DeepSeek Harness（dsh）调研：是什么、有什么用、怎么用、未来走向
模型是大脑，Harness 是手脚与工作台
一、30 秒看懂
它是什么：DeepSeek 在 2026 年 8 月开源的"Agent 运行时"（Harness）。一句话说，就是给大模型装上手脚、工作台、门禁和行车记录仪。
能帮你做什么：让 AI 从"会聊天"变成"能干活"——读写文件、执行命令、制定计划、调动子任务，并把过程完整记录下来。对个人是编码助手，对团队是自建"数字员工"的底座，对研究者是模型评测的标尺。
怎么开始：装好 Node，运行一条命令 npx @deepseek-ai/dsh web，填入 API Key、选一个测试目录，就能开始派任务。
未来走向：AI 的竞争正从"模型本身"转向"模型外面那层系统"。dsh 是目前这一层里最开放、最可替换的开源方案之一，但它仍处在开发者预览期。
二、它是什么：给"大脑"装上手脚
模型（例如 DeepSeek V4）负责理解、推理和生成，相当于"大脑"；Harness 负责真实世界里的一切——读文件、写代码、跑命令、管权限、记日志、接续会话，相当于"手脚 + 工作台 + 门禁 + 行车记录仪"。
DeepSeek 官方的说法是："模型是智能体的灵魂，Harness 让它理解环境、使用工具，并在真实世界中持续工作。"
（一）关键事实
发布与协议：2026 年 8 月 13 日开源，与旗舰模型 V4-Pro 正式版同日发布；采用 MIT 协议，可自由商用和二次开发。
使用形态：命令行工具 dsh；默认启动本地网页界面（地址 http://127.0.0.1:3080），另有免界面模式与 Python SDK。
运行方式：程序跑在你自己的机器上，只有模型推理请求会发往你配置的 API。
数据位置：配置、密钥、会话记录都保存在本地目录 ~/.dsh。
版本状态：开发者预览版（npm 上是 0.1.5 系列候选版本），官方明确提示"会有破坏性变更"。
热度：发布 48 小时内 GitHub 星标破 10 万，目前约 22.4 万星（2026-09-15 数据）。
（二）它凭什么不一样
一切皆插件。 模型、工具、技能、会话、沙箱、存储、任务循环、界面，全部由插件构成，连 Agent 主循环本身都能替换。换模型（除 DeepSeek 外，还支持 OpenAI、Anthropic、本地模型等）不需要改业务代码，企业也可以把内部系统接进来而不动核心。底座是一个独立的开源插件框架 Cordis。
全程可回放。 模型看到的每一样东西——系统提示词、思考过程、每次工具调用、每一次上下文注入——都会写入"只追加"的会话日志。官方的硬性规则是：模型能看到的，必须能从日志重建。出了问题，可以像看行车记录仪一样逐帧回看，搞清楚它为什么改了那一行代码。
考试场也开源。 官方发布模型跑分时，用的正是 dsh 的极简模式（只保留两个工具、一条固定提示词、关闭所有辅助）。现在这套评测环境连同源码和参数一起公开，厂商跑分从"黑盒声明"变成"原则上人人可以复现的测试"——不过终端基准目前仍在等待第三方独立复现。
（三）它不是什么
不是新模型：它不包含模型权重，也不训练模型。
不是聊天产品：没有手机 App、没有云端账号体系，默认只服务本机。
不是"免费的 AI"：Harness 本身开源免费，但调用模型 API 按用量计费。
不是开箱即用的成熟软件：交互细节仍在打磨，官方警告会破坏兼容性。
大脑 + 机械手：一个公式看懂 dsh
三、它能帮你做什么
（一）从"会说"到"做完"
"帮我解释一下登录报错"和"进项目把这个登录问题修掉"，是两种完全不同的任务。后者至少要完成：找到代码入口、读懂上下文、修改代码、运行测试、根据失败继续修，最后还要交代改了什么、验证结果如何、还有哪些风险。dsh 的价值，就是把这一长串动作组织成一条可执行、可审批、可追溯的闭环。
（二）八类典型用途
日常编码。 修 Bug、做重构、补测试、读懂陌生仓库，甚至一键回到修改前的状态。适合所有开发者。
