookie。侧边栏提供对话界面。）
https://github.com/Anionex/dsh-vision-toolkit
Graph Memory为 AI Agent 提供可检索、可追溯、跨会话的长期记忆
https://github.com/adoresever/graph-memory
阿布 你的AI桌面办公助理——交给Abu吧
https://github.com/PM-Shawn/Abu-Cowork
创作
AI 小说作家 / AI Novel Writer
https://github.com/EthanYoQ/AI-Novel-Writer
MuseAI — 本地 AI 伴侣、文字冒险与穿书互动应用
https://github.com/yejiming/MuseAI
图片预览
下载地址
https://github.com/deepseek-ai/deepseek-harness
https://pan.baidu.com/s/1hX-CamiyNb6EXFVyCAD1Bg?pwd=3stx 提取码: 3stx
https://pan.quark.cn/s/ea9ba9cda5f9
评论抢沙发