DeepSeek Harness 从入门到放弃

文章	评论	标签
201	0	326

2026 年 8 月 13 日，DeepSeek 又上了一次热搜。

这次大家点进去，一边期待新模型、新跑分、新的"价格屠夫"，一边已经准备好了骂美国 AI 公司的弹幕。结果翻了半天：没有新模型。 发布的是一个叫 DeepSeek Harness 的东西，简称 dsh，MIT 协议，npm 一行命令就能跑。

然后它就火了。媒体报道开源头 12 小时 GitHub star 涨到 5 万左右，社区插件仓库一天内冒出几百个。我的第一反应是：一个"脚手架"凭什么？

于是又一个"从入门到放弃"系列诞生了。

一、先搞清楚：它不是模型

很多人搜 "DeepSeek Harness"，期待的是模型评测，看到的却是一堆 npm、Node.js、插件之类的词，当场懵掉。

DeepSeek 团队自己给了一个公式：

Model + Harness = Agent

模型只会生成文本。要让它真正干活，比如读写文件、跑 shell 命令、搜网页、维护计划、处理报错、判断任务做完没有，都需要一层"马具"把它套到真实世界里。这层马具就是 harness。

flowchart LR M["🧠 Model
只负责推理"] --> H["🐴 Harness
负责其余一切"] H --> F[文件读写] H --> T[终端执行] H --> W[网页搜索] H --> C[上下文管理] H --> P[任务规划] H --> S[调用其他 Agent] F & T & W & C & P & S --> A["🤖 Agent
能干活的东西"]

你天天用的 Claude Code、Codex，本质上也是"模型 + harness"，只是它们把 harness 做成了打磨好的闭源产品。DeepSeek 这次是把 harness 这一层单独拎出来开源了。

顺便说一句，它不绑定 DeepSeek 模型。默认跑 DeepSeek V4.1 Flash，也可以通过 OpenAI 兼容接口接别家的模型。

二、一切皆插件：连主循环都能拔

dsh 的核心主张写在 README 第一行：Everything is a plugin。

一般框架说"支持插件"，意思是有个坚固的内核，外面留几个扩展点让你挂工具。dsh 不一样，它没有特权内核。下面这些全是插件：

Agent 主循环（loop）
模型适配器
工具注册表
技能（skills）
会话存储
沙箱
调度
甚至 Web UI 本身

底层引擎叫 Cordis，设计来自北大和 DeepSeek 合作的论文《A Programming Paradigm for Spatiotemporal Composability》（时空可组合性的编程范式）。名字很学术，核心思想其实就两句话：

注册即副作用：插件往运行时里注册的任何东西，都会被记成一个"副作用"。
卸载即回滚：插件卸载时，它带来的所有副作用都会自动撤销，不留脏状态。

flowchart TB subgraph Cordis["Cordis 运行时（没有特权内核）"] direction TB L[agent-loop 插件] LLM[llm 适配器插件] TL[tools 插件] SK[skills 插件] SE[session 插件] SB[sandbox 插件] PL[plan / goal 插件] UI[web-ui 插件] MCP[mcp 插件] end P1["Preset: Standard"] -.选择可见能力.-> Cordis P2["Preset: Code"] -.选择可见能力.-> Cordis P3["Preset: Minimal"] -.选择可见能力.-> Cordis P4["Preset: Creator"] -.选择可见能力.-> Cordis

这里有个很漂亮的职责分离：插件负责"有什么能力"，预设（preset）负责"这个 Agent 能看到哪些能力"。

做过权限系统的同学应该会心一笑：这就是把"能力注册"和"授权策略"拆成两层。以前我们在 prompt 里苦口婆心地写"请不要删除生产数据库"，现在可以直接不给它这个能力。

三、四个预设：同一个内核，四种性格

dsh 自带四个 preset，每个加载的插件组合不同：

预设	能力	适合场景
Standard	完整编程 Agent：文件编辑、shell、搜索、技能、规划、子 Agent、工作流	日常默认
Code（PTC）	Standard + Code Mode SDK，模型写 TypeScript 程序来组合多步工具调用	复杂编排，但副作用会成倍放大
Minimal	只有持久 bash + `str_replace_editor`	复现跑分
Creator	Standard + 运行时检视，Agent 能在对话中途装、换、删插件	开发插件、做实验

