为什么DeepSeek Harness 突然爆火了？

为什么DeepSeek Harness 突然爆火了？作者：苏三 2026-08-21 AI DeepSeek AI Agent 前言最近缺项目经历想快速提升项目实战能力（包含多个AI项目），或者最近找工作，或者想学习AI的小伙伴，可以看看下面👇🏻的这个链接（或许真的能够帮到你）。一夜5万星，Agent界的Android来了这两天技术圈彻底炸了。 8月13日晚上八点半，DeepSeek正式公布了它成立以来的第一个Agent产品—— DeepSeek Harness 。发布当晚，GitHub仓库公开不到两小时，Star数就破万了。第二天早上再查，已经突破了 5万星。发布12小时内涨了5万Star——在此之前，被称为史上增长最快仓库的OpenClaw，84天涨20万个，平均每小时约99个。 DSH头两个小时的涨速，是它的 80倍。而这一切，仅仅是个开始。很多小伙伴跑来问我：“三哥，这个DeepSeek Harness到底是什么？为什么突然爆火？跟Claude Code和Pi有什么区别？” 今天这篇文章，我就把DeepSeek Harness从头到尾给你拆解一遍。希望对你会有所帮助。一、先搞清楚：Harness到底是什么？在聊具体产品之前，我们先理解一个概念—— Harness是什么？ “Harness”的原义是马具、缰绳。在AI Agent的语境里，它指模型之外的那一整套工程外壳 ——让模型能读文件、调工具、管上下文、失败了重试、连续干活几个小时的系统。 DeepSeek官方给了一个非常简洁的公式： Model + Harness = Agent 通俗来讲：模型是脑子，Harness是手脚。聊天机器人交付的是一段话，Agent交付的是一件做完的事。过去几个月，围绕AI编程的讨论正在从模型转向Harness。同一个模型被放进不同的Agent系统，最终表现可能相差很大。原因并不复杂：模型只负责预测下一步，Harness决定模型能看到什么、可以调用哪些工具、如何组织上下文、遇到错误怎么重试，以及什么时候判断任务已经完成。二、DeepSeek Harness到底长什么样？ 2.1 打开之后是什么？ DeepSeek Harness目前不是一个云端服务。装了Node.js的电脑上敲一行命令，浏览器打开本地的3080端口，就是它的全部界面。

