每周AI工具 | DeepSeek Harness 开源:把 Agent 的源代码第一次摊给你看

AI工具实测 — 每周一个让你效率翻倍的开源工具

本地 Agent · 万物皆插件 · 40+模型可换 · 全程可审计

点击文末「阅读原文」直接使用 AI 专家 / 捞仔 AI 小站

🔔 关注「AI-For-Precision-Health」— 每天一篇AI科研实操干货

食品 · 医药 · 器械 · AI工具 · 科研Skill，全周期科研 AI 指南

你以为 Agent 框架之争是产品之争？错——这是第一次有人把 Agent 的发动机、底盘、方向盘，全部做成螺栓件，开源摆给你看。

▸ 为什么值得关注：DeepSeek Harness（CLI 名 dsh）2026 年 8 月 13 日以 MIT 协议开源，是迄今唯一一个"连 Agent 循环本身都可替换"的开源框架——Claude Code 闭源、Codex 只开源客户端。官方公式 Model + Harness = Agent，把 Agent 拆成"能换的大脑"和"能换的手脚"。

▸ 科研场景：本地跑不传数据、40+ 模型随意切换（用 DeepSeek Flash 跑文献调研、切 Fable 写代码）、全程轨迹可审计（科研可复现刚需）、Code 模式批量工具调用省 50%+ token。

▸ 上手门槛：Node.js 22.19+，一条命令 npx @deepseek-ai/dsh web 浏览器即用。

创作来源说明：本文由 AI 辅助生成，数据来自 DeepSeek 官方 GitHub 仓库、Composio 8 框架横评、AusPia/AIBacon 等实测报道，已交叉核验；内容仅用于科研工具参考，不构成采购建议。

本节结论：DeepSeek Harness 不是又一个 AI 聊天框，而是一个 Agent 运行时——它把"模型、工具、记忆、循环"全部做成可换的插件，科研工作者第一次能亲手拆开 Agent 看内部机制。

Model + Harness = Agent

DeepSeek 给 Agent 下了一个新定义。传统认知里，"Agent = 一个能自动干活的 AI"，是个黑箱。Harness 把它拆成三层：

核心是 Cordis（一个 MIT 协议、2022 年就有、4 万星标都不到的微内核框架）——它只做一件事：挂载插件、卸载插件、解插件之间的依赖。所有 Agent 能力都坐在 Cordis 之上，没有任何一个"特权内核"。

科研怎么用：把 DeepSeek 的模型适配器换成 OpenAI/Anthropic/本地 Ollama，把工具集换成 PubChem/UniProt/自定义脚本，把循环换成"先审稿再写回复"的研究流程——不用改源码，改配置文件即可。

为什么要用 Cordis 而不是自造内核

DeepSeek 没自己写框架，而是复用了 Cordis（Koishi 聊天机器人社区用了 4 年的插件系统）。好处是：插件生态是"借来的"，不是"从零搭"。截至 8 月 13 日开源当日，内部测试期间已有数百个社区插件被构建。

本节结论：选哪种模式，直接决定 token 消耗和可复现性。科研场景建议先用 Standard 模式跑通流程，再换 Code 模式省 token，审计用 Trajectory 视图。

反直觉的细节：Minimal 模式的存在说明这不只是个产品，还是个"测量仪器"。DeepSeek 把自己的内部评测 rig 一并开源——科研里讲究"控制变量"，Minimal 让你只换模型、不动框架，量化模型本身的差异。

本节结论：Composio 在 8 月 10 日做的横评（早于 Harness 开源）表明：同一个模型换不同框架，任务通过率差 20 个百分点、单次成本差 7 倍——"用哪个 Agent 框架"和"用哪个模型"一样重要。

Composio 横评的三个结论

① 框架比模型重要。同一模型（DeepSeek V4-Flash）跑 30 个真实多步任务，Pi Agent 67% 通过 vs OpenCode 47%，差了 20 个百分点。

② 成本差 7 倍。Pi Agent 每任务 $0.028 vs Claude Code $0.195——不是模型贵，是框架调用方式不同。

③ 时间差 2.2 倍。Claude Code 中位完成时间 122.7s vs Oh My Pi 272.4s。

科研怎么用这个数据：做实验前先跑 Minimal 模式对齐，再切 Code 模式省 token。Composio 横评本身就是一个"先测框架、再上数据"的科研范式。

本节结论：装 Harness（Step 1-3）→ 挂模型（Step 4-5）→ 跑任务（Step 6-8），全程纯 💻，本地运行不传数据，15 分钟搞定第一篇 AI 辅助综述。