两个值得注意的点：

Minimal 就是跑分用的那个考场。 DeepSeek V4 Flash 在 Terminal-Bench 2.1 上的 82.7 分，官方文档写明是在 dsh 的 minimal 模式下跑出来的。以前各家的 agentic 跑分，考场都是黑盒；现在考场开源了，谁都能复现，也谁都能打脸。
Creator 模式下，Agent 能改装自己。 媒体说的"Agent 还能改装自己"就是指这个。听起来很赛博朋克，但请把它当实验环境，别当生产环境。

flowchart LR Q{你要干嘛?} Q -->|日常写代码| S[Standard] Q -->|让 Agent 自己写编排脚本| C[Code / PTC] Q -->|复现 benchmark| M[Minimal] Q -->|开发 / 调试插件| CR[Creator]

四、Trajectory：Agent 的 DevTools

如果只能挑一个功能来夸，评测圈几乎一致选 Trajectory。

dsh 的每次运行都会写入一份只追加（append-only）的会话日志，格式是 zstd 压缩的 JSONL，每条事件结构统一：type、seq、time、data。模型看到的所有东西都会被记下来：系统提示词、推理过程、工具调用和结果、子 Agent 调度、上下文注入。

更关键的是，这份日志能续跑、分叉、搜索、回放。

sequenceDiagram participant U as 你 participant A as Agent (原始运行) participant F as Agent (分叉运行) U->>A: 任务：重构支付回调模块 A->>A: turn/start A->>A: tool/call: read_file A->>A: tool/call: bash (测试挂了) A->>A: 绕弯子绕了 20 轮... Note over U,A: 发现第 3 步起就跑偏了 U->>F: 从第 3 步 fork，改一条规则 F->>F: tool/call: bash (测试通过) F->>F: turn/end Note over U,F: 两次运行并排回放对比

以前 Agent 做歪了，我们的操作是：叹气，清空上下文，换个说法重新问一遍，然后祈祷。现在可以精确定位到它从哪一步开始跑偏，只改那一处，再跟原来的运行并排对比。

调 Agent 终于从玄学变成了对照实验。

五、为什么呼声这么高

我总结了四个原因，叠在一起就成了爆款：

1. 品牌加跑分的信任背书。 DeepSeek 自家模型的 agentic 成绩就是在这个 harness 里跑出来的。开源 harness 等于开源了"考场"，这是一种很硬气的姿态。

2. 戳中了 Agent 开发者的集体痛点。 2026 年做 Agent 的团队大概都经历过：换个模型，重写一遍工具注册；换个场景，重写一遍主循环；想加个断点续跑，发现状态散落在七个模块里，谁也不敢动。loop、工具调度、上下文、session、沙箱，每家都在重复造轮子，还造得各不相同。dsh 的回答是：全拆成标准件。

3. 透明度是刚需。 有篇分析总结得很到位：LangChain 那一代框架是为了降低开发 Agent 的复杂度，dsh 是为了降低调优 Agent 体验和成本的复杂度。插件拆得越细，黑盒越少，优化空间越大。

4. 极度开放。 MIT 协议，不绑模型，而且它的子 Agent 提供方里居然有 Codex 和 Claude Code。也就是说，dsh 可以把活派给它的直接竞品。这种"我当包工头，你们都来给我打工"的格局，确实很 DeepSeek。

六、冷水时间：入门之后，放弃之前

按照本系列的优良传统，夸完了就该泼冷水了。

1. Token 开销不小。 有人实测，只是让它回复一句"PONG"，首次请求就吃掉了约 13,467 个输入 token。这些都是默认系统提示词、工具 schema、自动注入的仓库规则和技能摘要。一个简单的写文件任务产生了 61 条会话事件。全程可观测是有代价的，你能看清每一分钱花在哪，但钱确实花了。