企业自建平台。 把模型网关、内部系统、审批流程、成本归集和审计都接到 dsh 上，搭一套只属于自己团队的"数字员工"底座，不被某一家模型绑死。
多模型评测。 用统一的最小环境横向比较不同模型，并把评测接进 CI，每次换模型或换版本自动跑回归。
垂直领域定制。 把行业流程——诊断、单据、计算、检索——做成专用 Agent。目前已能看到电机维修、量化研究、临床文书、公文写作等方向的尝试。
自动化与 CI。 无界面一次跑、定时任务、失败自动诊断与续跑，适合把重复工作交给机器。
研究与调试。 回放完整运行轨迹，定位是提示词、上下文还是工具调用出了问题。
成本治理。 按任务难度分流模型、错峰执行、压缩上下文、设置预算告警。
生态与自进化。 逛插件市场，把跑通的工作流沉淀成可复用的技能。
（三）一些真实案例
社区里已经出现不少实际行动。日常编码方向，有人把网页界面补成了"工作台"：桌面客户端、编辑器与终端侧边栏、编辑后自动做类型检查和代码规范检查。
多模型评测方向，有工具可以用配置文件驱动真实运行、断言工具调用与 token 消耗，还能接进 CI 做基线门禁。
垂直领域也开始有人试水：电机维修诊断、量化研究、临床文书草稿、公文写作、企业法律数据接入等。需要提醒的是，这些大多是早期项目，有的只有个位数星标、作者也标明是演示数据，正式业务使用前务必自行验证。
自动化方向有一个值得参考的真实例子：一个社区站点把每小时的数据刷新、每日巡检，从原来的调度系统整体搬到了 dsh 的定时任务面板里。
（四）谁最适合用
开发者：想要一个可以自由改造、过程可回放的编码代理。
技术团队：想自建"数字员工底座"，又不想被单一模型供应商锁住。
评测与研究团队：需要官方同款评测环境，以及完整的运行轨迹。
愿意折腾的爱好者：想体验有"陪伴感"的 Agent 工作台。
四、怎么用：从 0 到第一个任务
（一）准备三样东西
Node.js：版本需要 22.19 及以上，或 24 及以上（推荐 24）。
DeepSeek API Key：在 DeepSeek 开放平台创建，并确认账户里有余额。
一个可以放心修改的测试目录：准备一个已提交 Git、能本地跑测试的练习仓库，不要直接指向生产目录。
（二）三步跑通
只读任务通过后，再给一个小修改任务，例如："修复当前失败的单测。要求：先复现失败、只改根因相关文件、修复后运行测试，最后列出改动文件和仍未解决的风险。"
（三）四种模式怎么选
标准模式（默认）：文件、命令、搜索、计划、子代理一应俱全，日常开发用这个。
Code 模式：让模型写一段程序来批量编排多步工具调用，适合步骤繁琐、来回调用多的任务。
极简模式：只保留两个工具、关闭所有辅助，专门用于模型评测和对照实验。
创造模式：可以在运行时检查内部状态、试验插件组合，用来打造自己的专属 Agent 预设。
（四）六个提效习惯
任务说全四件事：目标、范围、约束、验收标准，缺一不可。例如"把接口 P95 延迟降到 300 毫秒内，同时保证现有测试全部通过"。
先调查，后动手：让它先复现问题、给出根因和最小修改范围，你确认后再放行。
把验收命令写进任务：模型说完成不算，测试跑过才算。
一次会话只做一条主线：同一件事继续，换目标就新开会话。
快慢模型分工：探索类工作用便宜快的模型，关键修改再上强模型。
审批不放水：删除、部署、涉及密钥的操作，永远人工确认。
（五）进阶：让它自动干活
无界面模式：运行 dsh --profile headless "运行测试并修复失败用例"，跑完打印结果自动退出，成功与否看退出码，天然适合 CI。
定时任务：社区插件提供定时面板，可以按计划跑巡检、刷新、日报（目前还是早期项目，建议先小范围试点）。
写进程序：官方 Python SDK 可以把 Agent 当作函数调用，嵌进你自己的程序或流水线。
（六）安全五条
永远使用独立工作区，不要指向重要业务目录。
权限分级使用（只读、工作区可写、完全访问），够用就好。
极简模式固定"完全访问"权限，只能在一次性副本或容器里运行。
