夜雨聆风【导读】 DeepSeek 最近开源了 DeepSeek Harness，也就是 DSH。它把注意力从模型参数移到了模型外层，将工具、会话、沙箱、存储、调度、Agent Loop 和界面全部拆成插件。我的判断是，DSH 瞄准的是智能体真正运行起来所依赖的底座，定位明显高于某个单独的 Agent 应用。
8 月 13 日，DeepSeek 的官方 GitHub 仓库公开了 DeepSeek Harness，项目简称 dsh。随后上线的官方专题页，把一句话放在了最显眼的位置：
一切皆插件。
这次发布很容易被理解成“DeepSeek 也做了一个编程 Agent”。
但只看聊天界面，会把重点看小。
DSH 确实能读写文件、运行命令、调用工具、拆解计划、调度子 Agent，也提供可以直接启动的 Web UI。真正特殊的地方，是 DeepSeek 把智能体背后的运行外壳直接摊开了。
模型、工具、Skills、会话、沙箱、存储、循环、调度、UI，都由插件提供。开发者可以通过配置选择、替换和重新组合这些能力，不需要先去修改 DSH 的核心源码。
DSH 真正激进的地方，是把智能体的整个运行外壳拆成了可替换插件。
DSH 到底是什么
DeepSeek 在官网用了一个很直白的公式：
Agent = Model + Harness
模型负责理解、推理和生成。
Harness 负责让模型看见环境、调用工具、保留状态、控制权限，并在真实世界里持续工作。
可以把模型理解成一个人的大脑。只有大脑还不够，他还需要眼睛、手、记忆、工作台、操作规范和一套知道“接下来该做什么”的流程。Harness 就是这些部分的总和。
DSH 是 DeepSeek 对这层系统给出的开源实现。官方把它定义为 local-first、可扩展的 Coding Agent 和 Agent 开发运行环境。安装 Node.js 后，运行下面这条命令，就能启动 Web UI：
npx@deepseek-ai/dshweb 它默认提供模型配置、工作区、文件和 Shell 工具、会话、权限审批、计划、目标、子 Agent 与多种运行模式。项目采用 MIT 许可证，源码已经放在 deepseek-ai/deepseek-harness 仓库中。
这也是理解 DSH 的第一个关键：它既是一个能直接用的 Coding Agent，也是一个用来搭建其他 Agent 的运行环境。
模型适配器同样属于可替换部分。除了 DeepSeek 官方接口，开发者也可以添加其他提供方或自定义 OpenAI-compatible endpoint。
一切皆插件，不等于多装几个工具
很多产品也支持插件、MCP 和 Skills。
DSH 的设计更往下一层。
在常见 Agent 产品里，模型和工具可以更换，但会话怎么存、Agent Loop 怎么跑、沙箱怎么隔离、UI 怎么呈现，往往由产品内部固定。开发者能扩展的是外围能力，核心运行方式还是产品预设。
DSH 把这些部分也放进了插件系统。
它的底层是 Cordis。Cordis 内核本身不负责提供某个具体 Agent 能力，主要管理插件的加载、卸载和依赖关系。真正的能力由挂载到共享上下文中的插件提供，再通过服务和事件彼此协作。
这里有两个很重要的设计思想。
一个是“装得上，也拆得干净”。插件卸载时，它对共享环境造成的注册和副作用应该能够撤销，不在系统里留下半截状态。
另一个是“依赖满足才工作”。插件可以声明自己需要什么服务。依赖出现时启动，依赖消失时停用，不必把组件之间的关系写死在一条调用链里。
说直白点，DSH 更像一套可热插拔的智能体机架。模型是一块模块，工具是一块模块，存储、沙箱、会话和界面也都是模块。开发者通过配置决定这台机器今天怎么组装。
这比“插件商店里多了几个工具”更彻底。
DSH 开放的不只是工具接口，它把 Agent 的组装方式也开放了。每次运行，都要有迹可循
插件化解决的是怎么组装，DSH 的另一条设计主线解决的是怎么追溯。
官方架构文档有一句很硬的原则：模型能看见的内容，必须被记录。
DSH 使用仅追加的 session log 保存系统提示词、用户输入、模型输出、工具调用与结果、上下文注入和子 Agent 调度。后面的恢复会话、分叉、搜索、重放、转录和遥测，都从同一条事件流派生。
这和普通聊天记录不是一回事。
聊天记录主要回答“人和 AI 说了什么”。运行轨迹还要回答：模型当时看到了哪些上下文，调用了什么工具，工具返回了什么，任务在哪一步改变方向，又为什么停下来。
这套设计对长任务尤其重要。
一个 Agent 连续工作几十步，最终答案错了只是表象，真正难查的是它从哪一步开始理解偏了。轨迹能把问题定位到某次上下文注入、某个工具结果或某个步骤，恢复和分叉也不必依赖一段已经失真的聊天摘要。