Step 1 💻 装 Node.js

输入：电脑空。

AI 动作：手动装 Node.js（v22.19+ 或 v24+，去 nodejs.org 下 LTS）。

输出：命令行敲 node -v 显示 v22.19 以上。

人审：确认版本号 ≥ v22.19.0。

失败处理：版本不够 → 重新下载 LTS；装不上 → 用 nvm 管理器装（https://github.com/coreybutler/nvm-windows）。

Step 2 💻 装 DeepSeek Harness

输入：已装 Node.js。

AI 动作：命令行敲 npx @deepseek-ai/dsh web。

输出：浏览器自动打开 http://127.0.0.1:3080，看到 dsh 工作界面。

人审：确认网页能打开、无报错。

失败处理：端口被占 → 用 npx @deepseek-ai/dsh web --port 3081 换端口。

Step 3 💻 创建工作区

输入：dsh Web UI。

AI 动作：新建一个工作区，指向你的科研目录（比如 D:\papers\mRNA）。

输出：dsh 能读写该目录下的所有文件。

人审：确认目录里只有科研数据，不含敏感文件（凭据、密钥、患者数据）。dsh 权限默认只操作指定工作区，圈外访问需逐次弹窗批准。

失败处理：目录太大 → 用子目录；权限弹窗太多 → 先做 Minimal 模式跑通流程。

Step 4 💻 挂载模型

输入：你的 API Key（DeepSeek 或 OpenAI 或 Anthropic）。

AI 动作：Settings → Models → Add provider，选 DeepSeek 或 Anthropic 或 OpenAI，填 Key。

输出：路由立即生效，无需重启。

人审：确认模型能正常对话（发一句 hello 测试）。

失败处理：Key 无效 → 去对应官网重新生成；网络不通 → 检查代理。

Step 5 💻 选模式

输入：工作区已就绪。

AI 动作：开新会话，选 Standard 模式（科研默认）。

输出：会话启动，AI 可读写工作区文件。

人审：确认模式正确。

失败处理：选错 → 关闭会话重来。

Step 6 💻 跑文献调研

输入：一个研究问题，比如"mRNA 疫苗 mRNA-1273 的稳定性影响因素"。

AI 动作：贴问题 → 触发 Web 搜索插件（自动）→ 下载 PDF（若有浏览器插件）→ 分析 → 生成综述。

输出：一篇带引用的综述草稿，落在工作区 /literature-review.md。

人审：逐条核对引用是否真实、结论是否有出处；重点看"AI 说所以是"的句子。

失败处理：引文造假 → 删除该段落；结论模糊 → 追问 AI 具体数据。

Step 7 💻 审计每一步

输入：已跑完的会话。

AI 动作：打开 Trajectory（轨迹视图），逐字节看 AI 每一步做了什么——系统提示、工具调用、输入输出 token 全可展开。

输出：一份可复现的操作记录。

人审：这是科研可复现的关键——审稿人可以看 Trajectory 验证 AI 的路径。

失败处理：Trajectory 打不开 → 确认 dsh 版本 ≥ 0.1.0-rc.6。

Step 8 💻 换模型做对照实验

输入：同一工作区、同一问题。

AI 动作：Settings → Models，把 DeepSeek V4-Flash 换成 Anthropic Fable，重跑一次。

输出：两份不同模型产出的综述。

人审：比较两份结果：引用是否一致、结论是否冲突——这就是"模型可控实验"。

失败处理：换模型报错 → 确认该模型 API Key 正确。

没有 GPU / 想省钱怎么办：Harness 本身不吃算力，费用全在模型 API 上。用 DeepSeek V4-Flash（0.5 元/百万 token 输入）跑文献调研，单次任务大约 2-3 分钱；要省更多，用 Code 模式批量调用工具，token 可以省一半。

本节结论：三家中只有 Harness 把源码全摊开（MIT），其他两家要么闭源要么只开源客户端。科研要"可审计、可复现、可换脑"，Harness 是首选。

怎么挑

科研场景优先 Harness——数据不出本机、可换便宜模型跑批量、可审计可复现。已经深度用 Claude Code 的团队不用立刻换，但新项目建议试 Harness 做对照。

已用 crewAI 做 Agent 协作的团队可以保留 crewAI，用 Harness 做"底层运行时"，两层叠着用（Harness 装工具、crewAI 做编排）。

⚠️ 两个坑先说

① 是 v0.1 开发者预览。官方明确提示会有破坏兼容性的变更，没有 tag 版本。正式项目生产环境建议再等等稳定版。

② 凭据对 AI 无边界。工作区内放 API Key、密钥，AI 可以读到。生产环境请勿在本机工作区存放密钥，用一个专门的"无密钥目录"做日常任务。