思考未来

2026年8月13日

DeepSeek Harness：DeepSeek 开源的不是又一个 Agent，而是一套 Agent 运行底座

作者： 拾水木 时间： 2026年8月13日 标签： DeepSeek Agent 开源项目 AI工具 阅读时间： 约5分钟

作者： 拾水木
时间： 2026年8月13日
标签： #DeepSeek #Agent #开源项目 #AI工具
阅读时间： 约5分钟

最近的 Agent 项目越来越多，但真正难的已经不是“让模型调用一次工具”。

一个 Agent 要长期工作，还要处理会话、工具权限、上下文、文件系统、后台任务、子 Agent、模型切换和状态恢复。只写一个 while 循环，很快就会变成无法维护的工程。

DeepSeek 刚开源的 DeepSeek Harness，处理的就是这一层问题。

它不是新模型，也不是套壳聊天页面。更准确地说，它是一套用于组装、运行和扩展 Agent 的基础设施。

项目地址：

https://github.com/deepseek-ai/deepseek-harness

一句话理解 DeepSeek Harness

如果把大模型比作“大脑”，那么 Harness 更像 Agent 的身体和工作环境。

模型负责判断下一步做什么，Harness 负责把这件事真正运行起来：

  • 把系统提示词和工具定义交给模型
  • 执行 Bash、文件编辑等工具
  • 记录每一步会话事件
  • 控制权限、审批和沙箱
  • 管理后台任务和子 Agent
  • 保存状态，并在中断后继续
  • 接入不同模型和客户端

所以，它和 DeepSeek 模型不是绑定关系。官方界面默认支持配置 DeepSeek，也能添加 Anthropic、OpenAI，以及自定义的 OpenAI 兼容端点。

这也是我觉得这个项目值得关注的地方：DeepSeek 开源的不只是一个“能跑起来的 Agent Demo”，而是把 Agent 的运行层单独做成了产品。

先跑起来看看

官方给出的最短启动方式只有一条命令：

npx @deepseek-ai/dsh web

命令会启动 Web UI，默认地址是：

http://127.0.0.1:3080

打开页面后，进入“设置 → 模型”，填写 DeepSeek API Key。然后选择一个本地项目目录作为 workspace，就可以给 Agent 下任务，例如：

总结这个代码仓库，并说明主要模块之间的关系。

根据官方文档，Web 模式下的 Agent 可以读取和修改工作区文件、运行命令、维护计划和委派任务。涉及当前权限策略需要确认的操作时，界面会先发起审批。

如果要从源码运行，官方步骤是：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

当前 npm 包仍是 0.1.0-rc 阶段。仓库也明确标注为 Developer Preview，后续会有破坏兼容性的变更。现在更适合体验、研究和二次开发，不适合未经验证就接入关键生产流程。

它和普通 Agent 框架有什么不同？

DeepSeek Harness 最鲜明的设计是：

一切皆插件。

它底层使用 Cordis。模型适配器、工具注册表、会话日志，甚至 Agent Loop 本身，都是可以组合和替换的插件。

传统 Agent 框架通常有一个不可替换的核心循环。需要新增能力时，要么修改核心代码，要么在外围增加钩子。功能越来越多以后，核心会越来越重。

DeepSeek Harness 的思路不同。运行中的 dsh 是一棵插件树，开发者通过 Profile、Bundle 和配置 Patch 组装出需要的 Agent。

例如：

  • web Profile 提供浏览器界面
  • headless Profile 适合无人值守任务
  • 模型提供方可以替换
  • 文件系统和 Shell 后端可以替换
  • 子 Agent 的实现可以替换
  • 工具、权限策略和持久化方式也可以替换

开发者不必为了接入一个新能力去修改所谓的“核心内核”，而是把新插件挂到已有插件旁边。

这种架构前期理解成本更高，但适合长期演进的 Agent 系统。

会话不是聊天记录，而是一条事件日志

另一个值得注意的设计，是它对会话的处理。

DeepSeek Harness 使用只追加的 Session Event Log。用户消息、模型回复、工具调用、工具结果、步骤开始和结束，都会成为持久化事件。

模型下一次看到的上下文，也是从这条日志重新推导出来的。

这样做有几个直接好处：

  1. 可以回放：Web UI 能重建当时发生了什么。
  2. 可以恢复：中断后能从持久状态继续。
  3. 可以分叉：从某个边界创建新的会话分支。
  4. 便于审计：工具执行和模型输入不只存在于临时内存。

