DeepSeek Harness 开源了，但先别叫“正式版”：从封闭内测到 Developer Preview，只隔了两周

DeepSeek 这两天的消息有点挤。

V4 Pro 正式版上线、API 宣布涨价，紧接着，此前只在评测脚注和开发者群里露面的 DeepSeek Harness 也把代码放了出来。官方 GitHub 仓库已经公开，通过 npm 一条命令就能启动 Web UI，Python SDK 也有了可运行示例。

所以，如果你看到的是"DeepSeek Harness 开启内测"，这条消息不能算错，只是过期得很快。

8 月 1 日，DeepSeek Harness 团队确实还在定向招募测试者，优先面向做过 Agent Harness 开源项目的开发者，申请时需要提交 GitHub ID 和代表项目。到了 V4 Pro 正式版发布前后，产品已经转为公开的开发者预览，代码采用 MIT 许可证。官方负责人崔添翼在社交平台上也把当前状态说得很直接：0.1.0 是 Developer Preview，可能还有不少粗糙之处。

这里的三个词不能混着用：

阶段	现在是否成立	含义
封闭内测	已经发生过	8 月初面向部分开源开发者招募、发放测试资格
开发者预览	当前状态	源码、npm 启动方式和文档已公开，但接口仍会快速变化
稳定正式版	不是	尚无稳定兼容承诺，官方明确警告会出现破坏性变更

Harness 到底是什么

"Harness"直译是马具、挽具。在 Agent 语境里，它指的是模型外面那套把推理变成行动的工程系统。

模型能判断"应该修改这个文件"，Harness 负责把后面的事情接起来：读取仓库、拼装上下文、向模型暴露工具、执行命令、处理权限、收集测试结果、把失败信息送回模型，再决定继续、重试还是停下。

可以粗略写成：

text 复制代码

模型：想清楚下一步做什么
Harness：让这一步安全、持续、可追踪地发生

这也是为什么同一个模型，放进不同的 Coding Agent 后，跑分和实际体验可能差很多。模型权重没变，给它的工具定义、仓库检索方式、上下文压缩、错误重试和停止条件变了，最后完成任务的概率就会变。

DeepSeek 过去主要交付模型和 API，Claude Code、Codex、OpenCode 等工具再负责执行层。现在它亲自做 Harness，相当于不再只卖"脑子"，也开始搭配自己的"手、工作台和操作规程"。

第一版最特别的地方：一切皆插件

DeepSeek Harness 的项目口号很短：Everything is a Plugin。

它没有把工具、沙箱、会话、模型适配器和界面焊死成一整块，而是建立在 Cordis 之上，把能力拆成可组合插件。官方教程里，一个最小插件本质上就是导出 apply 函数的 TypeScript 模块，再通过上下文注册能力。

这套设计看起来更像一个 Agent 工程平台，而不只是"DeepSeek 版 Claude Code"。

从已公开的代码和文档看，当前版本至少有这些值得注意的部分：

Web UI：在本地浏览器里管理工作区、会话和模型，不局限于纯终端交互。
多模型路由：除了 DeepSeek 官方 API，也能配置 Anthropic、OpenAI 或自定义 OpenAI 兼容端点。
会话日志：模型请求、工具调用和执行结果写入连续日志，便于恢复、回放和追查问题。
插件体系：工具、模型适配、权限策略、沙箱和界面能力都可以继续扩展。
Python SDK：可以把同一套 Agent 运行时嵌入脚本或内部系统，而不是只能手动打开产品使用。
任务执行能力：官方快速上手文档明确写到，它能读取和修改工作区文件、运行命令、维护计划并委派子任务。

对企业开发者来说，插件化最有价值的地方不是"可玩性"，而是可以把自家的权限、审计、内部工具和模型网关插进去。真正进入生产环境的 Coding Agent，很少只需要一个 Bash 工具；它还得知道谁可以改什么、哪些命令要审批、凭证放在哪里、失败后怎样回滚。

它和 V4 Pro 跑分是什么关系

DeepSeek 在 V4 Pro 正式版公告中专门加了一条脚注：公开基准里的 Code Agent 任务，使用 DeepSeek Harness 极简模式 测试，模型配置为 max 推理档位、top_p=0.95、temperature=1.0；换用其他框架，结果可能不同。

官方图里的提升很大：

基准	V4 Pro Preview	V4 Pro 0813	变化
Terminal Bench 2.1	72.1	87.9	+15.8
NL2Repo	38.5	61.5	+23.0
Cybergym	52.7	83.3	+30.6
DeepSWE	12.8	62.7	+49.9
Toolathlon-Verified	55.9	74.1	+18.2
AutomationBench（Public）	12.8	31.8	+19.0
DSBench-FullStack	41.8	71.1	+29.3
DSBench-Hard	31.1	67.2	+36.1