npx @deepseek-ai/dsh web

会话、日志、数据都留在本地，浏览器只是它的壳。打开之后，左边是会话列表，按工作区组织，一个工作区对应你本地的一个项目目录；中间是对话区，你说需求，它读文件、写代码、跑命令，每一步的工具调用都摊开在时间线上。整体观感介于Claude Code和一个网页IDE之间，只是它跑在你自己的机器上。新会话页面上挂着它的slogan—— “探索未至之境” ，英文原文是“Into the Unknown”。 2.2 四个预设模式 DeepSeek Harness内置了四种运行模式，每种模式默认加载不同的插件集合：模式核心特点适用场景标准模式提供完整工具组合常规开发任务 PTC模式程序化工具调用，模型直接写TypeScript程序，把多轮工具调用合并成一次执行需要多轮工具组合的场景极简模式只保留Shell和文件编辑两个工具模型基准测试，去掉外壳看模型的“裸实力” 创造模式检查当前运行时，在内存中试验插件，组合创作新的运行模式自己造新模式其中最值得关注的是创造模式。传统Agent的运行方式通常由产品开发者预先写定，用户只能在既有配置中选择。而创造模式让Agent 直接理解自己所处的运行时，再按任务需要试装插件和组合能力。换句话说，Harness的配置本身也开始成为Agent可以操作的对象。 2.3 轨迹（Trajectory）：Agent的黑匣子这是DSH一个被低估的设计。模型看到的一切——系统提示词、推理过程、工具调用和结果、子Agent的调度、每一次上下文注入—— 全部记录在一份只增不改的会话日志里。你可以在Trajectory视图里按来源逐条检查这些记录，而恢复会话、分叉会话、搜索、回放，全在同一条事件流上操作。相当于Agent的每次运行都自带一个黑匣子，出了问题可以完整复盘它到底看到了什么、为什么这么做。三、为什么突然爆火了？ 3.1 原因一：闪电二连击 8月13日晚上，DeepSeek干了两件事。先宣布DeepSeek-V4-Pro正式版上线以及API调价，几个小时后，甩出了DeepSeek Harness v0.1开发者预览版。这套闪电二连击直接引爆了社交媒体。国内外社交媒体上很多内测成员纷纷发表“解密感言”。 3.2 原因二：史上最快的Star增长速度公布不到两小时，Star数破万。 12小时突破 5万星。作为对比：OpenClaw被称为史上增长最快仓库，84天涨20万个，平均每小时约99个。 DSH头两个小时的涨速，是它的 80倍。这种增长速度在开源历史上都极其罕见。 3.3 原因三：一切皆插件——最激进的设计有些小伙伴可能会问：“插件不是很常见吗？MCP不也是插件？这有什么稀奇的？” 不一样。DeepSeek Harness的“一切皆插件”，跟其他任何工具的插件都不一样。目前主流Coding Agent虽然普遍支持插件、MCP或自定义工具，但可扩展的范围通常集中在工具与技能层。 DeepSeek Harness把插件边界进一步下沉到了整个运行时。模型、工具、技能、会话、沙箱、存储、Agent Loop、调度和UI——全都可以拆下来换掉。如果你愿意的话，连整个前端都是可以更换成你自己喜欢的风格。有开发者上手第一时间就用Prompt把它改成了洋红色主题。这意味着什么？可替换范围从某个搜索工具或MCP Server，一直延伸到Agent如何循环、如何调度子Agent、如何保存会话，以及最终采用什么交互界面。整个过程无需修改Harness源码。修改工具→改插件。修改Agent循环→改插件。修改UI→改插件。修改存储→改插件。没有什么是焊死的。 3.4 原因四：Cordis 不是“用”了一个插件框架，是“长”在了一个插件框架上。 “一切皆插件”不是一句口号。DeepSeek Harness是建立在 Cordis插件系统之上的。 Cordis元框架本身只处理插件的加载、卸载与依赖关系，Agent Harness的所有具体组件都是不同的Cordis插件。插件之间通过服务与事件机制相互协同，可在配置层面自由拼装。 Cordis的设计论文把这件事上升到理论层面，核心问题问得很直接：有没有一种编程范式，能让插件卸载后，其注册过的服务、事件和副作用能够随之撤销？答案是**“时空可组合性”——时间上，插件卸载后副作用可逆；空间上，插件可以声明依赖，并在其他组件发生变化时重新建立协作关系。 DeepSeek Harness把整个框架的源码vendor进自己的仓库，改了个scope叫 @deepseek-ai/cordis ，然后把公司自己写的每一个包，都设成对它的peer dependency。这比“使用一个第三方库”更进一步：整个产品都构建在Cordis之上。四、核心架构 4.1 整体架构图