2. 预发布到底。 截至 10 月初，npm 上最新的是 0.2.0-rc.2，所有版本都是 prerelease。README 用大写字母警告：会有破坏兼容性的变更。今天写的插件，下个月可能就跑不起来了。

3. 有"过度抽象"的争议。 有人批评，把 Agent Loop 和 Memory 这种性质完全不同的组件压平成可以随意装卸的插件，是一种过度抽象。这个争论我觉得两边都有道理：微内核架构从诞生起就伴随着"灵活性 vs 复杂度"的争论，Linux 和 Minix 当年也吵过。

4. 粗糙的边角还很多。 Windows MSYS2 下静默失败、热重载缓存不更新、GitHub Issues 被关闭（官方让大家去 Discussions 反馈），MCP 也还不是默认路径。开箱体验跟 Claude Code、Codex 这些打磨好的产品比，还有明显差距。

一句话：它现在更像一副好骨架，而不是一个成品。

七、范式变革：从"Agent 产品"到"Agent 运行时"

抛开热度，dsh 真正值得讨论的是它代表的方向。

flowchart TB subgraph Old["产品式 Agent（Claude Code / Codex）"] direction LR O1[闭环打磨] --> O2[固定 loop] O2 --> O3[固定工具集] O3 --> O4[有限定制] end subgraph New["运行时式 Agent（dsh）"] direction LR N1[微内核] --> N2[loop 可替换] N2 --> N3[能力即插件] N3 --> N4[preset 授权] N4 --> N5[全程可回放] end Old -->|竞争焦点迁移| New

我认为会有三个变化：

1. 竞争焦点从模型转向生态。 类比一下：VS Code 赢的不是编辑器本身，而是插件市场。dsh 的长期赌注也是让 harness 而不是模型成为生态中心。截至 10 月初，GitHub 上打了 dsh-plugin 标签的仓库已经过万。

2. 能力和授权分离会成为标配。 "装了什么"和"能用什么"分成两层配置，这对企业级 Agent 太重要了。对金融行业的人来说，能在配置层面审计一个 Agent 的能力边界，比在 prompt 里写一百条"禁止"靠谱得多。

3. 跑分必须标注 harness。 同一个模型，换个 harness、换个 preset，成绩就可能差一大截。以后看到任何 agentic 跑分，第一个问题应该是："在哪个 harness 的哪个 preset 下跑的？"拿 A 模型的 Standard 成绩去比 B 模型的 Minimal 成绩，就是在比两个变量。

但请冷静：产品式 Agent 不会因此消失。 大多数人要的是开箱即用，而不是一副需要自己组装的骨架。两者更可能长期共存：成熟产品负责好用，运行时负责可控和可定制。

八、支付人的视角：这不就是 Saga 吗？

写支付系统的人看 Cordis 的设计，会有一种强烈的既视感。

flowchart LR subgraph Saga["支付 Saga"] direction TB S1[扣款] -->|失败| C1[退款补偿] S2[记账] -->|失败| C2[冲正补偿] S3[通知清算] -->|失败| C3[撤销补偿] end subgraph Cordis["Cordis 插件"] direction TB R1[注册工具] -->|卸载| U1[注销工具] R2[挂载事件] -->|卸载| U2[解除监听] R3[注入上下文] -->|卸载| U3[移除注入] end

Saga 的核心是每一步正向操作都自带补偿操作，所以长事务失败了也能回到一致状态。Cordis 的核心是每一次注册都是一个可撤销的副作用，所以插件卸载后运行时也不留脏状态。

两者是同一个思想在不同领域的投影：组合越复杂，越需要每个单元都能干净地撤销自己。

这也解释了为什么 dsh 敢让 Agent 在 Creator 模式下中途改装自己：换零件不会把整台机器搞坏。我们做支付系统时那句老话，"没有回滚方案的变更不准上线"，在这里被做成了框架级的约束。

九、实战：怎么用 dsh 组织自己的工作

9.1 先跑起来

# 需要 Node.js 22.19+
npx @deepseek-ai/dsh web
# 默认打开 http://127.0.0.1:3080

进去之后在 Settings → Models 填 API key，然后必须选一个工作区，否则输入框是锁着的。Mac 和 Windows 用户也可以直接装 10 月初发布的桌面版（0.2.0-rc.2）；Linux 用户老老实实走 npm。

