ARTICLE · 1356998
DeepSeek Harness 插件系列——(开篇介绍00)
DSH PLUGIN SERIES · 01
办公 agent走到哪了？聊聊适合动手派的 DeepSeek Harness
——《DSH 插件系列》开篇介绍
全文约 5000 字 · 阅读约 12 分钟
【全文导读】
2026 年 9 月，国内办公 Agent 月活已经突破 1.42 亿。字节“豆包工作”、腾讯“WorkBuddy”和阿里“千问办公”背靠超级生态稳居前三，但没有流量入口的开源运行环境 DeepSeek Harness（DSH），上线不到三个月杀进了榜单前五。
本文作为《DSH 插件系列》开篇，将对比大厂成品与开放底座的路线差异，拆解 Agent = Model + Harness 的底层优势，并通过 B 站“大肥鱼”爆火案例，带你快速摸清插件生态与Skill 边界。
本文目录
●Why：DSH 凭什么冲进前五
●01：国内办公 Agent 竞争格局
●02：DeepSeeK Harness
●03：DSH插件生态、“大肥鱼”出圈、Skill
●04：做个自己的插件，门槛高吗？
如果你最近一直在留意办公 Agent，应该能感觉到这个市场跑得很快。按 QuestMobile 今年 9 月的数据，国内 AI 办公的月活跃用户已经到了 1.42 亿，同比涨了五成多。而在 11 月 10 日爱分析刚发布的《2026 中国 AI 办公榜》（统计 10 月数据）上，前三名依然被互联网巨头牢牢攥在手里：
豆包工作以 91.8 分排名第一，月活用户达到 5512 万；WorkBuddy 以 90 分排名第二，月活 4672 万；千问办公以 81.5 分排名第三，月活 2856 万。
前三名一点都不意外，它们背靠大厂几亿用户的应用生态，本来就掌握着用户习惯，他们月活都在 2500 万以上，靠的是“大厂入口 + 开箱即用”。
DeepSeek Harness（简称 DSH） 8 月 13 日才开源，9 月 29 日刚放出 Windows 和 Mac 桌面预览版，截至 11 月上线还不到三个月，官方公布日活就已经冲到 154 万，月活达到 548 万，每天消耗的 Token 高达 92 万亿。
一家既没有超级 App 导流、也不做传统企业软件的模型厂商，推出的运行环境凭什么能在办公 Agent 榜里杀进前五？
它和我们平时用的豆包工作、WorkBuddy 到底有什么不同？这就要从 Agent 背后的运行环境说起。
01 办公 Agent 的竞争格局
前三名的优势非常明星，几乎都成长在各自最肥沃的业务土壤里。
豆包工作能排在第一，和字节跳动已有的产品入口、内容生态有很大关系。
豆包工作吃透了字节的内容与流量优势。它能通过 PC 端、网页和豆包主入口触达用户，还连接上了图像、视频生成能力。对内容运营、电商营销岗位来说，从商品资料整理、写文案，到出商品图和视频脚本，一套工具就能完成闭环。
WorkBuddy 依靠腾讯积累多年的政企客户资源。目前它已经进入超过 250 家金融机构，覆盖信贷尽调、投研投顾、合规审查等硬核场景。
千问办公则沿着钉钉和阿里电商体系扎根。除了常规的桌面和网页协同，它在电商侧直接打通了生意参谋、阿里妈妈、淘宝直播后台和千牛，商家可以直接让 AI 查店铺、分析经营数据、管订单和库存。
这三款产品都有自己的入口和业务资源。用户原本就在使用这些平台，AI 办公功能自然更容易获得用户。
DeepSeek Harness没有豆包那样的内容分发入口，也没有腾讯和阿里积累多年的企业服务与业务系统。它的产品路线更偏向开放的 Agent 工作环境。用户可以自己选择模型、工具和插件，再根据工作需求组合自己的 Agent。
