DeepSeek Harness 安装配置教程:0.3元/刀,接入 GPT-5.6 Sol、DeepSeek V4 Pro 等模型

最近 DeepSeek 的 DeepSeek Harness 开始受到不少关注。

简单来说,它不只是一个普通的 AI 对话工具,而是一套面向 Agent 和编程任务的 Harness 环境。

除了基础的模型对话之外,它还提供了 Web UI、会话管理、工作目录以及 Agent 等能力。

更重要的是,DeepSeek Harness 支持添加 OpenAI 兼容的自定义模型提供方。

这意味着,我们不一定只能使用默认模型。

通过配置第三方 API,可以把 GPT-5.6 Sol、Claude Opus 5、Gemini 3.7 Flash、DeepSeek V4 Pro 等模型统一接入 DeepSeek Harness,在同一个 Web 界面里直接切换使用。

今天就给大家完整演示一下配置方法。

整个过程并不复杂,基本上十分钟左右就可以完成。


一、开始前需要准备什么?

正式安装之前,需要提前准备两个东西:

1.Node.js 24

DeepSeek Harness 目前要求使用 Node.js 24 环境。

2.一个可用的 API 令牌

我们这里使用 DeepRouter 作为模型 API 提供方。

配置完成之后,就可以直接在 DeepSeek Harness 中获取 DeepRouter 当前支持的模型,并根据自己的需求进行切换。

准备完成后,就可以开始安装。

⸻

二、安装 Node.js 24 环境

首先我们来安装 Node.js 24。

npm 会随着 Node.js 一起安装,所以不需要再单独安装 npm。

可以根据自己的系统选择对应版本:

如果使用国内镜像,进入下载目录以后找到:

v24.x.x

然后根据自己的操作系统以及 CPU 架构下载安装包。

例如:

  • Windows x64
  • macOS Apple Silicon

安装完成以后,建议关闭并重新打开终端。

然后输入:

复制代码
node --version
npm --version

如果 Node.js 返回类似:

v24.x.x

说明 Node.js 环境已经安装成功。

需要注意的是:

node --version 的版本必须以 v24. 开头。

如果显示的是 Node.js 20、22 等其他版本,建议先切换到 Node.js 24 再继续下面的操作。

⸻

三、安装 DeepSeek Harness

环境准备完成后,接下来安装 DeepSeek Harness。

这里有两种方法。

对于普通用户,我更推荐第一种 npx 方式,步骤最少。

方法一:直接通过 npx 运行

打开终端,输入:

复制代码
npx @deepseek-ai/dsh web

第一次运行需要下载相关依赖,因此可能需要等待一段时间。

运行成功后,DeepSeek Harness 会启动本地 Web UI。

默认访问地址:

http://127.0.0.1:3080/

直接复制到浏览器打开即可。


方法二:从 GitHub 源码运行

如果你希望直接使用项目源码,也可以通过 GitHub 仓库安装。

执行安装命令:

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

完成之后,同样会启动 DeepSeek Harness Web UI。

浏览器打开:

http://127.0.0.1:3080/

即可进入管理界面。

对于只是想体验 DeepSeek Harness 的用户来说,没有必要折腾源码安装,直接使用前面的 npx 方法会简单很多。


四、配置 API 令牌

DeepSeek Harness 安装完成以后,接下来就是最关键的一步:

添加第三方模型。

打开 DeepSeek Harness Web UI页面:

http://127.0.0.1:3080/

然后依次进入:

设置 → 模型 → 添加自定义提供方

这里需要填写模型提供方的信息。

按照下面的方式配置即可:

例如 Provider ID 可以填写:

deeprouter

API 地址填写:

deeprouter.top/v1

然后把自己创建好的 DeepRouter API 令牌粘贴到 API 密钥的位置。

API 协议选择:

openai-completions


五、获取可用的模型ID

API 配置完成以后,可以直接点击:

获取可用模型

如果接口配置正确,DeepSeek Harness 会自动获取当前可以使用的模型列表。

然后把自己需要的模型勾选添加进来即可。

也可以直接手动填写模型 ID。

例如:

  • gpt-5.6-sol
  • claude-opus-5
  • gemini-3.7-flash
  • deepseek-v4-pro
  • deepseek-v4-flash

这样最大的好处就是:

不同厂商的模型可以放到同一个 DeepSeek Harness 里面使用。

比如编程任务可以根据自己的需求切换 GPT-5.6 Sol、Claude Opus 5 或 DeepSeek V4 Pro,不需要来回切换不同客户端。

配置完成后,点击:

保存配置

到这里,模型接入基本就完成了。


六、开始使用 DeepSeek Harness

回到 DeepSeek Harness 的对话页面。

首先选择需要操作的:

工作目录

然后在模型选项中找到刚才添加的模型ID。

例如选择:

gpt-5.6-sol

或者:

deepseek-v4-pro

接下来就可以正常创建任务了。

由于模型是直接接入 DeepSeek Harness,所以除了普通对话之外,仍然可以继续使用 Harness 本身提供的工作目录、会话以及 Agent 等能力。

也就是说:

DeepSeek Harness 负责 Agent 和交互环境,DeepRouter 负责提供不同模型的 API。

这样就可以根据不同任务自由选择模型,而不是被固定在单一模型上。


七、为什么推荐这样配置?