4.2 工具调用流水线工具调用被拆成了一条可扩展流水线：请求执行前会经过 Hook、审批、权限检查、沙箱和超时控制，执行后还可进行结果改写、记录和UI渲染。开发者无需修改工具或Agent Loop ，就能在各个环节插入插件。 PTC模式中的代码及其子调用同样要经过这套流水线，不能绕过审批与沙箱。 4.3 “仅追加”的会话日志是唯一真源 DSH的世界观和“一个while循环里不断加东西”截然不同。它的骨架只有几条：一切皆插件（Cordis）：没有可打补丁的“特权核心” 仅追加的SessionEvent日志是唯一真源这种设计让每一次运行都有迹可循，恢复、分叉、检索与回放共享同一事件流。五、社区生态发布不到24小时，288个插件。这是最惊人的部分。 DeepSeek给Harness的口号就是“一切皆插件”** 。 DSH的插件生态入口很朴素——GitHub上一个叫 dsh-plugin 的topic，谁的仓库打上这个标签，就能被发现。发布不到24小时，社区目录已经收录了 288个插件仓库。内测阶段的开发者们已经做了约三百个插件。有人给它换上Windows XP的复古皮肤，有人做了表情包插件，让它干完活还能立刻给你发一张大肥鱼表情包。目前社区已经建了目录站，其中一个叫 awesome-dsh-plugins 的仓库做了每日兼容性追踪。这种广泛的玩法恰恰说明：这个框架里没有什么是焊死的。 5.1 热门插件示例插件功能 dsh-plan-execute 双模型路由：规划用推理模型，执行切换到经济模型 dsh-vision 给DeepSeek加视觉能力：DeepSeek思考，另一个模型看 dsh-skills 注入Claude Code风格的Skill能力六、和Claude Code、Pi的区别对比维度 DeepSeek Harness Claude Code Pi 开源协议 ✅ MIT ❌ 闭源 ✅ MIT 可替换范围全部（模型/工具/Loop/UI）有限有限（扩展）核心设计一切皆插件（Cordis）功能固定极简扩展数据存储本地云端/本地混合本地运行方式 Web UI + CLI 终端CLI 终端CLI 成本极低（实测3块钱）高较低七、如何快速上手？ 7.1 环境准备在开始之前，先确认你的机器满足以下条件：要求说明操作系统 Windows 10+、macOS 10.15+ 或主流 Linux（x64/arm64） Node.js v22.19 或更高版本（推荐直接用 v24 系列）包管理器源码安装需要 pnpm （ npm install -g pnpm ）网络首次启动需要从 npm 拉取依赖 API Key DeepSeek 或其他兼容提供方的密钥最近缺项目经历想快速提升项目实战能力（包含多个AI项目）��或者最近找工作，或者想学习AI的小伙伴，可以看看下面👇🏻的这个链接（或许真的能够帮到你）。检查 Node.js 版本：

node --version
# 需要输出 v22.19.0 或更高

如果版本太低，去 Node.js 官网下载最新版安装即可。特别提醒：建议单独准备一个练习目录作为工作区（workspace），避免 Agent 误操作你重要的项目文件。 7.2 快速体验（30秒起步）这是最快的方式—— 不需要克隆仓库、不需要安装依赖、不需要写任何配置文件。一条命令搞定：

npx -y @deepseek-ai/dsh web

这条命令会做三件事：自动从 npm 下载 DeepSeek Harness 的最新版本启动 Web UI 服务在终端输出本地地址默认地址是 http://127.0.0.1:3080 。用浏览器打开即可进入界面。首次启动注意事项：首次运行会下载相关包，需要等待几分钟关闭终端后服务会停止建议打开一个独立的终端窗口专门运行 Harness 7.3 配置 API Key Web UI 启动后，第一步是配置模型。步骤一：打开设置在 Web UI 界面中，点击右上角的设置（Settings），然后选择模型（Models）选项卡。步骤二：填入 API Key 在 DeepSeek 卡片中，填入你的 API Key 并保存。关于密钥安全：密钥是只写的。保存后，页面只会收到脱敏描述符，永远不会收到明文密钥。密钥存储在 $DSH_HOME/.credentials.yaml 中，settings 只保留它的凭据引用。模型变更会在下一次请求时生效，不需要重启服务器。步骤三：添加其他模型提供方（可选）如果你不想只用 DeepSeek，还可以添加其他提供方：点击添加提供方（Add provider），选择 Anthropic、OpenAI 等提供方，输入对应的 API Key 并保存。已安装的目录会提供端点、协议和模型列表。支持的提供方类型：原生认证：Bedrock、Vertex、Azure、Codex 等，需要各自的原生凭据（AWS 凭据与区域、ADC 项目、api-version 和 OAuth），只填写 API Key 无法完成配置 OpenAI 兼容：通过自定义提供方接入公司网关或自建服务器 7.4 选择工作区（Workspace）配置好模型后，需要选择一个工作区目录。工作区是 Agent 可以读写文件的目录范围。选择工作区之前，会话编辑器是不可用的。操作步骤：点击选择工作区（Choose workspace），添加你启动 dsh 时的项目目录，然后选中它。建议：新手可以先创建一个空目录作为工作区，放一些测试文件进去，等熟悉了再切换到真实项目。 7.5 运行第一个任务配置完成后，就可以开始使用 Harness 了。启动新会话：在界面中点击新建会话，在输入框中输入任务：

