DeepSeek Harness 开源解析：14万 Star 的"一切皆插件"Agent 框架，DeepSeek 想当 Agent 时代的底座（2026年8月）

DeepSeek AI对话免费 Claude AI对话免费 Claude Code AI编程 OpenAI Codex AI编程免费

一句话结论

DeepSeek Harness（命令行工具名 dsh）是深度求索在 2026 年 8 月 13 日晚开源的一款 AI Agent 运行时框架，采用 MIT 协议。它不是"DeepSeek 版 Claude Code"，而是一块"乐高底板"：模型、工具、沙箱、会话日志、调度逻辑、甚至整个 Agent 循环（agent-loop）全部以插件形式存在，可任意替换和组合。开源后 GitHub Star 半小时破万、数日突破 14 万，一周内社区涌现数百个插件仓库。一句话：DeepSeek 不想只卖模型，它想当 Agent 时代的底座——Model + Harness = Agent。

引言：为什么说"开源让用户掌握未来"

"闭源提供现在，开源让用户掌握未来。"项目负责人崔天翼在发布时这样解释开源动机。这句表态背后是 DeepSeek 一贯的战略打法：当模型和 Agent 能力都远未收敛时，今天"正确的"循环结构或工具协议明天可能就被推翻，与其替用户做选择，不如把 Agent 外壳以开源插件生态的方式交出去——随时能拔掉一个答案换上更好的，比现在就选对更重要。这和当年他们用 R1 开源权重冲击 OpenAI o1 溢价的策略一脉相承：把上层价值拉平为公共品，竞争就回到了模型本身的能力与价格维度。

DeepSeek Harness 是什么：不是产品，是底座

先厘清一个容易误读的点：Harness 发布的是一个"运行框架"，不是模型，也不是又一个编码机器人。它做的是让模型的想法在一个受控环境里安全地跑起来——模型负责思考，Harness 负责执行。

dsh 的底层是 Cordis，一个只做插件加载、卸载和依赖管理的微内核框架，本身不带任何 Agent 能力，就像一块只提供插槽的乐高底板。模型适配器、工具注册表、安全沙箱、调度逻辑、会话持久化、Web UI……全部是地位平等的插件。最锋利的一刀在这里：Agent 只是一个接口契约，agent-loop（Agent 循环）只是其中一个具体实现。插件只依赖 Agent 的词汇表，从不依赖某个具体的循环实现，所以整个编排循环可以通过改一个 cordis.yml 配置文件就整体换掉。

dsh 的主循环本身并不新奇——思考一步、调用工具、看结果、再思考，和 Claude Code、OpenAI Codex 的 ReAct 模式没有本质区别。区别全在"周边怎么组装"：Claude Code 把一切焊死成成品，Codex 把循环关进自家沙箱，而 dsh 什么都不焊。焊接带来稳定，拆分带来"永远可替换的逃生出口"。

"一切皆插件"到底切得多深

这是理解 Harness 价值的关键。官方对插件边界的定义是激进的，以下部件全部可替换：

• 模型适配器：近 40 种，覆盖 Anthropic、OpenAI、AWS Bedrock、Azure、Google Gemini Enterprise、DeepSeek 官方端点以及任意 OpenAI 兼容网关；
• 工具与技能：文件读写、Shell、网页搜索、代码搜索等能力以工具插件注册；
• 安全沙箱：隔离方案是插件，社区已出现 sandbox-micro 等不同隔离粒度的实现；
• 会话与日志：append-only（只追加）会话日志插件，记录模型看到的一切——系统提示词、推理过程、工具调用与结果、子 Agent 调度、上下文注入；
• 调度与循环：agent-loop 本身可替换，通过 Cordis 配置切换标准模式、精简模式等不同循环实现；
• Web UI：前端界面同样是插件，未来可以换肤、换交互。

配套机制里最有意思的是可逆副作用：插件启动时登记自己的定时器、工具注册等信息，交出"拆除说明书"，停用时逐条回滚，避免反复加载导致的系统紊乱。这在 Agent 框架里是很少见的工程化设计。

会话日志还带一个 Trajectory（轨迹）视图，你可以从事件流里恢复、分叉、搜索、重放任意一次 Agent 运行——这对调试多步 Agent 任务几乎是刚需。

四种预设：从两个工具到"模型写程序"

为了展示"一切皆插件"的组装自由度，Harness 内置了四种预设模式：

Code 模式的思路值得单独说：它不是把工具暴露成一个个函数调用，而是翻转接口——模型写程序、程序调工具，把多轮往返压缩成单次执行。这和你平时用 Cursor、Windsurf 时的体验不同，是 Agent 工具架构研究里被反复验证的效率方向：步骤更少，Token 更省。

模型无关到什么程度：可以把任务转包给 Claude Code

一个反直觉的设计是：Harness 虽然叫 DeepSeek，却内置了两个子 Agent 适配器，可以直接把子任务委派给你本机的 Claude Code 和 OpenAI Codex——它从 PATH 里解析你装好的二进制，复用你自己的登录状态（默认关闭）。也就是说，你可以用 dsh 做编排层，让 DeepSeek、Claude、GPT 各干各擅长的活。

最小配置只有三行：

{ "provider": "deepseek", "model": "deepseek-v4-pro", "apiKeyEnv": "DEEPSEEK_API_KEY" }