把主动权全交到用户手里。这也是我认为它值得关注的原因。
02 DeepSeek Harness：一切皆插件
一个 Agent 好不好用，越来越取决于 模型 × Harness。即 Agent = Model + Harness。让 AI 真正完成工作，它需要具备更多能力：读取文件、操作程序、调用工具、保存结果，还要知道自己上一步做了什么，下一步应该做什么。这时候就需要 Harness。可以把它理解成 AI 的工作环境。
模型负责理解问题、思考和决策，Harness 负责把模型连接到真实的工作环境中，让它能够调用工具、管理上下文、执行操作，并根据执行结果继续推进任务。
同样一个模型，放在不同的 Harness 里，实际表现也可能有很大差别。
拿最常见的办公场景来说，你给 AI 一份包含几千行销售记录的 Excel，让它分析各区域的销售变化，并制作一份汇报。
模型需要理解你的要求，决定先检查哪些数据，再计算同比、环比，识别异常区域，最后组织图表和文字。
Harness 要负责读取文件、提供合适的工具、执行计算、接收工具返回的结果，再把必要的信息交还给模型。
如果中间发现数据格式不对，Agent 还要继续处理，直到生成可以交付的结果。
这就是 Harness 参与的过程。
DeepSeek Harness，简称 DSH， 基于 Cordis 插件框架开源的 Agent 运行环境，核心设计就一句话：一切皆插件。模型接口、工具注册、会话记录、文件访问、Agent 执行循环、任务调度、界面等，都可以作为插件加载、替换和组合。
开发者可以根据任务需要，调整底层模型、工具和执行方式。
DSH 有什么值得关注的地方？
我认为主要有三个方面。
第一，模型选择更加自由。
不同模型各有偏科，有的长于复杂推理，有的胜在便宜快速，有的专攻代码和视觉。在 DSH 里，你可以自由配置模型适配器——难啃的分析交给强模型，信息提取、文件分类这种体力活分给高性价比的快模型，模型能力和使用成本，都有了更大的调整空间。
第二，执行过程和工具调用可以进行优化。
DSH 提供了不同的运行模式，其中比较有意思的是 PTC（Programmatic Tool Calling）。
普通的工具调用方式中，Agent 每调用一次工具，通常都要把结果返回给模型，再由模型决定下一步。
假设你需要批量读取 50 个文件，提取日期和金额，再汇总成一张表。按照传统的调用方式，中间可能产生很多轮工具调用和结果回传。
PTC 模式允许模型编写一段 TypeScript 程序，在程序内部组合多次工具调用、循环和条件判断，再把处理后的结果返回给模型。明显压低了工具密集型任务的延迟和上下文膨胀。
当然，实际成本还取决于使用的模型、API 价格和任务复杂度。Harness 本身不会自动让所有任务变便宜。
第三，工作过程更加透明，也更容易调整。
DSH 会完整记录系统提示词、工具调用出入参、子 Agent 调度和上下文变化。AI 在哪一步卡壳、为什么要去调某个工具，点开运行轨迹就能查清楚，方便及时介入修正。
所以，DSH 的价值可以理解为：给用户更多空间来决定 Agent 用什么模型、调用什么工具，以及按照什么方式完成工作。
豆包工作和 WorkBuddy 给你的是一套精装好的成品房，DSH 给的则是水电全通、随时能按自己顺手方式改造格局的工作台。两种产品解决的问题有交集，使用方式和开放程度存在差异。
03 插件生态：普通人也能按需求拼装 AI 能力
如果说 Harness 是 AI 的工作环境，那么插件就是里面可以自行安装和扩展的功能模块。
假设你是市场运营，每天需要收集行业信息、整理竞品动态、制作周报。
在 DSH 里，可以根据这条工作流程安装或制作不同插件：给它配齐网页搜索、视频字幕提取、资料归档、文档生成和定时任务这几个插件，每周一早上 AI 就能自己搜完上周动态、翻出历史素材、排好一份周报交给你。