总结这个仓库，并识别它的主要包

Agent 会自动执行以下操作：读取工作区中的文件运行命令委派子任务维护执行计划权限审批：Web UI 在执行需要审批的操作前会询问你。你可以在界面中确认或拒绝。会话恢复：Harness 支持会话持久化。关闭浏览器再打开，之前的会话依然存在。你可以在会话列表中继续之前的对话。 7.6 无头模式（Headless Mode）如果你不想用 Web UI，想直接在命令行里跑任务（适合脚本或 CI 场景），可以使用无头模式：

dsh --profile headless "你好，请用一句话介绍自己"

这条命令会直接输出 Agent 的回复，不启动 Web 界面。适用场景：自动化脚本 CI/CD 流水线集成批量任务处理服务端部署 7.7 源码安装（适合二次开发）如果你需要修改配置、开发插件或进行二次开发，建议从源码安装：

# 1. 克隆仓库
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness

# 2. 安装依赖
pnpm install

# 3. 构建
pnpm run build

# 4. 启动 Web UI
pnpm dsh web

源码安装的好处是你可以直接修改源码、调试插件、查看完整的项目结构。 7.8 Python SDK 调用（程序化使用）如果你不想用 Web UI，而是想在 Python 程序中调用 Harness 的能力，可以使用官方 Python SDK。前置要求： Python 3.10 或更高版本 Git Linux x64、Linux arm64 或 macOS 14+ arm64 DeepSeek 兼容的 API 端点与凭据安装 SDK ：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
python -m venv .venv
source .venv/bin/activate # Windows 用 .venv\Scripts\activate
pip install deepseek-harness-sdk

安装后的运行时不需要系统提供 Node.js 。设置环境变量：

export DEEPSEEK_API_KEY=你的API密钥
# 如果通过 OpenAI 兼容代理访问，还需要设置
export DEEPSEEK_BASE_URL=http://127.0.0.1:8000/v1
# 可选：指定模型和系统提示词
export DSH_MODEL=deepseek-v4-flash
export DSH_SYSTEM_PROMPT='You are a helpful software engineer assistant.'

运行一个任务：

python examples/jsonrpc-agent/minimal.py \
 --workspace /absolute/path/to/workspace \
 --session-root /absolute/path/to/sessions \
 --session-id example-001 \
 "检查代码库并修复失败的测试"

脚本会打印 assistant 的最终回复。会话目录会收到 JSONL 日志，其中包含组装后的模型请求与工具调用。在自己的程序中使用 SDK ：

from pathlib import Path
from deepseek_harness import DeepSeekHarness

config = Path("examples/jsonrpc-agent/minimal.cordis.yml").resolve()
workspace = Path("/absolute/path/to/workspace").resolve()
sessions = Path("/absolute/path/to/sessions").resolve()

with DeepSeekHarness(
 provider="deepseek-official",
 model="deepseek-v4-flash",
 max_tokens=49152,
 cwd=str(workspace),
 session_root=str(sessions),
 cordis=str(config),
) as harness:
 result = harness.run(
 "检查代码库并修复失败的测试。",
 session_id="example-001",
 )
 print(result.final_response)

