DeepSeek Harness

1产品概览

DeepSeekHarness（简称dsh）是深度求索于2026年8月开源的AIAgent Harness开发框架，以MIT协议发布，核心理念是「一切皆插件」。它把模型适配器、工具注册、会话日志乃至Agent Loop本身都实现为可替换的插件，基于Cordis插件元框架构建，开发者无需改动源码即可在配置层自由组合、替换或扩展任一Agent能力。框架提供标准、PTC、极简、创造四种运行模式，内置多Agent编排与仅追加会话日志（Trajectory视图），支持会话恢复、分叉、检索与回放，让长周期任务的执行过程完全可追溯、可调试、可审计。它兼容DeepSeek、Anthropic、OpenAI等主流模型，通过Web UI、Headless、TUI及ACP/Python SDK等多种入口接入真实环境，既可作为本地Vibe Coding工作台，也能嵌入CI与自动化流程。作为深度求索从「造更强模型」走向「让模型真正工作」的关键一步，dsh把开源边界从模型权重推向Agent工程系统，为开发者提供了一套可组装、可复用、可组合的Agent运行时底座。

2主要功能

1. 一切皆插件架构

   DeepSeek Harness将模型适配器、工具注册表、会话日志、Agent Loop、沙箱、存储、调度与UI全部实现为Cordis插件，不存在需打补丁的特权核心。开发者无需修改框架源码，即可在配置层挂载、替换或扩展任意一层能力，把模型、文件系统、Shell、网页、子Agent等像搭积木一样自由重组，真正做到了空间与时间上的可组合性。

2. 四种运行模式

   框架内置标准、PTC、极简、创造四种模式，差异来自默认加载的插件集合。标准模式提供完整工具组合；PTC模式允许模型生成一段TypeScript代码来编排多轮工具调用；极简模式仅保留Shell与文件编辑两工具，用于最小环境下的模型基准测试；创造模式可检查运行时、在内存中试验插件并创作自定义Agent预设。

3. Trajectory轨迹与可复现

   模型看到的一切都会写入仅追加的会话日志，涵盖系统提示词、思维链、工具调用与结果、子Agent调度及每次上下文注入。开发者可在Trajectory视图按来源查看，并共享同一份事件流进行恢复、分叉、检索与回放，方便分析Agent为何走某条路径、调试错误或从检查点探索替代续写，让长任务执行完全透明可审计。

4. 多Agent编排与PTC

   父Agent可通过Spawn启动拥有全新上下文的子Agent，或经Fork让子Agent继承已有会话，实现复杂任务拆分与并行协作。配合计划、目标、待办与后台任务机制，Agent不再局限于一问一答，可连续完成一串关联操作；PTC模式下模型用一段代码组合多步工具调用，处理更复杂的执行流程，普通与程序化调用共享同一套安全与观测机制。

5. 多入口与模型无关

   DeepSeek Harness经npx @deepseek-ai/dsh web一键启动Web UI（默认127.0.0.1:3080），并提供TUI、Headless、ACP与Python SDK等自动化入口，同一套模型与插件可组合成不同产品形态。它模型无关，开箱支持DeepSeek、Anthropic、OpenAI及任意OpenAI兼容端点，企业可保留自有基础设施与权限审计体系。

3使用方法

1. 准备环境

   在电脑或服务器安装Node.js 22.19+或24+开发工具链，为DeepSeek Harness提供基础运行环境（无需GPU或复杂配置）。

2. 启动Web UI

   终端执行npx @deepseek-ai/dsh web，浏览器访问http://127.0.0.1:3080即可进入交互工作台，免费打开界面。

3. 配置模型

   在Settings→Models中填入DeepSeek API Key，或添加Anthropic、OpenAI及自定义OpenAI兼容端点；选择工作目录作为Agent的文件系统根。

4. 选择模式与任务

   在标准、PTC、极简、创造四种预设中选取运行模式，下达如「阅读本仓库包结构、找出测试命令并提议一个只读验证任务」的指令，观察Trajectory并随时分叉调试。

4应用场景

1. 本地Vibe Coding工作台

   开发者把代码项目文件夹交给dsh，它先阅读项目结构与文档，再寻找相关代码、修改文件、调用终端运行测试；若测试报错，便依据错误信息继续定位并修复，而非每步都等用户复制粘贴。标准模式下的完整编码Agent让修复Bug形成「执行—反馈—修改」闭环，是DeepSeek补上的Vibe Coding入口。

2. 模型基准测试与研究

   研究人员可利用极简模式（仅Shell与文件编辑）在统一Agent环境中公平对比不同模型的实际表现，区分能力来自模型本身还是外部工程优化。由于dsh把系统提示、工具定义与上下文组织都变为可替换插件，团队可固定模型、仅更换Agent Loop或上下文策略，科学地评估Harness这一被忽视的变量。

3. 企业Agent基础设施建设

   企业AI团队可将dsh作为Agent Runtime底座，把沙箱、存储、审批、凭据与遥测均实现为插件，理论上无缝对接内部权限系统与审计要求，降低对单一Agent产品的锁定。借助MIT许可，企业可自由修改、分发并商用，围绕自身业务构建可复用、可组合的Agent工程系统，保留对模型如何工作的控制权。

4. 自动化与CI集成

   通过Headless模式与ACP、Python SDK等自动化入口，dsh可被嵌入脚本与持续集成流程——例如收到任务后自动检查代码、执行测试，完成后再返回结果。官方提示需先锁定版本与权限策略再用于生产自动化；创造模式则允许Agent检查运行时、试装插件并组合新预设，为「Agent自己改造Harness」的探索提供起点。