DeepSeek Harness 开源：重新定义 AI 智能体底座
8 月 13 日，DeepSeek 正式开源 AI 智能体底座 DeepSeek Harness（简称 DSH）。发布仅两天，该项目便斩获 95k Star、8700 Fork 及 2414 个社区插件。DSH 主打「一切皆插件」理念，被业界誉为"Agent 界的安卓”，标志着 DeepSeek 从单一模型提供商向平台化生态的战略转型。
如果说 Codex 或 Claude Code 类似 iOS，系统封闭且体验固化，那么 DeepSeek Harness 则如同安卓，具备极高的开放性。其模型、工具、技能、会话、沙箱、存储乃至 UI 均可通过插件形式自由安装与拆卸，为开发者提供了前所未有的灵活度。
核心架构：极致插件化与四种运行模式
与 Codex 的 API 优先策略及 Claude Code 的全栈封闭方案不同，DeepSeek Harness 选择了一条完全开放的底座路线。它不内置具体能力，而是将核心逻辑全部插件化。例如，智能体的思考循环、工具调用甚至模型本身均可替换，用户只需配置 API Key 即可接入 GPT-5.6 Sol 等其他模型。
DSH 目前提供四种预设运行模式：
标准模式
功能完备，涵盖文件编辑、Shell 执行、搜索、子智能体协作及工作流管理，适用于大多数开发场景。
PTC 模式（程序化工具调用）
允许模型通过代码将多步操作组合并一次性执行，提升复杂任务的处理效率。
极简模式
仅保留 Bash 和文件编辑器，专为基准测试设计，排除多余干扰。
创造模式
最具创新性的模式。智能体可自查运行环境，在内存中试验并动态生成新插件，从而实现自我进化，无需重启且不丢失状态。
透明度革新：全链路会话日志
DeepSeek Harness 的一大核心优势在于其全程留痕的会话日志机制。系统提示词、思维链、工具调用详情、返回结果及子智能体调度过程，均被写入只追加日志文件。用户可通过 Trajectory 视图按来源筛选，清晰追溯智能体的每一步决策逻辑。这种级别的透明度是封闭式产品如 Claude Code 所无法提供的，极大地降低了调试与优化门槛。
部署指南与当前局限
本地部署极为简便，只需安装 Node.js，终端执行npx @deepseek-ai/dsh web即可启动。服务运行于本地127.0.0.1:3080，所有数据不出境，也可通过源码编译安装。此外，用户亦可借助其他 AI Agent 辅助完成环境配置。
作为预览版产品，DSH 仍存在一些待优化之处：
- 交互界面单一：目前仅支持 Web UI，缺乏官方命令行界面和桌面客户端，虽有社区插件弥补，但体验尚不及原生应用。
- 多模态能力受限：DeepSeek 自家模型暂不支持原生图片与文件输入，需依赖第三方工具桥接，体验略逊一筹。
- Token 利用率：实测显示，经由 DSH 调用模型的 Token 利用率约为直接 API 调用的 50%，但得益于高达 99% 的输入缓存命中率，实际成本可控。
技术底层：Cordis 框架与数学证明
「一切皆插件」架构的背后，是一份长达 88 页的学术论文《时空可组合性的编程范式》。该论文由北京大学与 DeepSeek 研究人员联合撰写，核心解决了插件按需装卸且不出错的难题。
传统插件系统（如 VSCode）在卸载含可执行代码的插件时往往需要重启进程。DeepSeek Harness 底层采用的 Cordis 框架引入了「可逆副作用」机制：每次环境修改均自动生成逆操作，卸载时按后进先出顺序还原，确保环境无缝回滚。这一机制经过 40 多页的数学证明，保证了执行的绝对正确性。
尽管有观点认为该机制过于复杂，类似于热重载或 OSGi，但 Cordis 理论已在开源聊天机器人框架 Koishi 上稳定运行四年，拥有 4000+ 社区插件的实战验证，证明了其可行性。
生态爆发与团队背景
开源两天内涌现 2414 个社区插件，生态活力惊人。开发者们迅速推出了鲸鱼娘主题皮肤、视觉工具、跨实例通信插件乃至五子棋游戏插件，展现了极强的创造力。
项目核心团队背景多元且实力雄厚：Cordis 作者 Shigma 是知名聊天机器人框架 Koishi 的创始人；Harness 团队负责人崔添翼毕业于浙大计算机系，曾在 Jane Street 从事九年量化交易。二次元极客与前量化交易员的组合，共同打造了这一兼具数学严谨性与工程灵活性的智能体平台。