8天2600个插件30万Star,真正捅破天花板的只有这3个

8天2600个插件30万Star，真正捅破天花板的只有这3个

ModLens / dsh-browser / Agent Teams｜Harness 系列第92篇亲测

——— ✦ ———

这是「AI工具箱」第92篇，也是 Harness 系列第三篇。前第80篇我们聊过框架本身133个插件即插即用的体验，第86篇拆解了它3天112K Star的底层逻辑。

今天这一篇，直接带你看社区最新长出来的、真正捅破原生 Agent 能力天花板的硬货。

先上一组足以震撼整个AI工具圈的公开数据：

• 8月13日 Harness 开源，半小时 Star 就破了1万

• 8天后，GitHub 上 dsh-plugin 标签下已经有 2600+ 个公开仓库

• 社区精选目录 Oh-My-DSH 收录了 1117 个插件，合计 30万+ Star

据澎湃新闻报道，这个社区只用8天，就完成了大厂可能要花好几个月才能做完的生态建设工作。

这个生态的膨胀速度，超出了几乎所有人的预期。

生态膨胀速度一览：8天冲出2600+插件、30万+Star

我翻了上百个插件仓库，专门挑出三个完全不是「换个皮肤、加个宠物」那种锦上添花的作品——每一个都实实在在把 DeepSeek 原生的能力边界往外推了一大截：一个给纯文本AI装上眼睛，一个让AI直接操控你登录好的浏览器，还有一个一句话就能拉起一支完整的AI协作团队。

——— ✦ ———

ModLens：给纯文本AI装一双「慧眼」

DeepSeek V4 是纯文本旗舰模型，原生根本看不了图——你往聊天框甩一张截图，它只会一脸懵。

ModLens 的解法非常巧妙：你上传图片后，它会自动调用一个视觉模型，把图片转成带位置信息、带语义关系的结构化 JSON，再喂回给文本模型继续推理。

说白了，它根本不用费劲把大模型改成多模态，而是在「图片」和「纯文本模型」之间直接架了一座桥。

这和普通 OCR 扫描识别有本质区别：OCR 只认纸上的字，它能读懂元素和元素之间的关系。一张网页截图丢进去，它不止告诉你「这里有个提交按钮」，还能标注清楚「这个按钮在表单右下角、输入框正下方」——AI 直接就能读懂整个页面的结构逻辑。

ModLens 的桥接思路：在图片和纯文本模型之间架一座结构化理解的桥

它能干的事，覆盖绝大多数用户的刚需场景：

• 报错截图直接丢进去，AI 自动定位根因、找解决方案

• UI 开发完截个图，自动和设计稿对比还原度、找偏差

• 流程图、手写笔记、扫描文档，一键提取成结构化信息

ModLens 目前是视觉类插件热度第一，内置6个视觉引擎自动故障转移——一个挂了立刻切下一个，完全不用手动改配置。

安装只需要一行公开可验证的命令：npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@3.18.3

装完配一个免费的 Gemini API Key 就能用，全程5分钟搞定，上手难度极低。适合前端开发者、经常要处理报错截图的职场人——所有有「让AI看看这张图」需求的用户，都能直接装。

——— ✦ ———

dsh-browser：让AI直接操控你登好的浏览器

很多人之前用过 Selenium、Puppeteer 做浏览器自动化，要么要写一堆脚本，要么要重新登录所有账号，用起来特别鸡肋。

dsh-browser 是 DSH 插件加 Chrome 扩展的组合，直接桥接你正在日常使用的 Chrome 浏览器。你所有已经登录的账号、Cookie、Session 全部保留，完全不用给AI重新输密码登后台。

它有两个杀手锏，直接甩开同类工具一大截：

第一，零视觉依赖。

它把网页转成结构化文本，给每个按钮编号，AI 直接按编号操作，不用靠截图去猜位置，5秒就能完成一次操作，比视觉自动化快10倍。

第二，敏感字段自动遮蔽。

密码、银行卡号这类隐私信息不会上传到模型侧，从根上避免信息泄露。

dsh-browser 直接接管你日常用的 Chrome，登录态全程保留，操作可溯源

它能解决90%你日常遇到的网页重复劳动：

• 自动登录后台翻页，批量导出表格数据

• 批量填写重复表单，省掉几小时机械录入时间

• 自动跑 Web 应用测试用例，模拟用户点击全流程

完全不用写代码，用自然语言说需求，就能让AI自己操作浏览器。

据网易新闻报道，它目前是浏览器自动化品类的头部热门插件，运营、测试、做数据采集的职场人几乎人手一个。安装除了跑 DSH 插件命令，只需要再加载一个本地 Chrome 扩展，官方有一键安装脚本，跟着引导走2分钟就能连通。