它还会读取项目里的 AGENTS.md 和 CLAUDE.md 作为上下文规范，内置 MCP client，实现了 Agent Client Protocol（ACP），并提供 Python SDK 和 JSON-RPC SDK 供程序化调用。我们站上关于 DeepSeek V4 Pro 正式版 的那篇横评里提过，V4 Pro 的 Agent 能力（DeepSWE 12.8→62.7）正是 8 月 13 日同一天发布的——模型转正与 Harness 开源同场出现，本身就是信号。

5 分钟上手：从零跑起一个 dsh Agent

上手路径很直白，前提是本机有 Node.js 22.19+：

# 1. 启动本地 Web UI（默认 127.0.0.1:3080）
npx @deepseek-ai/dsh web


2. 配置模型（或使用官方交互向导）
   在 Web UI 中指定 provider/model 并填入 DEEPSEEK_API_KEY

3. 选择本地工作区，开始派发任务
   Agent 在授权范围内读写文件、执行命令、派发子任务

也可以无头（headless）模式跑一次性任务后自动退出，适合脚本化批量任务或 CI/CD 流水线；配合 Python SDK 可以把 Harness 嵌入自己的应用。注意：首次 npx 拉取依赖包体积较大（300MB+ 级依赖树），国内网络环境下建议配置 npm 镜像或耐心等待，卡住时不要反复中断重试。

生态爆发：一周数百个插件仓库

开源不到一周，GitHub 上带 dsh-plugin 标签的公开仓库已经从约 300 个快速膨胀到 700 多个，方向包括：插件市场（dsh-market）、桌面客户端、Agent 编排、上下文可视化、生成式 UI，以及把 Harness 接进 QQ、微信、飞书等平台的"远程渠道"插件。官方主仓库暂时不接收外部 PR，并明确表示"主仓库里的包并不比社区的包更重要"——插件是唯一支持的扩展路径，这是为"一切皆插件"付出的代价，也是它区别于传统开源项目的姿态。

这个生态正在复刻当年 VS Code 插件市场的成功路径：底座 → 插件市场 → 团队协作 → 上下文可视化 → 生成式 UI。如果这条路走通，dsh 会成为 Agent 时代的 npm 或 Kubernetes——基础设施，而不是某个具体产品。

战略意图：把 harness 层拉平成公共品

把视角拉高看，这次开源真正的看点不是代码本身，而是 DeepSeek 的竞争位置迁移：

• 从模型层下探到工具层：模型再好也只是零件，谁掌握"模型之上的开发者入口"，谁就掌握分发。开源 Harness 等于公开争夺 Agent 工具层入口；
• 把上层价值拉平：开源把 harness 层的利润空间压成零，竞争被迫回到模型能力与 Token 价格——这正是 DeepSeek 的主场（对比一下 Gemini 3.7 Flash 的降价、Qwen3.8-27B 的开源生态，同一场竞赛的不同打法）；
• 让生态替自己探索：DeepSeek 团队很小，内存管理、调度、沙箱、多 Agent 协作这些方向不可能自己全试一遍，开源把搜索问题交给了全世界。

行业里对这次发布的评价是：当所有人都在比谁的 Agent 更聪明时，DeepSeek 在更底层的问题上参赛——Agent 应该由哪些标准件组成。

三款 Agent 运行时横评：Harness vs Claude Code vs Codex

为了帮你快速定位，我们把 DeepSeek Harness、Claude Code、OpenAI Codex 三个主流 Agent 运行时放在同一张表里对比（详见文末信息图）：

选型建议：想要开箱即用、团队直接上手 → Claude Code 或 Codex；想深度定制、研究 Agent 架构、做插件开发 → Harness；想把多个模型编排在一个工作流里 → 现阶段 Harness 是最开放的骨架，但要接受它还很粗糙。

三类人该怎么用

• 普通开发者：可以尝鲜评估，但别急着迁移核心工作流。等版本稳定、会话格式承诺兼容后再投入，期间当作学习 Agent 内部机制的活教材很值；
• 平台工程师 / 插件作者：这是目前回报最高的群体——生态刚起步、空白地带多，做一个好沙箱插件、一个上下文可视化插件，就能吃到生态早期的红利；
• 技术决策者：关注它就行。无论 dsh 最终成败，它验证了一个方向：Agent 外壳正在商品化，未来的竞争重心会进一步向模型能力和数据飞轮集中，这会影响你接下来半年的工具选型。

四个诚实边界

• 明确不承诺兼容：官方用全大写警告"THERE WILL BE COMPATIBILITY-BREAKING CHANGES"，升级后旧会话可能读不了；
• 生态还很年轻：插件质量参差，核心库之外的包没有背书，生产选型要谨慎；
• 主仓库不接收 PR：想贡献只能走插件路线，这对习惯传统开源协作的开发者是个门槛；
• 上手成本不低：Node 环境、模型配置、Cordis 概念理解，比 Claude Code 的"登录即用"门槛高一个量级，对非技术用户不友好。

结论

DeepSeek Harness 是 2026 年 8 月最值得关注的 AI 开源事件之一。它真正的价值不在"又多了一个编码 Agent"，而在于它用"一切皆插件"的姿态，把 Agent 基础设施的标准件问题摆上了台面。对普通用户，现在还不是把生产依赖押上去的时候；对开发者和技术决策者，它值得你花一个下午跑一遍——你会亲眼看到 Agent 时代的底座正在被谁定义。想了解更完整的编程工具选型，可以再看我们的 AI 编程工具横评，或者顺着 Cursor Origin 看看 Agent 时代的基础设施竞赛全景。