DeepSeek Harness开源第一天我就上手了——和Claude Code的差距比想象中大

昨晚DeepSeek把Harness开源了。GitHub一天5万star，评论区全在喊"Claude Code杀手"。

我第一时间装上跑了一遍。结论先放这：它不是Claude Code的替代品，它是一个完全不同的东西。差距不是"谁更强"，而是"压根不在同一个赛道"。

30秒装完，但有坑

装它只需要一行命令：

npx @deepseek-ai/dsh web

等一两分钟下载完，终端会输出一个地址：http://127.0.0.1:3080/。打开浏览器就能用。

但第一个坑来了------Web版默认把Skills功能关了，不报错，你根本不知道它没生效。 需要手动patch才能开启：

cat > ~/enable-skills.yml <<'EOF'
- id: skill-filesystem
  disabled: false
- id: tool-skill
  disabled: false
- id: skill-badge
  disabled: false
EOF

npx @deepseek-ai/dsh web --patch ~/enable-skills.yml

启动前还要确认3080端口没被占用：

lsof -nP -iTCP:3080 -sTCP:LISTEN

有输出说明上一个dsh实例还在跑，kill掉再启动。

对比Claude Code的安装：npm install -g @anthropic-ai/claude-code，然后直接在终端里敲claude就能用。不需要浏览器，不需要patch配置文件，不需要检查端口。

第一个差距：Claude Code是终端原生的，DSH是BS架构的Web UI。 这不是技术优劣的问题，是设计哲学的根本分歧。

四种模式，其实是四套插件组合

DSH内置四种预设模式：

模式	定位	加载的插件集
标准模式	完整编程助手	Shell + 文件编辑 + 搜索 + UI全家桶
PTC模式	程序化工具调用	TypeScript组合多步操作
极简模式	仅Shell+文件编辑	适合模型基准测试
创造模式	动态加载插件	可创作全新模式

PTC模式是最有意思的一个。它让你用TypeScript来编排工具调用：

// PTC模式下的多步操作编排
const result = await dsh.compose([
  tools.file.read('src/components/Dashboard.tsx'),
  tools.analyze.dependencies(),
  tools.refactor.extract({
    target: 'useChartData',
    type: 'custom-hook'
  }),
  tools.file.write('src/hooks/useChartData.ts')
]);

这段代码及其子调用会经过完整的安全流水线------Hook、审批、权限检查、沙箱、超时控制，不能绕过任何一层。

Claude Code没有这个概念。它的工具调用是模型自主决定的，开发者无法用代码预编排一条确定性的执行路径。

这是第二个差距：DSH给了开发者"确定性编排"的能力，Claude Code给了模型"自主决策"的自由。

核心架构：一切皆插件

DSH的设计哲学用一句话总结：Model + Harness = Agent。

什么是Harness？它决定了：

• 模型能看到什么（上下文管理）
• 可以调用哪些工具（工具注册）
• 如何组织上下文（会话策略）
• 遇到错误怎么重试（容错逻辑）
• 什么时候判断任务完成（终止条件）

同一个模型放进不同的Harness，最终表现可能天差地别。

DSH把这个理念推到了极致------连Agent Loop本身都是插件，可以替换。

┌─────────────────────────────────────────┐
│              DeepSeek Harness            │
├─────────────────────────────────────────┤
│  Cordis 微内核（只管插件加载/卸载/依赖）  │
├─────────────────────────────────────────┤
│  插件层（全部可替换）：                    │
│  ┌────────┐ ┌────────┐ ┌────────┐      │
│  │ Model  │ │ Tools  │ │ Skills │      │
│  └────────┘ └────────┘ └────────┘      │
│  ┌────────┐ ┌────────┐ ┌────────┐      │
│  │Session │ │Sandbox │ │Storage │      │
│  └────────┘ └────────┘ └────────┘      │
│  ┌────────┐ ┌────────┐ ┌────────┐      │
│  │  Loop  │ │Schedule│ │   UI   │      │
│  └────────┘ └────────┘ └────────┘      │
└─────────────────────────────────────────┘

对比Claude Code：模型固定(Claude)、工具固定(Bash/Read/Write/Edit等)、Loop不可替换、UI就是终端。你能扩展的只有MCP Server和Skills。

第三个差距：DSH的可替换边界从"工具层"下沉到了"整个运行时"，Claude Code的可替换边界止步于"工具和技能"。

工具调用流水线：这个设计确实精妙

DSH的工具调用不是简单的"模型说调就调"。每次调用会经过一条完整的流水线：

请求 → Hook → 审批 → 权限检查 → 沙箱 → 超时控制
                                              ↓
UI渲染 ← 记录 ← 结果改写 ← 执行 ←──────────┘

开发者可以在任何环节插入自己的插件，不需要修改工具本身，也不需要改Agent Loop。

举个前端场景：你想让所有文件写入操作都先经过ESLint检查：

// 注册一个文件写入的前置Hook插件
export default class EslintGuardPlugin {
  static inject = ['tools'];
  
  constructor(ctx) {
    ctx.before('tool/file-write', async (event) => {
      const { path, content } = event.params;
      if (path.endsWith('.ts') || path.endsWith('.tsx')) {
        const result = await eslint.lintText(content, { filePath: path });
        if (result[0].errorCount > 0) {
          event.prevent();
          return { blocked: true, errors: result[0].messages };
        }
      }
    });
  }
}