不过，不能把这些涨幅全部算在 Harness 头上。对比中的模型也从 Preview 升级到了 V4-Pro-0813，官方没有做"同一模型、只更换 Harness"的消融实验。现有数据能证明的是 V4 Pro 0813 + DeepSeek Harness 极简模式这套组合很强，不能单独证明 Harness 带来了多少分。

好消息是，极简模式现在已经公开。官方 Python SDK 文档把它的组成写得相当清楚：只给模型持久化 Bash 和 str_replace_editor 两个工具，不启用上下文压缩，默认记录未压缩 JSONL 会话日志。仓库里的 BENCHMARK.md 也要求独立任务使用不同工作区和会话 ID。

这让外部复现至少有了入口。接下来真正值得看的，不是官方组合能不能再刷高几分，而是社区能否用相同模型、相同任务，对 DeepSeek Harness、Claude Code、Codex 和其他开源 Harness 做公平的横向实验。

现在就能跑，启动并不复杂

安装 Node.js 后，官方给出的最短启动命令只有一行：

bash 复制代码

npx @deepseek-ai/dsh web

默认会在本机启动 Web UI：

text 复制代码

http://127.0.0.1:3080

打开页面后，在 Settings → Models 中填写 DeepSeek API Key，选择一个工作目录，就可以新建会话。官方建议的第一条测试任务是让 Agent 总结仓库并识别主要软件包。

如果要嵌入自己的程序，则可以使用 Python SDK。官方要求 Python 3.10 以上，并提供了 deepseek-harness-sdk 包和 JSON-RPC Agent 示例。

这里要多提醒一句：不要一上来就把它指向有重要文件的主目录。 官方极简 Python 示例采用 danger-full-access，Bash 和编辑器能够修改运行进程可见的任意路径。文档明确建议放在一次性仓库、虚拟机或容器里测试。

Windows 用户也要注意，官方 Python 极简组合依赖持久化 POSIX PTY，目前不支持 Windows Agent。稳妥做法是先放进 WSL2、Linux 虚拟机或容器，不要为了尝鲜直接给宿主机广泛权限。

为什么还不能把它当生产工具

GitHub 首页用全大写写了一句警告：未来会有破坏兼容性的变更。 这不是客套话。

截至本文写作时，npm 上的启动包仍处于 0.1.0-rc 序列；底层 Cordis 也标注为活跃开发、API 尚不稳定。公开讨论区已经有人报告子 Agent 消息顺序、会话恢复等边缘问题。这些恰好说明项目是真开源、真有人在跑，也说明现在更适合试验和参与开发，而不是直接接管公司的生产仓库。

目前至少还有几件事需要观察：

插件 API 稳定后，升级能否不频繁打断第三方生态。
默认权限和沙箱策略是否足够保守，能不能让普通开发者不看长文档也安全上手。
长会话的上下文压缩、恢复和成本控制是否稳定。
社区插件是否会形成统一的发现、签名、版本和信任机制。
除了 DeepSeek V4，自定义模型在工具调用和多 Agent 场景中的兼容性如何。

DeepSeek 真正想做的，可能不只是一个代码助手

如果只想让 V4 接入现有开发工具，DeepSeek 已经提供了 Claude Code、Codex、OpenCode、Pi 等集成文档，没必要再造一个规模不小的 Harness。

现在选择把执行层开源，并强调通用插件和 SDK，说明它瞄准的更可能是一套 Agent 基础设施：代码开发只是最先跑通、也最容易量化的场景。未来同样的上下文管理、工具调度、权限控制和会话系统，也可以装进研究、数据分析、运维和办公 Agent。

这也是 Harness 发布比"又多了一个 AI 编程客户端"更值得关注的原因。模型能力正在趋近，真正拉开体验的，越来越多是模型之外的工程：它能不能连续工作几个小时，能不能从失败里恢复，是否知道何时该问人，出了问题后有没有日志可查。

DeepSeek 已经把第一版答案公开了，只是答案旁边还贴着"施工中"。

所以，对这次发布最准确的描述应该是：DeepSeek Harness 已结束只闻其声的阶段，正式进入公开开发者预览；人人都能试，但还不适合闭眼上生产。

资料来源

注：项目仍在快速更新，版本号、安装包和兼容性可能在短时间内变化。实际安装前建议再次查看官方 README 与发行说明。