夜雨聆风
DeepSeek Harness
8月13日晚上，GitHub上跑出一匹黑马。
仓库公开不到两小时破万星，12个小时直接冲到5万——这个涨速，近年开源AI圈几乎找不到第二个。
照理说，火成这样，评论区该是一片刷屏叫好。
可点进去就会发现，现场直接撕成了两半：一半人喊“这就是未来”，一半人吐槽“太糙了，谁用谁踩坑”。
这东西到底是什么来头，能炸出这么两极的评价？
这篇文章，我们来聊聊，这个让人一边疯追、一边挑刺的东西——「DeepSeek Harness」。
1
一、先说人话：「Harness」是什么
Harness就是给大模型装上「手脚」的那套东西。
我们平时用的ChatGPT、豆包这类大模型，默认是「动嘴」的：我们问，它答。虽然现在它们也能调工具、跑代码、联网搜索，但这些能力大多是单次触发、被动响应，而不是主动规划、自主纠错、从头到尾把一个任务完成的完整执行体系。
打个比方，模型本质上是个「大脑」，它负责想、负责给出答案。但「想出来」和「做出来」之间，隔着一条鸿沟：
我们要它改一段代码，它能写出正确的代码。可谁来创建文件、放进去、跑一遍、看报错、改bug？
我们要它做一张图，它能给出图，也能给出完整提示词。可是生成的图多了，谁来整理、排序、删除、重命名？
这些「动手」的活，光靠模型自己干不了。得有一套系统来调度工具、组织上下文、处理失败重试，一步步往前推，直到把事办完。
这套东西，就是Harness。
所以有一条公式特别精炼：
Model+Harness=Agent
模型是大脑，Harness是手脚。合起来，才是一个能「执行任务」的Agent。
而它为什么重要？因为目前大模型公司的目标已经不再是“够不够聪明”，而是“能完成多少事儿”。
我们回忆一下用AI的真实感受：它给的答案，常常是对的、甚至是不错的，但我们要把这份「正确」变成「事儿办成了」，中间还得自己动手搬砖——复制、粘贴、跑、改、再跑。
模型的能力在狂涨，「把能力变成结果」这一步，就是Harness的位置。
第三方机构Composio做过一个很直观的测试：同一个V4-Flash模型，接进8种不同的Harness，跑30项涉及真实工具操作的多步骤任务，最好的完成了20项，最差的只有14项。
模型一模一样，结果差出三成。
这说明什么？说明决定「这件事最终能不能办成」的，往往不是模型本身，而是套在模型外面那层「怎么干活」的东西。
一句话：模型划定能力上限，Harness决定这份能力最终能兑现多少。
这也就是为什么，当各家模型的能力越来越接近，大家突然都开始抢着做Harness——因为下一个战场，在这里。
对了，Harness这东西其实不是新物种。我们熟悉的Claude Code、升级后的Open AI Codex，本质都是这类Harness产品。
所以真正值得看的，不是「DeepSeek也做了一个Harness」，而是——它这次玩得，有点不一样。
2
拆开看，它到底哪里不一样？
1.一切皆插件
DeepSeek Harness最核心的设计，五个字：一切皆插件。
模型、工具、会话、调度，甚至驱动整个Agent运转的主循环、连界面本身，这些全都可以作为插件，都能拆下来换掉。
它的内核叫Cordis，极度克制，只管一件事：插件的加载、卸载、依赖管理。
这带来一个和所有竞品都不同的体验。打个比方：别人的Harness，像一间精装修的房子，我们搬进去搞搞软装、换换家具（加个Skill、接个MCP），基本的户型、结构动不了。
DeepSeek Harness，是一间毛坯房，可硬装可软装，一定程度上“砸墙改户型”都可以。
这就意味着，我们可以很大程度改动这间房子，可能改得很舒适，也可能适得其反。
2.四种模式，和一个最疯的
目前DeepSeek Harness预设了四种模式：
标准模式：什么都有，开箱就能干活的完整形态。
PTC模式：让模型把好几次工具调用写成一段小程序，一次跑完，理论上省token。
极简模式：只给一个终端加一个改文件的工具，专门拿来横向比模型。
创造模式：最疯的一个——它能看自己正在跑的环境，缺啥插件，当场给自己装上。
3.全程留痕
还有一个对开发者极其友好的设计：它把每一次会话，都记成一份「只增不改」的日志。
模型看到的系统提示词、推理过程、每一次工具调用和返回结果，全部落盘。哪个环节跑偏了，翻记录就能对质。这也是它和聊天机器人最本质的区别之一——聊天工具只保存最终对话，它保存的是过程里的每一步。
4.但它现在，还是个毛坯房
既然如此好，那评价为什么会往两极跑呢？
现在的DeepSeek Harness，对普通用户不算友好，就像一个毛坯房。
它适合谁？开发者、想自己搭Agent的人、做研究的，总之就是要么已经有一定基础，要么能先稳下来学习、试错的人。
暂不适合谁？想要开箱即用的普通用户——要装Node、写命令、配API Key，门槛不低。
这种「5万星vs劝退门槛」的反差，其实指向同一个判断：
DeepSeek压根没想现在给我们一个成品。它给的是积木，还有一些简单的说明书，寄希望我们会拼出它自己都没想到的东西。
这是一条非常大胆，但是已经被验证过非常有潜力的路：Linux刚问世时就是这个样子——粗糙、开放，最后成了互联网的地基之一。
目前，Harness免费开源，采用MIT协议，而且不锁模型——这意味着可以接入DeepSeek、Chat GPT、Kimi等。
3
安装教程
以下的操作都需要在「终端」完成。
第一步：安装/更新Node.js
在终端输入「node -v」：
如果显示v22.x或更高，可以进入第二步；
如果没有安装或者低于v22的版本，需要到网页「nodejs.org」，手动安装。
注意：Node版本太老的话，npx可能会静默卡住而不报错。所以如果卡住了，先查Node的版本。
第二步：命令行启动
在终端输入「npx @deepseek-ai/dsh web」，回车。
接下来可能需要输入「y」，回车，然后等待，直到出现网址：
「http://127.0.0.1:3080」
将这个网址复制到浏览器，这就是它的全部界面。
注意：不要关闭终端，下次启动的时候在终端跑一遍命令。
第三步：配置API Key
第一次打开会要求配置API Key，如果不是很会或者不想折腾，可以：
打开网址「platform.deepseek.com」，注册；
在「API keys」中创建API；
注意：复制、保管好密钥！！！
将密钥复制到DeepSeek Harness中。
注意：
如果没有在一开始就配置API，之后也可以在「设置」——「模型」中找到输入密钥的地方。
DeepSeek API需要充值。
4
写在最后
回头看最开始的问题：「评论区撕成两半」。
现在的DeepSeek Harness是一个毛坯房：要装 Node、要写命令、要配 API，有很多要动手完成的事儿，跟之前的那些Agent很不一样。
但它把一件事做了出来：把「Agent该怎么搭」的决定权，全部交了出来。模型、工具、界面，甚至驱动 Agent思考的循环本身，换掉其中任何一块，它都照样运转。
一个把自由放到最大、把方便放到最后的东西，有人爱，自然也有人烦。
可这恰恰是它最特别的地方：当所有人都在把 Agent打包成一款成品的时候，DeepSeek选择把「怎么造」这件事，还给了每一个愿意动手的人。
这是一条很大胆的路，能不能走通，需要交给时间。