关键点： DeepSeekHarness 会延迟启动内置运行时，并持续复用，直至退出上下文管理器复用同一个 harness 与 session id 会保留该会话拥有的 Bash 进程，包括工作目录、已导出的变量与 shell 函数独立任务应使用新的 session id；只有下一次调用需要延续同一段持久化对话时，才复用原有 id 7.9 插件开发：30分钟从零到第一个插件 DeepSeek Harness ��口号是 “一切皆插件” 。打开设置 → 插件 → 插件列表，你会看到 133 个插件 —— llm （模型适配器）、 session （会话历史）、 webserver （你正在看的页面）、 ui-sidebar （左侧边栏）、甚至 agent-loop （Agent 循环本身）—— 全部都是插件。社区已经提供了完整的零基础插件开发教程。两种扩展方式：方式写什么耗时适合什么 Markdown（Skill）一个文本文件 5 分钟改变模型如何判断、格式化、工作 TypeScript（代码插件）一个代码模块 30+ 分钟新工具、外部服务、UI 改动原则：如果你能用自然语言解释清楚，就走 Markdown 路线。快速开始教程：步骤内容耗时 1–2 打开终端，安装 Node.js 7 分钟 3–5 启动 DSH，配置 API Key，选择工作区 10 分钟 6 亲眼看到全部 133 个插件 3 分钟 7–8 构建你的第一个插件，观察它的生命周期 10 分钟前8步总计约30分钟，完成后你就有了一个可用的开发环境。一个关键提醒：启动 Web UI 时必须加上 --patch 参数，否则 skills 不会生效。一键安装社区技能：

git clone https://github.com/pingfanfan/hello-dsh.git
cd hello-dsh && ./install.sh
# 预览模式（只检查不安装）
./install.sh --dry-run

hello-dsh 仓库包含了 22 个中文技能实例，覆盖了日常开发中的常见场景。插件脚手架工具：

npm create dsh-plugin@latest my-plugin

这条命令会生成一个完整的插件项目骨架，你只需要填充业务逻辑即可。 7.10 学习路径推荐如果你想把 DeepSeek Harness 彻底搞懂，社区已经整理好了完整的学习资源：资源说明 DeepSeek Harness 白皮书从“什么是 Agent 运行时”讲起，到安装、使用、开发插件、性能调优，每一章都有可复制、可运行的命令在线阅读免费在线版本 PDF 下载适合离线阅读 3天学习路径每天有明确目标和验收标准一页速查卡常用命令和配置速查白皮书的核心价值：官方文档以架构说明为主，缺少一条从零上手的路径。这本白皮书补上了这条路。 7.11 快速上手指南总结如果你只有 5 分钟，做这三件事就够了：

# 1. 一键启动
npx -y @deepseek-ai/dsh web

# 2. 浏览器打开 http://127.0.0.1:3080

# 3. 设置 → 模型 → 填入 API Key → 选择工作区 → 开始对话

九、写在最后回到最初的问题：为什么DeepSeek Harness突然爆火了？因为 DeepSeek Harness在做的，不是又一个Agent产品，而是一套Agent的操作系统。别人给的是“精装房”——交房的时候什么都有，但你不能自己改格局。 DeepSeek Harness给的是“毛坯房”—— 水电齐全、四面墙盖好，最后装修成工作室、电竞房还是三室一厅，全看你自己折腾。更准确地说，它给的是造房子的工具和建材 ——模型、工具、技能、会话、沙箱、存储、Agent Loop、调度、UI，所有Agent能力均由插件组合而成，可自由替换、灵活重组。这种“一切皆插件”的架构设计，把DeepSeek的开源边界从模型延伸到了Agent工程体系。它不再只是开源一个模型，而是开源一整套 Agent运行时的组装框架。所以发布12小时破5万星，不是偶然。当一个产品同时踩中“MIT开源”、“本地优先”、“极致可定制”、“超低成本”这几个点的时候，社区的反应只能是疯狂Star。官方也说了，核心插件和基础接口未来几个月会快速演化。但它已经向整个行业发出了一个清晰的信号： Agent时代的下一个战场，是Harness。开源地址： GitHub ：https://github.com/deepseek-ai/deepseek-harness 官方文档：https://deepseek.com/harness 最近缺项目经历想快速提升项目实战能力（包含多个AI项目），或者最近找工作，或者想学习AI的小伙伴，可以看看下面👇🏻的这个链接（或许真的能够帮到你）。