官方架构文档给出了一条很严格的原则：模型可见的内容必须已经被记录，并且能够从日志中重建。

对于只做一次问答的 Bot，这套设计有些重。但当 Agent 要工作几十分钟、调用大量工具，甚至需要多个子 Agent 协作时，事件日志比普通 messages 数组可靠得多。

它已经包含哪些能力？

从当前仓库的包和官方示例来看，DeepSeek Harness 已经覆盖了不少 Agent 基础能力：

1. Web 和 Headless 两种运行方式

既可以在浏览器里交互，也可以用 Headless Profile 执行一次任务，输出结果后退出。

2. 多模型提供方

除 DeepSeek 外，可以配置 Anthropic、OpenAI和自定义 OpenAI 兼容接口。Bedrock、Vertex、Azure、Codex 等原生认证方式也有独立配置要求。

3. Shell、终端与后台任务

它不只支持一次性命令，也有持久 Bash、终端、后台 Job、状态查询和取消机制。

4. 子 Agent

仓库中可以看到进程内子 Agent、ACP 子 Agent，以及连接 Claude Code、Codex 的实现。也就是说，“委派任务”本身被抽象成了可替换能力。

5. Skills 与 MCP

项目包含 Skill 子系统，并提供通过通用 MCP 客户端接入第三方记忆服务器的示例。

6. Python SDK 和协议接口

除了 Node.js CLI，官方还提供 Python SDK、JSON-RPC 示例和 ACP 自动化服务器，方便其他程序把 Harness 当成运行时调用。

这使它更接近一个 Agent Runtime，而不只是一个聊天应用。

安全边界不能忽略

Agent 能改文件、执行命令，也意味着它能造成真实破坏。

DeepSeek Harness 提供工具审批、沙箱模式和可替换的文件系统/执行后端，但具体安全性取决于你使用的 Profile 和配置。

官方 Python SDK 的最小示例就明确写着：该组合使用 danger-full-access，Bash 和编辑器可以修改运行进程有权访问的任何路径，只应在可丢弃的代码副本或容器里运行。

第一次体验时，至少做到三点：

  • 不要直接选择包含重要私人文件的目录
  • 不要在拥有生产凭据的环境中测试
  • 优先使用临时仓库、容器或可随时丢弃的 workspace

“有审批按钮”不等于天然安全。真正要用于团队或生产环境，还需要明确工具白名单、凭据隔离、沙箱后端和审计策略。

它适合谁？

如果只是想找一个开箱即用的 AI 助手，DeepSeek Harness 目前不一定比成熟产品省事。

它更适合三类人：

  • 正在开发 Coding Agent 或通用 Agent 的工程师
  • 需要把不同模型、工具和执行环境组合起来的团队
  • 想研究长时运行 Agent 如何处理状态、权限和扩展性的开发者

它目前最大的价值，不是“今天就替代 Claude Code 或 OpenClaw”，而是提供了一套完整、开放、可以拆解的 Agent 工程样本。

我的判断

DeepSeek Harness 最值得看的，不是 Web UI，也不是它能调用多少工具，而是它对 Agent 工程化的判断：

Agent 的差异，不会只来自模型。运行时、工具系统、状态管理、权限边界和扩展方式，也会成为产品能力的一部分。

“一切皆插件”让它拥有很强的组合能力，也带来了明显的复杂度。Cordis、Profile、Bundle、Patch、事件域和 Capability Seam，都需要开发者花时间理解。

再加上项目仍处于开发者预览阶段，没有稳定 Release，当前接口也可能快速变化。

所以我不会把它描述成“已经成熟的新一代 Agent 框架”。更准确的说法是：

这是 DeepSeek 对 Agent Runtime 的一次完整开源表达。现在适合研究和试用，是否适合长期采用，还要看它接下来如何稳定接口、形成插件生态，并给出更有说服力的真实任务评测。

参考资源