Claude Code要实现同样的效果？写一条Hook规则在settings.json里，能做到"拦截"，但粒度远不如这个------你没法拿到工具调用的参数做条件判断，更没法改写结果。

Model Agnostic：不锁模型

DSH默认支持DeepSeek自家模型，但可以切换到近40家模型商的接口。配置方式：

# $DSH_HOME/settings.yaml
providers:
  - name: anthropic
    kind: openai-compatible
    base_url: https://api.anthropic.com/v1
    model: claude-sonnet-4-20250514
    api_key_env: ANTHROPIC_API_KEY
  - name: openai
    kind: openai
    base_url: https://api.openai.com/v1
    model: gpt-4o
    api_key_env: OPENAI_API_KEY

也就是说，你可以用Claude的模型跑在DSH的Harness里。这个组合有没有比原生Claude Code更好？理论上不会------因为Claude Code的Harness是为Claude模型专门优化的（比如system prompt、context管理策略）。但它给了你一个"对照实验"的环境。

Claude Code则完全锁定Claude模型，没有切换选项。这不是缺点------专用系统的上限永远高于通用系统的上限。 Claude Code针对Claude模型做了大量Harness层的优化，这些优化在通用框架里做不到。

实际体验：写一个React组件

我让DSH的标准模式（默认DeepSeek V4-Pro）写一个带虚拟滚动的表格组件：

DSH的执行过程：

1. 读取项目结构 → 分析依赖
2. 生成组件代码
3. 写入文件
4. （没有自动运行类型检查）
5. （没有自动验证渲染结果）

同样的任务用Claude Code：

1. 读取项目结构 → 分析依赖 → 读取现有组件风格
2. 生成组件代码
3. 写入文件
4. 自动运行tsc --noEmit检查类型
5. 发现类型错误 → 自动修复 → 再次检查
6. 启动dev server → 验证渲染

差距在哪？Claude Code有一个成熟的"自我纠错循环"------写完代码会自动验证，出错会自动修。 DSH目前的Agent Loop还没有这么深度的自我验证机制，更多是"你让我做什么我就做什么"。

这是v0.1 developer preview的现实。DSH团队自己也说了：当前仍有大量细节需要打磨。

真正的对比维度

不是"谁代码写得好"，而是定位完全不同：

维度	DeepSeek Harness	Claude Code
定位	可组装的Agent运行时底座	成熟的AI编程助手
目标用户	Harness开发者/框架作者	想用AI写代码的程序员
模型	40+家可切换	锁定Claude
可替换范围	整个运行时（含Loop/UI/Session）	工具层（MCP/Skills）
Agent Loop	插件，可替换	内置，深度优化
安装门槛	Node.js + npx + 端口配置	npm install + 一个命令
UI形态	Web UI(3080端口)	终端原生
成熟度	v0.1 developer preview	生产级，日活百万+
自我纠错	基础	深度（类型检查+运行验证）
开源协议	MIT	闭源

我的判断

短期（6个月内）：Claude Code仍然是日常编程的最优解。 没有哪个v0.1的框架能在开箱体验上打过一个打磨了一年多的成熟产品。如果你明天要交项目，用Claude Code。

中长期（1-2年）：DSH的架构设计可能改变游戏规则。 "一切皆插件"的底座一旦生态成型（Cordis已有4000+社区插件的积累），会出现Claude Code做不到的玩法------比如针对你们团队的代码规范训练一个专属的Agent Loop插件，比如把代码审查、部署、监控串成一条完全自定义的流水线。

最值得关注的信号： DSH发布的同时，DeepSeek把V4-Pro模型的价格从8/17开始上调（输出峰值27元/百万tokens）。这意味着DeepSeek要用Harness的免费开源生态来反哺模型的付费收入------和OpenAI用ChatGPT免费版拉用户、Codex收钱的逻辑一模一样。

如果你是普通前端开发者： 今天不用急着换。但装一个玩一下，理解"Harness"这个概念------Model + Harness = Agent。这个公式比任何具体工具都重要，因为它决定了未来你会怎么选择和组合AI编程工具。

快速上手速查表

步骤	命令/操作
前置要求	Node.js v18+
快速启动	npx @deepseek-ai/dsh web
全局安装	npm install -g @deepseek-ai/dsh
源码安装	git clone → pnpm install → pnpm run build → pnpm dsh web
访问地址	http://127.0.0.1:3080/
首次配置	填入DeepSeek API Key
开启Skills	创建patch yaml → --patch参数启动
切换模型	设置页面 或 $DSH_HOME/settings.yaml
切换模式	Web UI顶部下拉选择
查看插件	设置 → 插件管理 → 启用/禁用
Python SDK	pip install deepseek-harness-sdk（内置运行时，无需Node.js）

你装了吗？你觉得DSH的"一切皆插件"是真正的架构创新，还是过度设计？评论区说说你的判断。