这周本地部署圈最值得聊的事，不是哪个模型又刷了榜，而是 DeepSeek 干了一对很矛盾的事：8 月 13 日把 Agent 运行框架 DeepSeek Harness（下称 DSH）MIT 协议开源，首日 GitHub Star 破 3 万、登顶 Hacker News。36氪几乎同一时间，8 月 17 日起 API 开始涨价，V4 Pro 高峰时段输出价从 6 元涨到 27 元/百万 token。小红书
壳免费开源了，官方预置的脑却变贵了。于是本地党最关心的就剩一个问题：我能不能把自己的本地模型接进这个壳？答案是能，而且已经有人把完整流程趟出来了。这篇把信号、路线、坑和账一次讲清。
先搞懂：DSH 是什么，为什么本地党该在意
DeepSeek 官方给了个很直白的公式：Model + Harness = Agent。36氪Harness 直译是"挽具"，就是套在模型外面的那层工程外壳——读文件、开终端、调工具、管上下文、跑沙箱。模型负责思考，壳负责让思考落地干活。
它最大的特点是"一切皆插件"：模型、工具、技能、会话、沙箱、存储、调度乃至 UI 本身，都是可替换的插件。知乎
它跟 Claude Code、Codex 这类东西的区别在哪？Claude Code 绑定 Anthropic 系模型，Codex 绑定 OpenAI 系，都是闭源成品；DSH 是 MIT 开源、模型随便换、还能完全离线部署。36氪顺带一提，OpenAI 这周也把 Codex Harness 开源了，Agent 时代的"壳之争"正式开打。哔哩哔哩
对本地部署用户，意义很具体：以前本地跑个模型，本质上只是拥有了一个离线聊天框。现在壳开源了，本地模型第一次有了一双标准化的"手"——能读写文件、跑命令、调技能。这也是为什么 DSH 发布才一周多，社区已经在讨论怎么把 Qwen3.8-27B 这类本地旗舰塞进去。
三步接入路线（社区已实测跑通）
DSH 本体门槛极低，一台普通笔记本就能跑壳，重活由你接的模型承担。
第一步，装壳。装好 Node.js 后，无需克隆源码，一条 npx 命令就能拉起 Web 服务，默认地址 127.0.0.1:3080，黑色鲸鱼 Logo。知乎首次启动会让你填 DeepSeek API Key——不接云端的话，点"稍后配置"跳过就行。
第二步，把本地模型跑成 OpenAI 兼容服务。llama.cpp 用户用 llama-server 启动，指定模型文件和端口即可；Ollama 用户更省事，它本来就暴露 OpenAI 兼容接口。
第三步，在 DSH 设置里"添加自定义提供方"，填本地服务地址和模型名。回到对话页，模型选择器里就能看到你的本地模型和 DeepSeek 官方模型并排，随时切换。
接入后的实测表现（来自社区一位用 Qwen3.8-27B UD-Q5_K_XL 量化、约 18.5GB 的玩家）：逻辑陷阱题（9.9 和 9.11 谁大、狼羊菜过河、洗车悖论）全对，写代码能自己发现并修复 Windows 编码报错，还成功调用了视频提示词技能——本地模型写提示词、专用模型出视频，提示词环节零 API 费用、数据不出本机。Qwen 负责"写"，H3 负责"拍"，这一切都在一台个人电脑上完成。知乎
两个坑，都是有人替你踩过的
坑一：API 协议别选错。添加自定义提供方时如果协议选了 anthropic-messages，会报"此构建没有可读的模型列表"。llama-server 和 Ollama 暴露的是 OpenAI 兼容接口，协议要选 openai-completions 或 openai-responses。知乎
坑二：这是开发者预览版，官方提示可能存在兼容性破坏变更。开源一周多已经连发五个 RC，8 月 19 日的 RC8 还改了 SQLite 数据结构，本地存了大量会话数据的，升级前想清楚。知乎用 npx 每次拉的都是最新版，想长期依赖，建议改用 npm 全局安装并锁定版本号。另外社区发现运行后本机会生成 UUID 随每次请求发送，遥测开关并不影响它——对隐私敏感才玩本地部署的人来说，这点值得知道。36氪
一笔"Agent 税"：速度去哪了
这是最反直觉的部分。同一台机器、同一个模型，命令行裸测生成速度 64.1 token/s，接进 DSH 后实测只剩 14–16 token/s。知乎
速度没丢，是花在壳上了：系统提示词、工具定义、会话上下文管理，每轮都要占处理时间。这笔"Agent 税"所有 harness 都收，区别只是多少。好消息是缓存真在工作——同一会话缓存命中率从 0% 一路爬到 90%，273K token 的长会话也没有明显掉速，开头说过的话它还记得。所以判断要给足：27B 级本地模型 + DSH，轻中度 Agent 任务（写提示词、处理文件、中小规模编码、跑技能）是够用的；但如果你指望它干重度编程、长链路多工具编排，这个速度和本地模型的能力上限都会让你难受——那种活，还是得旗舰脑。
三档人，三个选择
第一档：手上已有 24GB 以上显存（或大内存 Mac），本地跑着 27B 级模型的人。直接接。边际成本几乎为零，从此 Agent 环节不用给 API 交钱，数据还全在自己机器上。
第二档：硬件不够、但想先搞懂 DSH 是什么的人。别急着配硬件，先把壳跑起来，接个便宜的云端端点体验完整流程——V4-Flash 输出价 2 元/百万 token，是涨价潮里罕见的地板价。36氪等真正体验过这套"壳 + 工具"的工作方式，再决定要不要为本地脑花钱。
第三档：完全不想碰命令行的人。社区已经有人做了第三方桌面版（dsh-desktop，MIT 开源，双击即用），五天迭代了 13 个版本、73 次提交，长出了插件市场、技能管理器和常驻屏幕角落的性能浮标。知乎但注意那是社区项目不是官方出品，且整个生态都在预览期，尝鲜可以，长期依赖再等等。
接下来值得盯什么
三个信号：一是 DSH 什么时候出稳定版、文档追上代码（现在每天几百次提交，文档滞后是必然）；二是插件市场能不能长出真正解决问题的技能生态；三是官方会不会把本地模型接入做成一键配置——现在 Ollama 用户还得手动填地址，这一步迟早会被抹平。
Agent 的壳正在变成新的兵家必争之地：模型可以换，壳用顺手了很难搬。对本地党来说，这是两年来第一次，我们手里那颗脑，终于等来了一个配得上它的、免费的身体。