换句话说，DSH 希望把 Agent 从“黑盒里跑完再看结果”，变成“沿着事件流随时检查”。
它和常见智能体差在哪
DSH 的差异不在于“模型更聪明”。它默认可以使用 DeepSeek 模型，也允许替换模型提供方。真正不同的是，开发者能控制多深。
它和单纯的 Agent 框架也有区别。
框架通常给你 SDK、状态机和编排组件，剩下的界面、会话持久化、权限、配置、运行模式和交付形态还要自己搭。DSH 已经带着 Web UI、CLI、会话系统、审批机制和可运行的 Agent preset，同时又允许开发者继续往下改造。
所以它处在一个很有意思的位置：比成品 Agent 更开放，比纯框架更接近可直接运行的产品。
四种官方模式也能说明这一点：
- 标准模式
：提供完整工具集，面向日常 Coding Agent 任务。 - PTC 模式
：让模型生成 TypeScript 程序，组合多轮工具调用。 - 极简模式
：只保留持久 Bash 和文件编辑器，用于最小环境下测试模型。 - 创造模式
：检查当前运行时、试验 Cordis 插件，并组合新的 Agent preset。
前两种模式偏“用 Agent”，后两种模式已经在教开发者“造 Agent”。
现在适合谁，风险又在哪
DSH 现在最适合两类人。
一类是正在做 Agent 产品的开发者。他们需要替换模型、工具、沙箱、存储或界面，又不想每次都把整套运行时重写一遍。
另一类是希望掌握 harness 控制权的平台团队。会话归谁、日志怎么留、权限怎么批、工具怎么审、任务怎么恢复，这些问题一旦进入真实业务，往往比“模型回答得像不像人”更关键。
普通用户可以体验，但别急着把它当成熟生产力软件。
官方明确把当前版本标成 developer preview，并警告后续会出现破坏兼容性的变化。核心插件和 API 还在快速迭代，社区插件的质量与维护状态也需要逐个核验。
安全边界同样不能略过。
DSH 默认把会话、工具调用、附件、路径和运行日志保存在本机，但 local-first 不代表所有数据永远不离开设备。外部模型、联网工具、MCP 和第三方插件仍可能把数据发送给各自的服务商。
官方还专门提醒，Harness 可以执行代码、操作本机，也可能受到不可信内容中的提示注入影响。更稳妥的做法，是在低权限虚拟机或容器中运行，只安装经过审查的插件，并为高风险操作保留人工批准。
开放带来了组合能力，也把供应链和权限管理责任交给了使用者。
我的判断
过去大家谈智能体，最容易比较的是模型、工具数量和 benchmark。
DSH 把讨论往前推了一步。
它关心的是：模型外面的整套系统，能不能像基础设施一样被组合、替换、检查和复用。
这条路线未必适合所有人。想要开箱即用的普通用户，会觉得它太工程化；只想快速做一个固定流程的团队，也未必需要这么深的可组合性。
但对真正要长期建设 Agent 平台的人来说，这种开放非常有价值。
模型还会继续更新。工具和交互形态也会变。把所有能力绑死在一个产品核心里，每次变化都要重做；把能力拆成有依赖、有生命周期、可追溯的插件，系统才有机会跟着模型一起演化。
模型决定智能体能想多远，Harness 决定它能不能把事情做完。
DeepSeek 这次开源 DSH，真正想做的，是把后半句变成一套所有开发者都能拆开、重组和继续扩展的基础设施。
参考资料
DeepSeek Harness 官方中文发布页 https://deepseek.com/harness/ DeepSeek Harness 官方 GitHub 仓库 https://github.com/deepseek-ai/deepseek-harness DeepSeek Harness 官方开发文档 https://deepseek-harness.github.io/deepseek-harness/en/guide/quickstart DeepSeek Harness 官方架构文档 https://deepseek-harness.github.io/deepseek-harness/en/reference/ DeepSeek Harness 安全使用政策 https://www.deepseek.com/harness/en/privacy/ DeepSeek Harness 数据处理说明 https://www.deepseek.com/harness/en/data-processing/ Cordis 论文仓库 https://github.com/cordiverse/paper dshfind 中文学习与插件社区（第三方参考） https://dshfind.com/zh