过去，我们比的是模型谁更聪明。
未来，更值得比的是： 谁能把模型的聪明，稳定地变成生产力。
DeepSeek 官方给过一个很简单的公式：
Agent = Model + Harness
Model，是大模型，负责“聪明”，比如 DeepSeek、GPT。
Harness，则负责让这份聪明真正干起活来。
如果把大模型想象成一个非常聪明的人，那么 Harness 就是给他准备的电脑、工具箱、工作流程、规章制度和工作环境。
模型决定它“会不会想”，
Harness 决定它“能不能把事情做出来”。
所以，随着模型越来越强，Agent 的竞争不会只停在模型这一层。另一个问题会越来越重要：
怎么把模型的智能，稳定地转化成生产力？
Harness，就是在解决这个问题。
DeepSeek Harness 最核心的设计思想之一，可以浓缩成一句话：
Everything is a plugin，一切皆插件。
模型、工具、技能、会话、UI，都是插件。
今天，我们就从插件这个角度，聊聊 DeepSeek Harness 必备的10个插件。
插件思路差别：不是给 Agent 装插件，而是用插件组装 Agent
现有插件思路，通常是：先有一个完整的软件，然后再给它安装一些插件。
也就是： Agent + Plugin 。
DeepSeek 的插件思路更像反过来：
Agent 本身就是由一堆插件组装出来的。
模型可以换，工具可以换，Skill 可以换，Sandbox 可以换，存储、调度甚至 UI 也可以换。
它更像一堆可以自由拼装的积木。
它不想做一个固定的 Agent，而是想提供一个开放、模块化、可组合的 Agent 运行环境。
DeepSeek Harness 的优势是什么？
第一，一切皆插件。
Agent 不一定是一个固定产品，而可以由不同能力自由组合出来。
第二，一切运行皆可追踪。
Agent 越复杂，就越不能成为一个只知道结果、不知道过程的黑箱。
第三，能力不断固化。
从 Prompt 到 Skill，再到 Tool、Code、Hook 和 Workflow，我们正在从“提醒 AI 怎么做”，逐渐走向“让系统保证它怎么做”。
DeepSeek Harness 必装的 10 个插件
插件 1：dsh-market
一句话总结：整个生态的入口。
装进 DSH 之后，你能在界面里浏览、搜索、一键安装其他插件。
-
仓库地址： https://github.com/dsh-market/dsh-market -
安装：
插件市场目前收录了 3200 多个插件，相当于把应用商店搬进了 DSH。搜索 computer ，即可找到浏览器/电脑控制自动化插件，让 DSH 自动操作网页、点击按钮、填写表单等。
这样安装，就方便多了。
插件 2：modlens
一句话总结：3.7k star，整个生态里最火的视觉插件之一。
它给图片加了一层理解能力：先用视觉模型处理图片，把 OCR、版面和语义信息整理出来，再交给文本模型继续分析。
-
仓库地址： https://github.com/liustack/modlens -
安装：
装上之后，直接在输入框粘贴图片，它自动输出 OCR 文字，外加版面布局分析。
拿它读图表、看报错、拆流程图、还原界面都可以。不过，这个插件不是装完就能直接用，视觉模型的 Key 要自己配置。
表格截图、论文截图、报错信息截图，以后统统不用手打了，粘进去就行。
插件 3：dsh-web-ui
一句话简介：6.4k star，目前 DSH 插件生态里星数最高的项目之一。
任务看板、Git 图谱、Token 实时统计，甚至还有桌面宠物。
-
仓库地址： https://github.com/zhu1090093659/dsh-web -
安装：
一条命令装完，原生 dsh web 就多出了任务看板、右侧文件面板、图像理解、SSH 运维和皮肤中心。
它从一个聊天框，变成了一个能定时、能运维、能换装的完整工作台。
整个过程走的是官方 profile 机制，没改一行 DSH 源码。不想用了，同样一条命令卸干净。
插件 4：DSH-better-sidebar
一句话简介：3.1k star，给写代码人准备的侧边工作台。
-
仓库地址： https://github.com/omdsh-dev/DSH-better-sidebar -
安装命令：
装完就是一个迷你 IDE 工作台，少了在多个窗口之间来回切换的麻烦。
插件 5：dsh-at-file