目前社区里的插件已经覆盖了大多数高频办公场景：
信息检索
网页搜索、新闻整理、视频字幕提取
每天整理 AI 行业动态
文档写作
资料归档、报告撰写、内容润色、会议纪要
从会议材料生成项目总结
表格与数据
Excel 读取、数据清洗、计算、图表生成
自动统计销售同比和环比
PPT 与设计
PPT 制作、封面设计、图文卡片、网页生成
一篇文章自动生成配图
内容运营
选题收集、脚本、分镜、素材管理
搭建自媒体创作工作台
知识管理
长期记忆、上下文查看、资料库、论文管理
保存项目背景和研究笔记
自动化流程
定时任务、批量操作、通知和任务调度
每天早上自动生成行业日报
多工具协作
浏览器、终端、外部服务、多个 Agent 协作
自动完成跨工具的数据整理
注：以上能力取决于具体插件是否已开发成熟，以及本地服务接口和权限的配置情况，并非所有功能都由官方预装。)
在 11 月 5 日 DeepSeek 团队披露的社区进展里，不少插件已经跑出了完整的工作流。
●dsh-media-desk（自媒体工作台）：把灵感记录、写脚本、做封面和出分镜全收进一个界面；
●dsh-guizang-design（设计插件）：可以把长文章直接转成网页、图文卡片或封面，存进作品库后下次还能一键“做同款”；
●dsh-context（上下文洞察）：帮用户直观看到 Agent 干活时到底塞进了哪些资料、上下文是怎么膨胀的；
●agentero-dsh（论文插件）：把读论文、划重点、翻译和记笔记直接合成一套环境。
04 B站的「大肥鱼」出圈了：插件还可以很好玩
如果你最近关注 DSH 社区，可能会在 B 站刷到一只蓝色的大肥鱼。
今年 10 月下旬，GitHub 开发者 c1overzz 开源了一款叫 dsh-bili-scroll 的 DSH 插件。它的本意挺正经，就是帮你自动逛 B 站：让 Agent 定时按关键词去 B 站搜技术视频、扒字幕写一份 Markdown 日报，挑到真有价值的才去评论区留言并 @ 主人来看，甚至贴心地支持专挑 DeepSeek 夜间优惠时段在后台跑，省点 Token 钱。
结果大家拿去用后画风慢慢就跑偏了。很多用户把自家 Agent 的头像、昵称统一套成了蓝色“大肥鱼（鲸鱼娘）”，让它们自己上网冲浪。一时间，B 站科技区的评论区里游满了自称“本鲸”、动不动跟主人讨要 Token、喊着“回家吃白饭”的蓝发头像账号。有些刚发出来只有十几个播放的视频，底下挤满了“大肥鱼”在互相艾特聊天。
这波热闹很快被 UP 主接住了。程序员鱼皮发完 DSH 入门教程后，发现评论区全是鱼，快翻不到真人的反馈了，干脆花半天写了个浏览器插件《大肥鱼清除计划》——点一下“回家吃白饭”，屏幕里就会蹦出另一只扛着扫帚或“白饭加特林”的鲸鱼娘，把 AI 评论在本地遮住。网友围观把这场狂欢叫作“闹鱼灾”。
这股由开发者和 UP 主自发玩出来的热度，反过来把 DSH 自己也推火了。不仅“大肥鱼”这个爱吃白饭、会摸鱼的形象替原本偏技术向的 DeepSeek 圈了不少粉，DeepSeek Harness 自己的 B 站官方号发视频，24 小时播放量也冲过了 200 万。
社区顺势做出了一批叫 dsh-dafeiyu 的桌面宠物插件，可以直接读取 DSH 的运行状态，比如 AI 正在思考、改文件、等你在终端确认，还是报错了，小鲸鱼头顶都会冒气泡实时汇报，还帮你盯着 DeepSeek 账户的剩余余额。
只要需求足够具体，就有机会变成一个新的插件。大肥鱼也让 DSH 的技术社区多了一点用户愿意参与的趣味性。
说到这里，插件比常说的 Skill（技能）好在哪里？
