DeepSeek Harness【保姆级安装教程及使用指南】

是什么，为什么要用

DeepSeek Harness (dsh) 是 DeepSeek 在 2026 年 8 月开源的 plugin-first agent runtime，定位是"模型周围的那一层"——负责读文件、调工具、管理会话的执行框架。（官方原话：所有的都是插件）

不是又一个模型，是让模型能干活的基础设施。

核心特点：

•插件驱动架构：基于 Cordis 插件系统，模型、工具、UI 全是插件

•本地优先：数据不出本地，适合隐私敏感场景

•与 Ollama 深度集成：一条命令启动本地模型 + agent runtime

适用场景：需要调用多个工具、多轮交互、本地推理的 agent 开发。

环境要求

•Node.js ≥ 18 (必需，如果本机电脑没有请看文章中的Node.js的相关安装教程)

•操作系统：macOS / Linux / Windows 10+

安装

方式一：通过 npm 全局安装（推荐）

npx @deepseek-ai/dsh web

该过程需要花费一段时间

安装完成后检查：

dsh --version

方式二：通过 Ollama 启动（最简单）

如果已经安装 Ollama：

ollama launch dsh

Ollama 会自动处理 dsh 的安装和启动。

Windows 特别说明

需先安装 Node.js for Windows：

•访问 nodejs.org

•下载 LTS 版本

•安装后重启终端

•运行 npm install -g @deepseek-ai/dsh@latest

基础使用

启动 dsh

dsh

默认启动 Web UI，浏览器自动打开 http://localhost:5140。

配置本地模型

dsh 支持多种模型后端，推荐先用 Ollama：

# 拉取 DeepSeek R1 模型 ollama pull deepseek-r1:8b  # 或更大的 14B 版本 ollama pull deepseek-r1:14b

启动 dsh 后，在 UI 中选择刚拉取的模型。

使用外部 API

如需调用 DeepSeek 云端 API：

•在 dsh UI 设置中添加 API Key

•选择 deepseek-chat 或 deepseek-reasoner 模型

•配置 base URL：https://api.deepseek.com/v1

插件系统

dsh 的所有能力都通过插件提供。

查看已安装插件

在 dsh UI 中点击「Plugins」标签，或通过配置文件查看 ~/.dsh/config.yml。

核心插件类型

•模型插件：@dsh/plugin-ollama、@dsh/plugin-openai

•工具插件：文件操作、代码执行、网络请求

•会话插件：对话管理、上下文保持

•沙盒插件：隔离执行环境

安装第三方插件

dsh plugin install <plugin-name>

目前生态尚处早期，官方推荐先用内置插件。

典型工作流

场景一：本地代码助手

# 启动 dsh dsh  # 在 UI 中： # 1. 选择 ollama/deepseek-r1:8b # 2. 开启文件读写权限 # 3. 指定工作目录

可以让 agent 读取项目文件、生成代码、执行测试。

场景二：多工具协同

dsh 会根据任务自动调用工具链：

用户输入："分析这个 CSV，画出销售趋势图"   ↓ dsh 自动调用：   1. 文件读取工具（读 CSV）   2. Python 执行工具（pandas 分析）   3. 绘图工具（matplotlib）   4. 返回结果图片

场景三：长时运行任务

dsh 支持任务暂停/恢复：

# 启动任务 dsh run task.yml  # 暂停（保留状态） Ctrl+C  # 恢复 dsh resume <task-id>

配置文件

默认配置路径：~/.dsh/config.yml

关键配置项：

server:   port: 5140   host: localhost  model:   default: ollama/deepseek-r1:8b    plugins:   - '@dsh/plugin-ollama'   - '@dsh/plugin-filesystem'    workspace:   root: ~/projects   sandbox: true

修改后重启 dsh 生效。

与 lm-evaluation-harness 配合

如需评测 DeepSeek R1 类推理模型，可结合 lm-eval：

# 安装 lm-eval pip install lm_eval[openai]  

# 配置 dsh 作为 OpenAI 兼容服务 

# 在 dsh 中开启 API 服务（端口默认 5140）  

# 运行评测 lm_eval \   --model openai-completions \   --model_args model=deepseek-r1,base_url=http://localhost:5140/v1 \   --tasks mmlu \   --num_fewshot 5

针对推理模型需添加 think_end_token 参数过滤推理链。

常见问题

dsh: command not found

npm 全局路径未添加到 PATH。检查：

npm config get prefix

将输出路径的 bin 目录添加到 PATH。

Web UI 无法访问

检查端口占用：

lsof -i :5140   # macOS/Linux netstat -ano | findstr :5140   # Windows

可在配置文件中修改端口。

Ollama 模型无法加载

确认 Ollama 服务运行中：

ollama list

如未运行，先启动 Ollama。

插件安装失败

清理缓存重试：

rm -rf ~/.dsh/plugins dsh plugin install <plugin-name>

完整示例：本地股票新闻分析 agent

该项目现状与路线图

当前版本：v0.1 (Developer Preview)

注意：生产环境慎用，API 可能变动，建议先在开发环境验证。

相关链接

•官方文档：deepseek.com/harness

•GitHub（预计开源）：关注 DeepSeek 官方仓库

•Ollama 集成文档：docs.ollama.com/integrations/deepseek-harness

•Cordis 插件系统：cordisjs.com

Sources:

•DeepSeek Harness DSH: A Developer's Guide

•DeepSeek Harness v0.1: Run the Plugin-First Stack

•What Is DeepSeek Harness (dsh)? Agent Runtime

•DeepSeek Harness Official Documentation

•Ollama DeepSeek Harness Integration

•EleutherAI lm-evaluation-harness