如果只是简单聊天,其实没有必要专门安装 DeepSeek Harness。

它真正比较有意思的地方,是把:

模型 + Agent + 工作目录 + Web UI

整合到了一起。

再加上它支持 OpenAI 兼容的自定义提供方,就给第三方模型留下了很大的扩展空间。

通过 DeepRouter 接入之后,可以把多个主流模型集中到一个 Harness 环境里。

比如:

GPT-5.6 Sol

适合复杂编程、Agent 和长流程任务。

Claude Opus 5

可以用于复杂代码理解、项目分析以及长文本任务。

Gemini 3.7 Flash

可以根据速度和成本需求灵活使用。

DeepSeek V4 Pro / Flash

则可以作为 DeepSeek 系列模型的不同性能和速度选择。

对于经常折腾 AI 编程工具的人来说,这种方式的优势还是比较明显的:

一个 Harness,直接切换不同模型。

不用为了体验一个新模型就重新安装一套客户端。


八、常见问题

  1. 输入 npx @deepseek-ai/dsh web 无法运行怎么办?

首先检查 Node.js:

node --version

确认版本是否为:

v24.x.x

如果 Node.js 版本不符合要求,先安装或切换到 Node.js 24。


2.浏览器打不开 127.0.0.1:3080 怎么办?

确认运行 DeepSeek Harness 的终端窗口没有被关闭。

dsh web 本质上是在本机启动 Web 服务。

如果终端中的程序已经退出,本地 Web UI 自然也无法访问。

重新运行:

npx @deepseek-ai/dsh web

然后再次访问:

http://127.0.0.1:3080/


获取不到模型怎么办?

重点检查以下三个地方:

API 地址:

https://deeprouter.top/v1

API 协议:

openai-completions

以及 API 密钥是否填写正确、令牌是否仍然有效。

如果自动获取模型失败,也可以尝试直接手动添加对应的模型 ID。


3.每次使用都需要重新配置 API 吗?

不需要。

正常保存提供方和模型配置以后,后续启动 DeepSeek Harness 直接选择对应模型即可。


总结

DeepSeek Harness 本身提供了一套比较完整的 Web UI 和 Agent 工作环境,而它对 OpenAI 兼容模型提供方的支持,又进一步提高了可扩展性。

整个配置过程其实只有三个核心步骤:

安装 Node.js 24 → 启动 DeepSeek Harness → 添加 API配置。

配置完成以后,就可以直接在 Harness 中切换:

GPT-5.6 Sol、Claude Opus 5、Gemini 3.7 Flash、DeepSeek V4 Pro / Flash 等模型。

如果你本身就在使用 Codex、Claude Code 这一类 AI 编程工具,那么 DeepSeek Harness 也非常值得体验一下。

尤其是想尝试不同旗舰模型,又不希望反复折腾不同客户端的用户,这种 Harness + 第三方 API 的方式会方便很多。

相关推荐
全栈弄潮儿²⁰²⁴6 天前
AI Agent 开发实战(30):限流、缓存与成本控制
人工智能·gpt·缓存·agent·限流·agi·成本控制
LorryJovens6 天前
【LAAP科研】双系统具身AGI范式研究——基于LAAP认知架构与Jev概率决策模型的系统性技术调研与范式验证
人工智能·gpt·安全·架构
徐健峰6 天前
Windows 安装 Codex CLI 教程:npm 安装、首次登录与常见报错排查【无图精华版】
人工智能·gpt
BJ_Kingfisher7 天前
GPT Image 2.5 到底改了什么:一个单模型拆成了两条道
大数据·科技·gpt
ServBay7 天前
ChatGPT Pro 20X 限时回归
gpt·chatgpt·openai
码狂☆8 天前
GPT-6 Astra 上线 Codex:1.4 折接入教程
人工智能·gpt
tiger8658 天前
大语言模型面试和题解,梳理中国主流开源 LLM 系列的发展脉络、技术路线与工程取舍
人工智能·gpt·深度学习·算法·自然语言处理·面试·transformer
技术程序猿华锋9 天前
深度解析 GPT-Image-2.5:双架构模型演进、获取API 接入与工程化开发教程
人工智能·gpt
西索斯coding10 天前
GPT-5.6-Luna 接入 Cline 教程:base_url 配置、max_tokens 上限与 ZDR 请求头写法
大数据·人工智能·gpt·ai
whyfail11 天前
开发平替实录:ZCode + 火山 Coding Plan + GLM-5.3-Flash,打不过 GPT-5.6-Sol,但只差一口气的成本
gpt·codex·glm·智谱·zcode