安装第三方插件，等于让它用你的权限运行代码。官方也提醒：工具审批沙箱并不隔离插件代码，装之前先看源码。
生产关键路径等正式版本，不要用预览版赌稳定性。
三步上手：启动 → 配置 → 派任务
五、生态现状：很新、很热、但不成熟
（一）规模有多大
GitHub 上带 dsh-plugin 标签的公开仓库约 1.5 万个（其中混有"蹭标签"的项目，不是净插件数）。
社区精选清单（awesome-dsh-plugin）约 1.57 万星，覆盖 22 个类别，从界面增强到桌宠应有尽有。
第三方插件市场有若干家，各自收录几百到两千多个条目。
（二）成熟度（重要）
我们对本次调研引用的 248 个条目逐个查了星标和活跃度：星标中位数只有 3 星；245 个可访问条目中，166 个不超过 5 星；真正称得上"有人用"的插件不足 10 个（纯插件最高约 1100 星，桌面客户端最高约 6400 星）。星标最高的一批，多是"周边项目"（设计工具、通用框架等），并不是 dsh 插件。
所以正确的用法是：把生态当作"模式样例"和"可以试的工具"，而不是"成熟基础设施"。
（三）生态长什么样
按类别看，界面增强、模型与提供商、记忆与知识库、通知与 IM 集成、安全审计、插件市场、工作流自动化、娱乐，每一类都已经有能跑的实现了。绝大多数还是个人项目——这是早期生态的正常形态：插件协议刚刚统一，留下来的要靠时间筛选。
插件生态：模块在生长，成熟仍需时间
六、未来会怎样：六个方向，三个不确定
（一）六个方向
Harness 成为 Agent 落地的"中间层"：模型可以换，Harness 管环境。行业的关注点正在从"提示词工程"转向"Harness 工程"。
企业数字员工的底座：模型网关、内部系统、审批、审计、成本，都插在 Harness 这一层，不绑死任何一家模型。
从"对话框"到"工作台"：本地网页或桌面端加插件生态，把 AI 变成有侧边栏、有轨迹、有定时任务的工作环境。
能力沉淀（自进化）：把成功流程结晶为可复用的技能，带评估与回滚——团队经验不再流失在聊天记录里。
评测与合规标准化：官方评测环境开源，加上社区的评测流水线，"换模型之前先跑自己的考场"会成为常规动作。
个人化与娱乐化：桌宠、游戏、个人知识库接入，说明 Harness 也可以是一个有性格的助手。
（二）三个不确定
预览版风险：接口和格式还会破坏性变更，生产使用需要锁定版本并配套回归测试。
生态质量：插件数量爆发但质量参差，而且以你的权限运行——供应链安全是现实问题。
竞争格局：Claude Code、Codex 等成熟产品的体验更完整。dsh 的优势在开放和可改造，能否胜出取决于插件接口能否稳定、生态能否沉淀。
走向未来：Harness 成为 Agent 的中间层
七、行动建议
建议现在就试的人：
想找"可改造编码代理"的开发者；
要用官方评测环境做模型对比的团队；
想研究 Agent 行为、提示词与运行轨迹的工程师；
喜欢折腾插件生态的爱好者。
建议先观望的人：
需要生产级稳定性的自动化团队（等正式版本和接口冻结）；
只想"装上就用"的普通用户（成熟产品的完成度更高）；
对安全合规要求高、又没有精力审查插件源码的组织。
上手清单：装 Node 24 → 运行 npx @deepseek-ai/dsh web → 配 Key → 选测试目录 → 只读任务 → 小修改任务 → 需要时再装插件（先看源码）。
附：调研口径与来源
官方一手：deepseek.com/harness 官方页、GitHub 官方仓库（README、架构文档、BENCHMARK.md、无界面模式文档）、官方 Discussions。
社区核验：用 GitHub API 对 248 个相关条目做了星标与最近推送的全量核验（2026-09-15 快照）。
口径说明：官方信息均标注"官方"；社区案例标注"早期项目"与星标量级；项目自述数据（例如"节省 97.6% token"）未经独立验证；基准数字目前为厂商口径，外部独立复现仍在进行中。
免责：文档中涉及的交易、医疗、法律类工具，均不构成相应专业建议。