很多人容易把 DSH 插件和今年常提的 Skill（技能） 混为一谈。
Skill 本质上是写给 AI 看的 操作手册。它告诉 AI 怎样完成一项任务，包括操作步骤、写作要求、注意事项和经验规则。
比如，你可以写一个「行业分析 Skill」，规定 AI 收集信息时要看哪些来源、如何交叉验证、报告需要什么结构。
插件则是能直接上手干活的功能模块。它可以把 Skill 打包在里面，同时还能挂载外部工具、存本地数据、画交互界面、监听系统事件和跑定时任务。
区别可以简单理解为：
Skill 主要解决 AI 应该怎么做，插件可以进一步解决 AI 用什么工具做、在哪里做，以及怎样把结果保存下来。
一个好的插件完全可以把多个 Skill 打包进去，再通过界面和工具调用形成完整的工作流程。
对于需要连接外部工具、保存长期数据、进行自动化操作的人，插件能提供更多扩展空间。
05 做个自己的插件，门槛高吗？
看到这里，可能有人觉得插件开发看起来更适合程序员。这需要分情况来看。
对于简单需求，DSH 已经提供了「创造模式」。
用户可以直接用自然语言描述自己想做的功能，让 AI 协助创建插件。
例如，你可以直接说：
「帮我做一个番茄时钟插件，支持 25 分钟专注和 5 分钟休息，可以在工作界面悬浮显示，并且能够暂停和重置。」
官方展示的番茄时钟插件案例中，Agent 会先加载插件开发 Skill，再检查运行环境，创建插件文件，安装插件，最后验证运行状态。官方展示的这次制作过程耗时 5 分 24 秒。
如果要做更复杂的插件，比如接入某个平台的数据、建立自己的数据库、开发交互界面，就需要进一步使用 DSH 的开发框架 Cordis。
官方提供了开发教程和文档。开发者可以使用 TypeScript 编写插件，定义插件需要的服务、事件和功能，再通过 package.json 中的 DSH 配置完成打包和安装。
简单的流程可以拆成四步：
1.明确需求。 想解决什么问题，输入和输出分别是什么。
2.创建插件。 通过创造模式让 AI 辅助开发，或者使用 Cordis 和 TypeScript 自行编写。
3.测试运行。 检查插件是否能正常安装，工具调用、权限和数据处理是否符合预期。
4.打包分享。 将插件打包，上传到代码仓库或社区渠道，让其他用户也能安装使用。
这里特别提醒一下，插件可能涉及文件读写、命令执行、网络访问等权限。社区插件的质量和安全性存在差异，安装前建议查看源码、依赖和权限，先在测试工作区运行。
DeepSeek 团队准备怎样扶持插件开发者？
11 月 5 日，DeepSeek Harness 团队发布了《DeepSeek Harness 与插件社区共同成长》，专门介绍产品和社区进展，官方披露的第三方插件数量约为 3.5 万个，约 60% 的活跃用户制作或安装过至少一款第三方插件。
团队也明确提出了几项后续工作：
稳住插件 API 的兼容性免得一升级就报错、收紧安全与权限审查机制、建起官方插件市场方便大家找插件，同时筹备 Token 激励等作者扶持计划，并欢迎创业团队和企业把自有服务接进来。
Go：接下来这个系列怎么玩？
如果你也想按自己的工作习惯组装 AI 工具，今天看完就可以去 DeepSeek 官网的 Harness 页面（deepseek.com/harness）把桌面版装上，先熟悉一下界面。
这篇作为系列开篇，先把国内办公 Agent 的现状、DSH 的底座优势、插件生态和发展交代清楚。
从下一篇开始，我会挑出一个插件，从怎么安装到拆解做法。一起拓展 DeepSeek Harness 的能力。
AI 肖睿团队
北大博士肖睿老师发起
分享北大内部研讨资料 · 分享产业级落地方案
深度解析行业趋势 · 随时解答 AI 疑惑
关注我们，和 10W+ AI 从业者一起进阶
