“一切皆插件”,DeepSeek Harness 开发者预览版,首发体验

昨晚（2026年8月13日），DeepSeek 在宣布 API 调价后不久，正式推出了首款 Agent 产品 —— DeepSeek Harness（DSH）开发者预览版，并以 MIT 协议在 GitHub 上开源了，它想做的不是模仿 Codex 或者 Claude code 等工具，感觉是一种开放式的、灵活的、可配置的工具。

Harness 一词原意为“马具、缰绳”，在 Agent 语境中，它指代大模型之外的那一整套工程外壳，让模型能读文件、调工具、管理上下文、失败后重试、连续工作数小时的系统。

DeepSeek 官方给出的公式极为简洁：

Agent = Model + Harness

可以这样解释：模型是 Agent 的“灵魂”，负责思考和推理，Harness 是“执行神经系统”，负责把模型能力落地到真实环境中，完成从理解需求到交付成果的完整闭环。

DeepSeek Harness 在产品定位上，市场上是对标 OpenAI Codex 和 Anthropic Claude Cowork，也是面向编程和办公场景的 AI 生产力工具。

—

核心理念：一切皆插件

1、核心理念

DeepSeek Harness 最核心的设计原则是“一切皆插件”，即 Everything is a Plugin。

它的一些定义官网可以直接看到：模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均由插件组合而成，可以自由替换和灵活重组。

2、四种模式

面向不同用户以及使用场景，Harness 预置了四种运行模式，每种模式自动加载对应的插件集合。

这样用户可以按照自己的喜好选择界面，甚至让你想不到的，还可以自定义设置，有看到如下的自定义界面。

以上 UI 界面，可以到官方插件库里面瞧瞧，还有其他很多类似的。

官方社区插件库：https://github.com/topics/dsh-plugin

进去看下，可以看到一些 web-ui 的插件，比如：

3、关键设计：轨迹（Trajectory）

DeepSeek Harness 还有一个被广泛低估的设计 —— Trajectory（轨迹）。

模型看到的一切，包含系统提示词、思维链、推理过程、工具调用与结果、子Agent的调度、每一次上下文注入，全部记录在一份只增不改（append-only）的会话日志中。用户可以在 Trajectory 视图里按来源逐条检查这些记录，而恢复会话、分叉会话、搜索、回放，全部在同一条事件流上操作。

这相当于给 Agent 的每次运行都装了一个黑匣子，出了问题可以完整复盘它到底看到了什么、为什么这么做。与 Chat 视图的润色后对话不同，Trajectory展示的是原始事件级记录，能直观看到模型在哪栽了跟头、每个环节消耗了多少 Token。

—

安装体验

1、安装

DeepSeek Harness 的部署极为简单，在已安装Node.js开发工具链的系统中，只需一行命令即可启动 Web UI。

npx @deepseek-ai/dsh web

源码安装：

git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspnpm installpnpm run buildpnpm dsh web

如上安装完成后，打开默认地址为 http://127.0.0.1:3080，如下，打开后，默认会有个内测声明。

然后默认配置官方 DeepSeek 的 API Key。

2、配置

a、工作区配置

这个与 chat 有些区别，因为需要进行文件操作，所以需要配置本地的目录作为工作区。并且模式权限为 Workspace write。

b、模型配置

这个简单，点击上图中的“模型”，按照界面引导配置即可。

c、插件配置

这个上面提到了，工具里面也有相关配置。

插件列表：

还有社区插件库，上面已经提到了。

3、轨迹

对话体验，可以看到具体的轨迹了。

—

总结

DeepSeek Harness 并非一个新的基础模型或 API 客户端，而是一套让模型能够使用工具、执行任务、与开发者协作的基础设施。它以“一切皆插件”的开放架构，将 Agent 的每一个组件都变成了可拆装、可替换的积木。

在 OpenAI 推 Agent Plugins 标准、各家争夺插件话语权的当下，DeepSeek 以 MIT 协议直接开源整套底层设施。正如一些开发者所言，这或许是“Agent 时代的安卓”，一个让开发者可以像搭积木一样重新组合 Agent 的开源基座。

文章的最后，如果您觉得本文对您有用，给作者一点激励，可以打赏一杯咖啡，感谢！

如果您有AI应用困难，如果您有企业AI需求，欢迎关注交流。持续分享实企业AI解决方案、电商应用、模型定制、RPA等实战经验。致力为中小企业提供实用的企业级AI解决方案！

七月A股大调整，我用Claude Code+Doubao-Seed-Evolving+豆包搜索+金融数据库，实现“行业情绪量化投资工具”，及时预警行业拥挤度的风险

uni-app开发：如何避免调用uni.getSystemInfoSync的那些“坑”？

跟我学LangChain：入门指南，基于LLM构建强大AI应用的“魔法框架”

细说Prompt：有哪些提示词设计方法？主流的提示词框架有哪些？

一文掌握：AI Agent Prompt是什么？智能体Prompt如何设计？

【AI实战系列】每天5分钟、学习AI知识：企业知识管理混乱？RAG+LangChain+DeepSeek构建会思考的企业知识库！