DeepSeek Harness 发布,一切皆是插件

DeepSeek Harness 正式发布。

这几天的 AI 圈,多少有点过年的意思。

前脚马斯克刚发布 Grok 4.6,

后脚 DeepSeek 刚发完 V4 Pro,现在又把 DeepSeek Harness 端了上来。

Github 上开源没多久已经 50k start,实在太离谱!

github.com/deepseek-ai...

DeepSeek Harness 是什么?

先把 Harness 这个词说清楚。

大模型本身只负责理解和生成内容。要让它真正干活,还得给它接上文件系统、Shell、搜索、Skills、沙箱和会话管理,再用一套 Agent Loop 控制它不断地"思考---调用工具---检查结果"。

负责把这些东西串起来的,就是 Harness。

简单来说,模型决定 Agent 聪不聪明,Harness 决定 Agent 怎么干活。

DeepSeek 这次把这套 Agent 运行框架完整开源了,采用 MIT 协议。你可以直接拿来使用,也可以基于它搭建自己的 Agent。

但 DeepSeek Harness 真正有意思的地方,不只是开源,而是它的核心设计:

「Everything is a plugin」

一切皆插件。

这里的"一切"并不是一句宣传口号。大模型、工具、Skills、会话、沙箱、文件系统、Agent Loop、任务编排,甚至 Web UI,都被拆成了插件。

也就是说,框架里没有一套必须照着用的固定组合。

你可以换掉模型,增减工具,重新配置 Agent 的运行循环,或者针对不同任务装配不同的能力,而不需要把整套框架推倒重写。

它底层使用的是 Cordis 元框架。插件之间通过服务和事件协作,依赖关系交给框架处理;插件被卸载时,相关能力和产生的副作用也会一并撤销。

如果把普通 Agent 看成一套装修好的房子,家具摆在哪里、房间怎么用,基本已经定好了。

那么 DeepSeek Harness 更像一套乐高底座。

模型是一块,工具是一块,Skills 和 Agent Loop 也是一块。需要什么就装什么,不合适就换掉,再按自己的任务重新拼一套。

所以,DeepSeek Harness 并不是又做了一个固定形态的 Coding Agent。

它更想解决的问题是:如何让开发者自己组装 Agent。

说了这么多,先把它跑起来看看。

DeepSeek Harness 提供了 Web UI,安装门槛不高。电脑上准备好 Node.js,然后执行:

bash 复制代码
npx @deepseek-ai/dsh web

命令运行后,会在本地启动一个 Web 服务,默认地址是:

arduino 复制代码
http://127.0.0.1:3080

打开浏览器,就能看到 DeepSeek Harness 的操作界面。

不过,第一次打开还不能直接开聊,需要完成两个配置。

在 Settings → Models 中填入模型和 API Key,然后选择一个本地项目目录作为 Workspace。DeepSeek Harness 会在这个目录中读取文件、修改代码和执行命令,所以别一上来就选存放重要资料的目录。

想从源码启动也不复杂:

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

进入 Web UI 后,可以看到 DeepSeek Harness 提供了四种 Agent 预设模式:

它们并不是四套互不相干的 Agent,也不只是换了几段提示词。

底层还是同一个 Harness,只是针对不同任务,装配了不同的工具、Skills 和运行时能力。

标准模式

这是功能比较完整的通用模式。

文件编辑、Shell、网页检索、Skills、任务计划、子 Agent 等能力基本都配齐了。第一次使用不知道怎么选,直接从这个模式开始就行。

PTC 模式

PTC 模式保留了标准模式的大部分能力,但改变了工具的调用方式。

面对连续多步操作时,模型可以生成一段 TypeScript 程序,通过一次 run_code 组合多个工具调用,减少模型与工具之间反复往返。

简单任务可能感觉不明显,调用链一长,差别就出来了。

极简模式

极简模式只保留持久化 Bash 和 str_replace_editor 两项工具。

工具少了,模型需要做的选择也少了。如果任务路径已经很明确,只想让 Agent 直接修改代码,这种模式反而更加干脆。

创造模式

这个模式就比较有意思了。

它在标准模式的基础上,加入了 Cordis 运行时检查、临时插件实验和 Agent Preset 创建能力。Agent 不仅能使用现有插件,还可以探索自己的运行环境,重新组合能力,甚至创建新的预设模式。

不过,它也可能运行模型生成的插件代码,权限更高,更适合清楚自己在做什么的开发者。测试时建议放在独立项目和受控环境里,别直接拿重要代码库开整。

四种模式看下来,你会发现 DeepSeek Harness 的重点并不是让用户在几个现成 Agent 之间做选择。

它真正想做的,是让同一个 Agent 根据任务临时改变自己的形态。

写代码时装一套插件,查资料时换一套,复杂任务再加上子 Agent 和编排能力。所谓"一切皆插件",到了这里才算真正落地。

官方也内置了不少插件,模型、工具、Skills、沙箱和 UI 都在其中:

目前,DeepSeek Harness 还处于 Developer Preview 阶段,官方也明确提醒,后续可能出现不兼容的改动。

所以,现阶段就拿它替代 Claude Code 或 Codex,可能还早了点。

但如果你正在折腾 Agent、研究 Skills 和工具编排,或者想搭一套自己的 AI 工作流,这个项目确实值得拉下来看看。

说到底,模型只是 Agent 的一部分。

模型负责想,Harness 负责把活干完。

DeepSeek 这次开源的,恰好是后半部分。

至于"一切皆插件"最后能玩出什么花来,我也挺期待。

先占个坑,后面实战一段时间,再回来聊聊。

我是宅小年,下期我们再见!

关注公众号「宅小年」,阅读更多分享文章

相关推荐
日日大王学编程9 小时前
AI Agent 技术发展历程、演进逻辑与技术范式综述
人工智能·python
Yuzhiyuxia9 小时前
【AI Agent面试系列】上下文管理1
人工智能·面试·职场和发展
王中阳Go10 小时前
预算给够了,时间花错了地方:三跳链路给了 27 秒,实际只用掉 9 秒
人工智能·后端·性能优化
方方洛10 小时前
ray教程-25-附录E-端到端实战案例
人工智能·分布式·机器学习
火山引擎开发者社区10 小时前
上万个 Agent 在线不乱跑,云沙箱给 Agent 造了间“独立办公室”
人工智能
神鹰手哥_起飞版10 小时前
一句话生成带品牌 logo 的架构图:方舟 Seed 2.1 负责听懂,代码负责画准
人工智能
老马识码10 小时前
WorkBuddy 的连接器是怎么统一到 MCP 的
人工智能
武子康10 小时前
动作和画面时间最近,就能配成训练样本吗?
人工智能·深度学习
wangfpp10 小时前
Skill渐进式披露指南
人工智能
Marco_康10 小时前
AgentFleet 跨设备调度实测:303 tasks/s,设备掉线 0 丢任务
人工智能