上周AI 圈像过年一样，太热闹了！
先是 DeepSeek 接连几番炸场。
8月13号，发布了DeepSeek V4 Pro正式版。
14号，DeepSeek自家的Agent产品也发出来了：DeepSeek Harness。
紧接着，智谱也官宣发布了 GLM-5.3。
再到17号，DeepSeek API 价格狠涨了几倍到十几倍不等。
不说测评了，这更新速度，看都看不完......
今天我们就来重点聊一聊大家最近都在谈的：DeepSeek Harness 。
可能有人要说：我丢，都出来一周了，热度都过了，你现在才来讲这个？
这里也统一回复下：我写文章，从来不为追热点而写，只写两类东西------我觉得真有价值的，和我认为是趋势的。热度会过去，价值不会。像 Harness 这种 Agent 运行框架，往后只会越来越重要。
再者是，从上周五开始，我一直在重构自己的网站，这几天是真没腾出时间来，这才拖到了现在。🥲
好了，废话不多说，码字不易，先帮忙点个收藏，我们开始进入正题。
先说 DeepSeek V4 Pro
在聊 DeepSeek Harness 之前，先简单说一下DeepSeek V4 Pro和这次涨价这事。
这次 DeepSeek V4 Pro 正式版主要增强了 Agent 能力，之前发的预览版最大短板就是 Agent、工具链式执行、软件工程任务，正式版重点补齐这一块。
同时支持Responses API 和 Codex 接入，且在 App、网页、API 三端已全面上线。（当然这个不是此次的升级重点，毕竟这些特性，早支持了）
Responses API 是 OpenAI 推出面向 Agent 智能体的新一代接口标准，现在DeepSeek V4它原生支持了 Responses API，意味着可以直接接入 Codex，不需要任何协议转换，接入流程比以前简单多了。
DeepSeek 涨价意味着什么？
8月17号，DeepSeek 官宣了一轮不小的涨价。
涨价前：
涨价后：
V4 Pro 的缓存命中价格，从 0.025 元涨到高峰时段的 0.30 元，直接涨了12倍。
输出价格从 6 元涨到高峰的 27 元，涨了 4.5 倍。
这个价格，配合 DeepSeek V4 Pro 的性能，我只能说：曾经那个"价格屠夫"，吸引力一下子少了一大截。
要知道，DeepSeek 之前的护城河，说白了就俩字------便宜。同样的活儿，别人收费它打折，别人打折它白送，无数个人开发者和小团队把它当成"最便宜的主力模型"来用，图的就是一个性价比拉满。
但这次涨价之后，情况变了。
性能上，V4 Pro 确实冲进了第一梯队，可国内的 GLM-5.3、Qwen 3.8 Max 也不是吃素的，几家本来就挤在同一条水平线上，谁也没法把谁甩开。以前 DeepSeek 是"性能差不多，但价格是零头"，闭眼选它就行；现在价格优势一缩水，这个"闭眼选"的理由就不成立了。
甚至从综合性价比来讲，单看 API 调用，GLM 可能已经反超了。
那，DeepSeek 8 月 17 日全面涨价意味着什么？
我觉得，这件事不只是一家公司调价，是国内大模型行业的一个拐点信号。
首先，是算力供需已经扛不住低价模式，其次是行业竞争逻辑变了，从原来拼低价，转向拼价值，过去一年国内大模型打法：谁便宜谁抢开发者。现在逻辑变成了：模型能力优先，价格其次。
重点聊聊 DeepSeek Harness
DeepSeek Harness 这玩意到底是啥，如何理解？又该怎么使用呢？
接下来，就围绕这几个新手最关心的问题，展开聊聊。
可能很多新手会想，现在AI Coding类的Agent，不都是喜欢叫XXX Code吗，比如Claude Code、OpenCode、Kimi Code。那为啥DeepSeek自家的不叫DeepSeek Code，而是DeepSeek Harness。
这是因为，DeepSeek Harness的定位，本来就不是专门为AI Coding来打造的。
正如，LangChain之前在聊Agent Harness的时候提出来的，一条很重要的公式：
Agent = Model + Harness。
一个好的Agent，必然是由Harness和模型一起构成的。（这条公式，在DeepSeek官网也提到了）
可能很多新手到现在还搞不懂，到底什么是Harness，简单来说，咱们用的Claude Code、Codex、Workbuddy、ZCode这些，本质上都是Harness，要跟模型比如Claude Fable 5、GPT 5.6-Sol、GLM-5.3这些搭配起来用才行，要不然就是个空壳子。
而一个 Harness 的内部构成，其实相当复杂。