9.2 先划红线

做金融的同学请把这句话抄三遍：公司代码在没有确认合规之前，不要接任何会把数据发往外部 API 的 Agent。

dsh 在本地运行，但模型调用会出网。数据出境、供应商审批这些问题，先找安全和合规部门拿到明确口径。个人项目随便折腾，生产代码请克制。

9.3 把它当"内核"，而不只是编程助手

这是 dsh 跟 Claude Code 最不一样的地方。它有五个入口：

flowchart TB DSH((dsh 运行时)) DSH --- W["Web UI
日常交互"] DSH --- D["桌面 App
开箱即用"] DSH --- H["Headless
dsh --profile headless '任务'"] DSH --- PY["Python SDK
JSON-RPC stdio 驱动"] DSH --- DC["--dump-config
打印插件树"] H --> CRON[定时任务 / CI] PY --> APP[你自己的应用]

如果你正在写自己的任务自动化工具，与其从零造 loop、工具调度和会话持久化，不如认真评估一下：把 dsh 当执行内核，自己的应用只负责任务编排和触发。 headless 模式适合定时任务，Python SDK 适合嵌进已有的数据流水线。

9.4 用 Trajectory 沉淀工作规则

Agent 做歪了，别急着清空重来：

打开 Trajectory，找到它开始跑偏的那一步；
从那一步 fork；
只改一条规则或一个 skill；
并排回放，看效果。

坚持一段时间，你会积累出一套经过对照验证的规则和 skills。它们才是真正的资产，而且可以迁移到任何 harness 上。

9.5 写一个自己的插件

理解 Cordis 最快的方式就是写一个插件。从你每天重复最多的动作开始：按固定格式生成某类文档、查询某个本地数据源、调用某个内部脚本。社区已经有任务看板、移动端远程、SSH 运维之类的插件，照着抄，不丢人。

9.6 分工而不是替换

我推荐的组合：

flowchart LR T{任务类型} T -->|主力编码| P["成熟产品
Claude Code / Codex"] T -->|批量 / 定时 / 低成本| D1["dsh headless"] T -->|调优 / 对照实验| D2["dsh Minimal + Trajectory"] T -->|定制工作流| D3["dsh + 自研插件"] D1 & D2 & D3 -.需要时.-> P

dsh 能把 Claude Code、Codex 当子 Agent 调用，所以这不是二选一，而是排兵布阵。

十、总结：从入门到放弃

入门：DeepSeek Harness 是一个"一切皆插件"的 Agent 运行时。主循环能拔，能力和授权分离，每一步都能回放和分叉。它把 DeepSeek 跑分用的考场开源了，也把 Agent 工程的竞争焦点从模型推向了运行时和生态。

放弃：它现在是 0.2 的 RC 版，配置随时会变，token 开销不低，开箱体验不如成熟产品。把重要流程绑死在某个版本上，大概率会在某个周一早上体会到什么叫"破坏性变更"。

我的姿势：学它的设计，用它跑非关键任务，把在 Trajectory 里验证过的规则沉淀下来。等它 1.0 了，你已经是半个插件作者了。

至于我？已经在 Creator 模式里看着 Agent 把自己的 loop 插件卸了。

它停了。

我也该睡了。

参考资料

GitHub 仓库：https://github.com/deepseek-ai/deepseek-harness
官方文档站：https://deepseek-harness.github.io/deepseek-harness/
OrcaRouter《DeepSeek Harness, Explained》：https://www.orcarouter.ai/blog/deepseek-harness-explained
HPCwire《DeepSeek Open-Sources the Missing Layer Between AI Models and Agents》：https://hpcwire.com/bigdatawire/2026/08/14/deepseek-open-sources-the-missing-layer-between-ai-models-and-agents
阿里云开发者社区《一切皆插件之后，Agent 工程的新范式》：https://developer.aliyun.com/article/1756597
论文：A Programming Paradigm for Spatiotemporal Composability