——— ✦ ———

Agent Teams：一句话拉起AI协作团队

用过 DSH 原生子代理功能的人都知道，原生子任务干完就丢、没有状态管理，中途崩了只能从头再来。

Agent Teams 直接把多 Agent 协作拉到了产品级成熟度，据澎湃新闻源码分析，它已经完全不是玩具项目。

它靠一张有向无环图（DAG）来调度多个角色 Agent 自动协作，支持任务中断后从断点冷恢复、不同 Agent 之间共享状态——你完全不用从零开始搭一套复杂的多 Agent 框架。

你只需要说一句「帮我做一个用户登录系统的完整技术方案」，它就会自动拆分工种：

1. 需求分析师先梳理模糊需求，输出结构化文档

2. 架构师拿到文档，设计技术栈和组件图

3. 代码开发者根据架构，输出可运行的示例代码

整个过程自动流转，中间发现逻辑矛盾还能反向打回上一步补全信息——是有反馈回路的真实协作，不是死板的线性流水线。

Agent Teams 把需求、架构、开发三个角色串成一条有反馈回路的协作链

对比 CrewAI、AutoGen 这类独立多 Agent 框架，它完全原生接入 Harness 生态，能直接联动 ModLens、dsh-browser 这些你已经装好的插件，不用额外做适配。

上手命令一行就能跑：dsh plugin --profile web add @nanmicoder/dsh-agent-teams

装完重启 DSH Web，直接在对话框说「帮我组建一个XX团队做XX事」就能自动开工；有更高需求的，还可以加装 GUI 版本拖拽编辑 DAG 流程。

——— ✦ ———

三款插件横向对比，按需挑选不踩坑

三款插件一张图看明白：各自解决什么、上手难度如何

——— ✦ ———

实测级风险提示：插件虽好千万别乱装

吹完硬货，必须说真话。Harness 目前还在 v0.1.0-rc.8 的开发预览阶段，有几个坑新手一定要避开：

① API 随时可能破坏性变更：当前版本还不是正式 Release，今天能跑的插件，下次版本升级可能直接失效。要上生产，一定要先固定版本号，别盲目追更新。

② 社区插件完全没有官方审核：2600+ 仓库里有硬核工具，也有大量玩具项目，部分恶意插件会后台窃取你的 API 密钥。安装前一定要去 GitHub 仓库看一眼源码和最近更新时间。据安全行业实测反馈，目前已经有用户乱装插件导致 API 被盗刷、本地文件被窃取的案例。

③ 千万不要把 3080 端口暴露到公网：目前官方还没上线 Web 界面登录鉴权机制，已经曝出一个极度危险的漏洞（CVSS 评分9.8，最高级别），不用登录就能远程控制你的机器，攻击代码完全公开，已经有多名用户把端口暴露公网后服务器被入侵、植入探针。普通用户只在本地运行就好，绝对别对公网开放服务。

④ 高并发生产场景仍需谨慎：用 TypeScript 实现的 Harness 版本，高并发性能对比 Rust 实现的 Codex 仍有结构性差距。目前仅适合独立开发者和中小团队快速跑原型，核心重型生产业务建议等后续正式稳定版本再评估。

——— ✦ ———

开放生态降维打击的本质：把选择权还给用户

之前我们用闭源 AI 产品，能力全靠厂商施舍——厂商说这个版本支持识图你才能识图，说暂时不支持浏览器操作你就只能等排期。

而 DeepSeek 走的是 Android 式完全开放路线，用 MIT 协议把全部代码开源，支持40余家海内外大模型自由接入，所有人都能写插件补全能力。

据行业公开信息，OpenAI 旗下新版 Codex 走的是 iOS 式封闭路线，2023年就已下线公开可编程 API，现在仅能通过 ChatGPT 内置 Agent、受限科研通道访问，完全没有定制化空间。

8天2600+插件、30万+Star，这从来不是某一家公司的胜利，而是开放架构对封闭生态的降维打击。

开放路线（Android式）对封闭路线（iOS式）的降维打击：能力补全的自由度完全不一样

对普通开发者和工具用户来说，最直观的感受就是：AI 能力的获取成本已经趋近于零。以前需要一个团队做三个月的自动化工作流，现在你一个人花一下午拼三个插件就能搭出来。

别只当围观者，今天就从 ModLens 开始试——传一张截图进去，感受一下纯文本AI突然「看见」画面的那个瞬间，你就懂这场变革的分量。

LZR，软件开发公司老板。文章编辑：LZR09029988业务范围：DAPP、小程序、APP、分销系统、商城系统开发，关注私信报价。