一句话简介：解决一个高频痛点——快速引用。
-
仓库地址： https://github.com/FSMargoo/dsh-at-file -
安装命令：
以前想让模型看你本地的某个文件，得开文件、全选、复制、粘贴一大段进来。
@文件引用 。不用再复制粘贴代码片段，
@ 一下，DSH 就读懂了。
适合快速 review 代码、看配置文件、批量处理文档。
插件 6：deepseek-harness-desktop
一句话简介：DeepSeek Harness 官方 Web UI 的桌面客户端，下载安装即可使用，不用自己起 dsh web 。
-
仓库地址： https://github.com/ChisaAlter/Deepseek-Harness-Desktop
免配置 Node.js 环境，Windows 和 Mac 双端下载即用。
装完在系统托盘常驻，要用点开就行。
当初装环境折腾过的人，这个直接帮你跳过那一步。
插件 7：dsh-web-search-pro
一句话简介：增强多源搜索。
-
仓库地址： https://github.com/anweat/dsh-web-search-pro
默认的搜索能力有限。这个插件把 DeepSeek、Bing、Exa 多个引擎聚合到一起，还支持对小红书、知乎、B 站这些平台定向爬取，结果可以本地缓存。
做调研、找资料、写稿子的人，这个能省大量时间。
注意： dsh-web-search-pro >= 0.1.8 需要 @anweat/dsh-browser >= 0.1.8 ，两者要同步升级，不要只升前者。
插件 8：OpenViking
一句话简介：给 AI Agent 用的自演化上下文数据库。
OpenViking 的官方定位是：把记忆、知识 RAG、技能三件事统一管起来。
它管自己叫数据库，不叫向量库。这个区别不是包装，是思路本身。
OpenViking 做了一个自进化的上下文数据库，把碎片对话变成长期记忆和知识 RAG。模型越聊越懂你。你上周跟它讨论过的项目背景，这周接着聊，它还记得。
-
引擎本体： https://github.com/volcengine/OpenViking -
DSH 接入插件，社区用得比较多的是： https://github.com/Rxiain/dsh-openviking
插件 9：dsh-cost-meter
一句话简介：面向 DeepSeek Harness Web UI 的会话费用统计插件。
目录分类为「工具与能力」。
-
仓库地址： https://github.com/Han-1413141/dsh-cost-meter
dsh-cost-meter 做的事情很集中：在 DSH 网页界面里把 Token 用量折成钱，并留下本会话、当日、历史和预算。
价格按官方的美元 / 1M tokens 和峰谷窗口计算，也可以从定价页一键同步；余额走官方 user/balance 接口。
它提醒超支，但不拦截请求。
插件 10：dsh-session-library
一句话简介：本地文档混合检索加长文精读，自动把长 PDF 拆成主张和知识证据链。
读论文、读合同、读长报告的人会用到。
本地文档混合检索 + 长文深度精读。丢一份几十页的行业研报或学术 PDF 进去，它能自动帮你拆解出核心主张和证据链条。
配合 08 号插件的记忆系统使用，你的 Harness 瞬间变成无可替代的第二大脑。
写在最后
当模型越来越强，真正拉开差距的，可能不是“谁更聪明”，而是“谁更会搭系统”。
DeepSeek Harness 的插件化思路，正在把 Agent 从固定产品，变成可组合的工作系统。
从写 Prompt，到搭 Harness。
从提醒 AI 怎么做，到让系统保证它怎么做。
这或许才是 AI 工作流真正开始的地方。
3 个讨论话题
话题 1：Agent = Model + Harness，未来 Agent 的竞争关键到底在模型，还是在 Harness？为什么？
话题 2：这 10 个插件里，你最想先试哪一个？
话题 3：从 Prompt 到 Skill、Tool、Workflow，能力固化会让 AI 更可控，还是让人更依赖系统？
以上话题，任选其一，欢迎评论区留言，小编会在下下周一（2026年9月21日）下午，选取1位“关注+点赞+留言”的幸运用户，送出《 Codex 快速入门 Harness工程落地 》1本，快来评论区互动吧~
