夜雨聆风DeepSeek Harness（dsh）是什么，这篇写透：从安装到配置，从四种模式到插件开发，从手动玩到自动化跑批，一篇全流程教程，命令直接复制。
先摆个事实：2026 年 8 月 13 日发布当天，这个项目半小时破万 Star，三天冲到 13 万，MIT 协议全开源。它值不值得学？我的答案：就算你不打算用，它的架构思路也值得看一遍——把 Agent 的每个零件都变成可替换的插件，这是和所有主流工具都不同的玩法。
一、先搞懂它解决什么问题
AI 编程工具过去三年的进化，本质是三次跃迁：
第一次：对话式 AI，模型即产品，问一句答一句 第二次：Agent + 工具调用，Function Calling、MCP 让模型开始"动手" 第三次：Agent 运行时，在模型和工具之上多了一层底座——循环、权限、状态、可观测性、可组合性，让 Agent 能连续跑几十分钟甚至几小时的复杂任务
dsh 就是第三次跃迁的代表作。它不拼模型能力，拼的是"模型怎么用工具、怎么持续干活"这套运行逻辑的工程化。
它的核心设计只有一句话：一切皆插件。模型、工具、技能、会话、沙箱、存储、Agent 循环、任务调度、UI——全是插件，底层由一个叫 Cordis 的插件元框架驱动（北大和 DeepSeek 联合发过设计论文）。想换模型就换模型插件，想改 Agent 循环就挂自己的插件，不用 fork 源码。
二、安装：三条路，选一条
前提：Node.js 22.19 以上（node -v 验证），一个 DeepSeek API Key（platform.deepseek.com 生成）。
路线一：npx 一条命令（推荐新手）
npx @deepseek-ai/dsh web首次运行自动下载依赖，启动后浏览器打开 http://127.0.0.1:3080 就是 Web 界面。国内网络慢就先切镜像：
npm config set registry https://registry.npmmirror.com路线二：源码跑（适合要改配置、做二次开发的）
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnessnpm install -g pnpmpnpm installpnpm run buildpnpm dsh web
路线三：Python SDK（适合程序化调用）
git clone https://github.com/deepseek-ai/deepseek-harness.gitcd deepseek-harnesspython -m venv .venvsource .venv/bin/activatepip install deepseek-harness-sdk
注意：官方 Python SDK 目前只支持 Linux 和 macOS，Windows 用户建议走 Web UI 或 WSL。
三、配置：三步上路
浏览器打开界面后：
填 API Key：设置 → 模型，粘贴 DeepSeek API Key。界面左下角可以切成中文 选工作区：把想让它操作的项目目录加进来。它只能碰你选中的工作区，其他目录动不了 选模型和模式：模型选 flash（便宜快）还是 pro（强但贵）看任务；模式先选标准模式
想多接几家模型也很简单，官方预设了 GLM（提供方 zai-coding-cn）、阿里、小米、火山引擎等供应商，在模型配置里选提供方、填对应 API Key，自动拉取模型列表。它是 OpenAI 兼容接口的都能接，自定义端点也行。
四、四种模式：每种都是干不同活的
模式就是"预设的插件集合"，界面里随时切：
标准模式：完整工具组合，日常写代码、改仓库用这个 PTC 模式：最有特色的一个，重点讲一下 极简模式：只留终端 + 文件编辑两个工具，适合做模型基准测试（对比不同模型在相同环境下的表现） 创造模式：给插件开发者的——现场检查运行时、在内存里试验插件、组合你自己的 Agent 预设
PTC（Programmatic Tool Calling）值得单独说。传统 Agent 干活是一来一回调工具：调一次工具、等结果、再调一次，复杂任务几十个来回。PTC 的玩法是：模型直接生成一段代码，由这段代码编排多步工具调用的顺序，一次性执行。官方说法是五次往返能收成一次，一步里串很多工具。实际体验就是复杂流程的可靠性和速度都上一个台阶，不会频繁卡在工具调用的中间状态。
五、它最值钱的东西：可观测性
dsh 有个特性被很多人忽略，但我觉得是它最值钱的：追记式会话日志 + 轨迹视图。
模型看到的一切——系统提示词、思维链、每次工具调用和结果、每次上下文注入——全部写入只追加的会话日志，谁都不能改。在轨迹视图里能按来源查看每一步。
这意味着什么？Agent 出错时，你能精确看到它在哪一步、看到了什么输入、为什么做那个决定——不是猜，是看到。恢复、分叉、回放共享同一份事件流。对要调试 Agent 行为、或者做生产级 Agent 的团队来说，这个能力比多几个花哨功能有用得多。
另外权限审批也是原生设计：危险操作会弹确认，加上工作区隔离，数据安全这块比"放养型"工具放心。
六、插件生态：装别人的，写自己的
GitHub 上搜 dsh-plugin 话题就能找到一堆现成插件，发布几天生态就冲到了几千个插件。安装大多是复制命令的事，比如这个加侧边栏的 DSH-better-sidebar：
curl -fsSL https://raw.githubusercontent.com/omdsh-dev/DSH-better-sidebar/main/scripts/install.sh | bash装完重启 dsh 硬刷新就能用。插件的分发叫 Bundle，在 package.json 的 dsh 字段里声明即可。
想自己写也不难：插件就是个导出 apply 函数的 TypeScript 模块，能注册工具、服务这些能力。推荐流程：先在创造模式里试验（不用重启就能试插件），没问题了打包成 Bundle，再挂载到配置里。官方建议给插件打上 dsh-plugin 标签方便别人找到。
七、让它自己上班：自动化
Web 界面适合人机对话，批处理要用 headless。两种方式：
Python SDK 跑单次任务：
export DEEPSEEK_API_KEY=你的密钥# 可选：export DSH_MODEL=deepseek-v4-flashpython examples/jsonrpc-agent/minimal.py \--workspace /绝对路径/workspace \--session-root /绝对路径/sessions \--session-id example-001 \”Inspect the repository and fix the failing tests.”
无头 Profile：dsh 自带 headless Profile，跑完即退出，适合挂 cron 或 CI 里定时执行。比如每天自动跑一次"检查仓库 TODO 生成任务清单"，就是一条命令的事。
八、常见问题
和 opencode、Claude Code 什么关系？不在一个层。它们是开箱即用的成品，dsh 是开放可定制的工坊。日常干活用成品省心，研究 Agent 架构、深度定制用 dsh。它还能把 MCP Server 当作插件接进来，生态是相通的。
能上生产吗？官方明说是 v0.1 开发者预览版，会有破坏性兼容变更。实验、基准测试、插件开发随便玩，生产关键流程等稳定版。
成本怎么控制？API 按量计费。长任务先估 token，跑批用 flash 便宜档，工作区里别放无关大文件——这些细节能让账单差出好几倍。
插件安全吗？第三方插件能访问文件和外部服务，装之前看下代码。工作区单独建目录，别和敏感文件放一起。
收个尾
dsh 现在最大的价值，不在于它今天有多好用——毕竟还是预览版——而在于它验证了一个方向：Agent 的正确架构，就是一切皆插件。当所有能力都可以替换、组合、回滚，你的 Agent 才真正是你的。
建议花十分钟跑一遍 npx 命令，在创造模式里随便拆装几个插件感受一下。工具可以不用，这个思路值得有。