ARTICLE · 1363684
一切皆插件的 Agent 该怎么设计?从 DeepSeek Harness 抄 4 个能落地的做法
📦 5 Parts + Conclusion
👉 滑动
PART 01
拆出去
核心只留调度
PART 02
端点抽象
接口层归一
PART 03
插件契约
第一天带版本
PART 04
安全
供应链权限
PART 05
几个坑
先说不该做的
PART ///
写在最后
改得动才是价值
先抛一个问题:你的 Agent 工具想换一个新模型、加一个新工具,要不要动核心代码?
要动,说明你把「可变的东西」焊死在了主干上。
而 DeepSeek Harness 公开的设计思路正好相反:一切皆插件,连内置功能都允许被第三方替换。截至 11 月 4 日,官方口径下日活 154 万,日消耗约 92 万亿 token;第三方插件约 3.5 万个,约六成活跃用户制作或安装过至少一款。
这些数字都由官方公布,没有第三方验证,口径也只统计使用官方 API 的用户。数字是别人的,架构取舍是可以抄的。

一切皆插件的 Agent 架构
01
PART
把可变的部分全部拆出去
CORE & SLOTS · 核心只留调度
Harness 底层是插件系统,模型、工具、执行环境、界面这些部分都能单独抽换和重组。
翻译成工程语言就一句话:核心不实现业务,只负责加载、编排和通信。
所以判断自己的架构有没有做对,标准很简单——换掉其中一块,需要改几个文件。答案应该是一个插件的注册,而不是一次重构。
很多团队的 Agent 代码是这样的:模型调用、提示词模板、工具实现、重试逻辑全写在一个 agent.py 里。第一版跑得很顺,等到要接第二家模型、要给不同客户配不同工具时,才发现改动面已经扩散到整个仓库。
拆分不是为了让代码好看,是为了让下一次变更是局部的。

图一:核心 + 插槽的结构
02
PART
端点抽象做在接口层
PROVIDER · 接口层归一
Harness 公开支持接 DeepSeek、Anthropic、OpenAI 以及自定义的兼容端点。这意味着上层代码对「供应商是谁」是无感的。
实践上就是一层统一的 provider 接口:请求格式、流式返回、工具调用、错误码全部归一。新接一家只是新增一个实现,不改调用方。
最典型做错的地方,是在业务代码里到处写供应商判断:
if vendor == "a":
resp = call_a(prompt)
elif vendor == "b":
resp = call_b(prompt)
这段代码的问题不在丑,在于每接一家新供应商,都要回来改一遍业务逻辑,而且每次改都可能碰坏已有分支。
正确的分层是:业务只依赖一个 chat() 抽象,供应商差异全部关在实现内部。换供应商时,业务代码一行不动。
顺带说一句,抽象层不是越厚越好。你只需要统一「业务真正用到的那部分」——消息结构、流式回调、工具调用、错误分类。把供应商的所有能力都包一遍,反而会做出一层谁都不满意的中间件。
03
PART
插件契约要从第一天就带版本
CONTRACT · 契约与版本
官方自己承认,Harness 目前仍是开发者预览版,核心插件和 API 还在调整,后续更新可能无法兼容旧版。
这不是缺点,是提醒。它说明插件系统真正的成本不在写第一个插件,而在维护第 N 个插件。
你要做插件体系时,最该提前设计的不是市场,是契约:语义化版本、能力声明、废弃策略、兼容层。
有三件事可以现在就做:
每个插件声明它依赖的宿主 API 版本区间,加载时先校验,不匹配就明确报错,而不是带着半截功能跑下去;
宿主对旧版本提供兼容层,至少在两个大版本内保留;
废弃接口先标记、再告警、最后删除,给作者留出迁移窗口。
插件数量上来之后再补这些,每一次升级都会变成一次生态地震。
04
PART
生态激励的另一面,是安全
SECURITY · 供应链权限
官方的计划里同时有两件事:建官方插件市场、给插件作者 Token 激励和技术支持;以及完善插件安全机制。
这两件必须一起设计。插件越多,每一个插件都是一条供应链。
放在团队内部也一样:第三方插件默认不应该拿到文件系统和网络的完全权限。权限按能力声明申请,用户安装时能看到它要什么,运行时按最小权限放行。
!踩坑提示 🕳
这部分如果放到「以后再做」,等你有几万个插件时,补的成本会高一个数量级。

图二:四条做法的取舍
05
PART
几个坑,先说在前面
PITFALLS · 适用边界
不是所有项目都该「一切皆插件」
插件化的代价是间接层和调试复杂度。个人工具、单场景脚本直接写死更快,收益来自「长期、多人、要扩展」的场景。
插件数量不等于生态质量
官方也提到社区插件成熟度参差不齐,3.5 万个是规模,不是能力。
数据口径要看清
日活按使用官方 API 的用户统计,人均 token 是均值,分布没有公布,只能当量级参考,不能当精确指标。
别把可替换当成目标
可替换只是手段,你要的是「需求变化时改得动」。如果业务本身很稳定,为可替换付出的抽象成本可能收不回来。
///
LAST
写在最后
SUMMARY · 改得动才是价值
回到开头那个问题:接一个新模型、加一个新工具,要动核心代码吗?
如果你的答案是要,那这份架构债迟早会以「改不动」的形式还回来——不敢升级、不敢换供应商、不敢加功能。
架构的价值不在于设计得漂亮,而在于下一次需求来的时候,你改得动。

图三:该不该插件化
我是 极易灵AI,做 AI 落地的技术人,这里只写能直接抄进工作流的方案。
如果觉得有用,随手点个赞、在看、转发三连吧。
THANKS FOR READING















































































