DeepSeek Harness 上手指南：模型是发动机，它是驾驶舱

DeepSeek 发模型从来不缺热度，但这次发的不是模型，是一个产品。

8 月 13 日，DeepSeek Harness（命令行名字叫 dsh）v0.1 开发者预览版全球开放，MIT 协议，源码全在 GitHub。消息来得不算突然，V4 Flash 正式版的更新日志里就埋了一行字，说 Flash 的评测是用 “DeepSeek Harness 极简模式（即将发布）” 当框架跑的。拿自己的框架测自己的模型，这比任何宣传都实在。

一句话理解它：模型决定 Agent 聪明不聪明，Harness 决定 Agent 能不能干活。DeepSeek 喊了小半年的 “Model + Harness = Agent”，这回兑现了。

先说结论：它不是 DeepSeek 版 Codex

首发体验过的媒体都说了同一件事，这东西不像 Codex。

Codex 交付的是一个拿来即用的 Agent，你装好、选个场景、开跑。DeepSeek Harness 更像一套组装 Agent 的运行时，模型、工具、提示词、会话日志、甚至界面，全是插件，你说了算。

内测用户已经在用插件改它整个工作界面了，这个自由度，Codex 给不了。

有意思的是，负责带队的是崔添翼，前 TSY Capital 联合创始人、Jane Street 干了 9 年的量化专家。量化背景的人做产品，风格藏不住，可靠、可追溯、状态一致、安全风控，全是交易系统的思路。追记式日志、可回放会话这些设计，明摆着是从 “复盘交易记录” 里长出来的。

5 分钟跑起来

最快的路径是 Web UI，一条命令的事：

想装成全局命令也行，装一次以后直接 dsh web 就能起：

浏览器打开 http://127.0.0.1:3080，按三步走：

配置模型。设置页里填 DeepSeek API Key 就行，不用重启。想用别的模型也随便，Kimi、OpenAI、Anthropic、Google，将近 40 家提供商都列着，还支持自定义 OpenAI 兼容端点。
选工作区。点 Choose workspace，把项目目录加进去选中。没选工作区之前，会话编辑器是灰的。
开跑。新建会话，发提示词，Agent 会读写文件、执行命令、拆任务、维护计划。遇到高权限操作会先问你要批准。

想从源码跑也行，仓库在 github.com/deepseek-ai/deepseek-harness：

四种预设，别选错了

对话的设置里，模型旁边有三档推理等级，Off、High、Max。预设（Preset）才是这个产品真正的主菜，相当于给 Agent 定岗，身份、规则、工具、工作方式全由预设决定。

内置四个：

极简模式（minimal），只有一个 shell 和一个文件编辑工具，是给模型跑基准测试用的。V4 Flash 正式版那 82.7 分的 Terminal Bench 成绩，就是在这个预设里刷出来的。

标准模式（standard），日常写代码、修 Bug、分析项目的默认选择。

代码模式（code），大批量搜索、并行读文件、多步骤自动处理，处理脏活累活用的。

创造模式（cordis），用来造新预设。可以让 Agent 按你的要求一步步生成一个全新预设，也可以直接在内存里试插件组合。

预设之间用 / 命令切指令，标准、代码、创造模式都带对话压缩、目标、计划这些命令，极简模式只有目标。

同一个进程里，写作 Agent、编码 Agent、研究 Agent 可以同时跑，各看各的工具和指令，不用开四套服务。预设的作用域按 agent 到 preset 到 global 一层层解析，这一套很像配置管理系统。

一个值得单独说的设计：PTC

程序化工具调用（Programmatic Tool Calling）是 DeepSeek Harness 自己的特色。

一般 Agent 是一步步调工具，调用一次、回一个结果、再调下一次。PTC 反过来，模型先写一段 TypeScript，把一串工具调用编排成程序，中间数据全部留在运行环境里，只有最终结果进模型上下文。

好处是往返次数少了，出错的缝也少了，多步工作流干净不少。博客园那篇完全指南里把它单独拎出来讲，不是没道理，这是和所有主流 Harness 都不一样的地方。

一切皆插件，不是说说而已

DSH 的整个架构建立在 Cordis 插件框架上，元框架只负责插件的加载卸载和依赖管理。模型适配器是插件，工具注册表是插件，会话日志是插件，Agent 循环是插件，连前端界面都是第二棵插件树。

想换模型？换个模型插件。想换沙箱？换沙箱插件。想换掉默认的 Agent 循环？挂你自己的。没有需要打补丁的特权核心，插件卸载时注册效果干净回滚，不残留。

内测那几天，用户已经搓出大约 300 个插件。有人改了 DSH 的整个界面布局，有人给对话页加了侧边栏，有人做了个 “跨会话长期记忆 + 后台自我进化” 的插件，不走向量数据库加 RAG 的老路，用本地文件持久化加分层上下文注入加 LLM 自我整理，让 Agent 定期回头审视自己的完整工作上下文，把临时经验压缩成长期知识。

说白了，普通产品插件是在按钮和功能上加东西，DSH 的插件是在 Agent 的大脑、工具箱、规则和界面里加能力，不是一个量级的自由度。

追记式日志，调试神器的样子

这是我最想夸的设计。模型看到的一切，系统提示词、思维链、每次工具调用和结果、子 Agent 调度、上下文注入，全部写进追记式（append-only）会话日志，不覆盖、不删除。Trajectory 视图里按来源一条条查。

上下文压缩也不会删原始历史，只是用替换事件改变模型之后看到的 “表面”，原始事件流原封不动。

这带来一个实打实的好处。Agent 跑崩了，你能精确看到它在每一步看到了什么，确切提示词、确切工具输出，不用猜。恢复、分叉、检索、回放，全共享同一份事件流，做生产级 Agent 的团队最缺的就是这个级别的可追溯性。

实测：同一个模型，换个 Harness 天差地别

爱范儿在发布前拿了内测资格，做了一组对照实验，让同一个 DeepSeek-V4-Flash 在 DeepSeek Harness、Reasonix 和 Codex 里做同一个 Three.js 滑沙游戏。

结果：DSH 里跑出来的基本没 Bug，玩家从开局就在滑，穿过每个门，抵达绿洲，画面金黄、快速、阳光明媚。Reasonix 虽然号称最适合 DeepSeek 的第三方 Agent，但渲染的模型、人物、天空都糙，不像个 3D 游戏。Codex 版本不错，可一旦上下文被别的项目 “污染”，金字塔就完全不像金字塔了。

有意思的是，刚发布的 V4 Pro 在 DSH 里跑同样任务，用时更长，表现反而没那么好。以快著称的 DeepSeek，跑编程任务也可能要半个多小时，别期待秒出。

单次案例说明不了所有问题，但它至少证明一件事，模型完全相同时，Harness 提供的工具、提示词、上下文组织和执行策略，足以显著改变最终产物。