DeepSeek Harness 开源:Agent 时代的“安卓”来了
DeepSeek Harness(简称 DSH)正式发布并开源源代码。经过半个月内测,作者将多个 Vibe Coding 项目从 Codex 迁移至该平台。深度体验表明,DSH 是一套专为“自进化”和"DIY"设计的开发框架。
其核心在于模型、工具、策略、存储及上下文管理等模块均采用可插拔设计。用户可根据特定场景定制运行时,官方已内置一百多个插件,社区生态正在快速形成。
DSH 产品体验与安装指南
在探讨底层技术前,先了解其产品形态。官方提供两种安装方式:
快速体验:在已安装 Node.js 的环境中,使用 npx 命令启动 Web UI。
npx @deepseek-ai/dsh web
源码安装:克隆完整项目源码并按说明部署。
git clone https://github.com/deepseek-ai/deepseek-harness
目前暂无 Electron 客户端,需通过浏览器访问 Web UI。启动后需配置模型 API Key,支持接入 DeepSeek 及其他兼容模型。
界面交互上,对话列表转化为本地项目管理列表。开启会话前,用户需选择工作目录及 Agent 预设。目前官方提供四类预设:
- 标准模式:功能完整的编码 Agent,涵盖文件编辑、Shell、检索、计划模式及子代理等全量能力。
- PTC 模式:在标准模式基础上,增加 Code Mode SDK,允许模型编写 TypeScript 程序组合多步操作。
- 极简模式:仅保留 bash 和 str_replace_editor 工具,适用于基准测试和最小化复现。
- 创造模式:提供运行时检查、插件实验及预设创作指导,用于自定义 Agent 预设。
此外,系统支持用户自定义预设,体现了其极客导向的设计理念。
核心功能:轨迹回放与开发者技能
针对 Agent 执行过程不透明的问题,DSH 推出了“轨迹(Trajectory)”功能。不同于经过润色的聊天视图,轨迹窗口以事件级记录还原 Agent 的原始操作,支持随时回放。这有助于开发者直观定位错误环节及监控 Token 消耗。
官方仓库还内置了多项专为开发设计的 Skill:
- dsh-code-review:按仓库规范审查代码潜在问题。
- dsh-find-simplifications:识别可简化代码的逻辑并生成优化建议。
- dsh-doc-standards:规范文档层级,区分教程与参考,剔除冗余内容。
- dsh-prose-standard:统一全仓库文字品控,包括 Markdown、注释及 UI 文案规范。
在交互细节上,DSH 表现出较强的主动性。即使用户指令模糊,Agent 也会主动发起提问或提供建议选项,有效降低沟通成本。虽然目前右侧栏(内置浏览器、文件预览等)尚未完善,但已支持图片附件上传(需搭配多模态模型)。
系统底部设有实时统计面板,显示 Token 消耗量与缓存命中率。实测中缓存命中率普遍较高,有效控制了运行成本。
实测对比:长程任务能力显著
在同等模型与推理强度下,对比 DSH 与 Codex 的表现:
在简单任务(如生成自行车代码)中,两者差异不大。但在复杂长程任务(如生成猪八戒 3D 白模)中,DSH 优势明显。DSH 能自主规划并执行长达 20 分钟的复杂操作,最终产出高质量结果;而 Codex 倾向于快速交付半成品或误判任务类型。
社区反馈显示,DSH 在处理高难度任务时具备更强的长程规划与自我修正能力,能够仅凭简短指令完成第一人称射击游戏等复杂项目的构建。结论明确:DeepSeek 模型搭配自家 Harness 能发挥最佳性能。
架构解析:Cordis 与插件生态
DSH 的核心架构基于"Cordis"概念,意为乐高底板。它将 Agent 框架拆解为独立插件,遵循“一切皆插件”的设计原则。
与 Codex 采用 Rust 编写单体核心、外部扩展受限的“闭源哲学”不同,DSH 更像"Agent 时代的安卓”:
- 高度开放:开发者可按规则编写新插件或直接替换现有组件,无需触碰核心主干。
- 生态共建:官方预留 Plugin Store,并提供从零构建插件的完整教程。社区已涌现出 TUI 界面、定制皮肤等多种第三方插件。
- 灵活扩展:用户可像安装模组一样复用社区插件,解决个性化需求。
愿景:迈向 AI 自进化
DSH 的终极目标是实现 AI 的“自进化”。在 Cordis 协议支持下,模型可在任务执行中自主编写并安装插件。结合庞大的用户生态,系统能够从海量 Agent 实例中筛选优质插件并融合至主线,形成正向循环。
虽然目前该特性对普通用户的直接感知尚不明显,但随着高质量插件的沉淀,其潜力巨大。对于开发者而言,这是一个参与构建未来 AI 基础设施的绝佳机会。
项目地址:https://github.com/deepseek-ai/deepseek-harness