工具、Skill 系统、会话管理、沙箱隔离、存储、Agent 循环、子 Agent、调度、工作流......一整套东西，缺一不可。
它们之间的关系，画成图大概是这样：
flowchart TB U"👤 用户输入" --> SM"🗂️ 会话管理" SM --> LOOP subgraph LOOP"🔁 Agent 循环（核心引擎）" direction LR T1"🧠 思考\
在过去，这一切几乎都是厂商替你做好的，所有组件被封装进一个软件的"壳"里，比如 Claude Code、Codex。
你用的，本质上是一个成品。内部构造全部藏在幕后，普通用户看不到，也不需要看到。
普通用户真正能动手的地方，无非就是 Skill、MCP 这些。至于壳里面的东西，全部是厂商提前封装好的------你改不了，一般也不会想着去改。
打个比方 ：过去的 Harness 是精装房，拎包入住，体验很好，但墙你不能拆，格局你不能动。
而如今，DeepSeek Harness 直接把这些组件全部拆成了独立的插件。开发者不需要改动 Harness 的源码，就能自由选择、替换、扩展其中任何一项能力。
简单来说，Harness 中的一切，你全部都可以自定义。
这也是DeepSeek官方强调的Harness设计原则：一切皆插件。
官方网址在此：
https://www.deepseek.com/harness/DeepSeek Harness 其实真正的核心只有一个东西，叫Cordis的内核，这个内核可以在Agent运行的过程中，随时更换插件，还能保证Agent运行状态不崩。
简单来说，Cordis这个内核只负责插件的加载、卸载和依赖管理，其他的什么都不管。
所以，现在你应该知道，DeepSeek为啥叫Harness，因为它的定位，就是做一个Harness基建系统，而并非一个单纯的AI Coding。
通过一套基建，或者说，通过这套一切皆插件的设计理念，让全世界开发者都能一起参与进来，一起插拔，一起做各种各样的插件出来，丰富整个DeepSeek Harness的生态，从而构建出一个AI 时代的新底座，同时又能完成Agent的自进化。
值得一提的是，DeepSeek Harness 开源后，成为了截止目前Github上有史以来star增涨最快的开源项目，截止到我写完文，它在Github上到了15w+的Star。
项目地址：
https://github.com/deepseek-ai/deepseek-harness聊完了，它是什么，它的设计理念，对于普通用户来讲，最关心的还是如何使用它，接下来，我们就来从 0 到 1，在本地环境安装搭建 DeepSeek Harness。
第一步：环境准备
你的电脑上需要先装好 Node.js。打开终端，输入：
node --version
看到版本号就说明装好了。如果没装，去 https://nodejs.org/zh-cn/download 下载 LTS 版本安装即可。
第二步：安装 DSH
Node.js 就绪后，全局安装 DeepSeek Harness：
npm install -g @deepseek-ai/dsh装完之后，验证一下是否成功：
dsh --version看到版本号就说明安装完成
如果你只是想临时用用，也可以选择利用 npx命令在线启动：
npx @deepseek-ai/dsh web如果你是一名技术从业者，考虑后续需要定制，可以直接选择源码安装
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web如果你是外行，看不懂上述命令，不知道咋运行，那就把上述的命令随便扔给任何一个你的本地Agent产品（Codex、WorkBuddy），让它帮你装。
第三步：启动服务
输入以下命令启动：
dsh web服务会在本地启动，浏览器会自动打开 http://127.0.0.1:3080。如果没有自动跳转，手动在浏览器地址栏输入这个地址即可。
第四步：首次配置
第一次打开界面，会弹出一个内测声明。Harness 目前还在快速迭代，接口和功能随时可能调整，点击"继续"进入主界面。
点击继续后，第一次运行会让你填上你的DeepSeek API，你去官网搞一个就行，记得充一点钱。
如果没有 API Key，需要先去API开放平台官网: https://platform.deepseek.com/ 注册并创建。
将创建的API KEY 复制粘贴到DeepSeek Harness中，就可以进入到首页了。
第五步：选择模式
配置完成后，点击左侧的"新会话"按钮，进入对话界面。
创建一个目录 DeepSeekProjects 作为工作区：
mkdir DeepSeekHarnessProjects新建会话时可以选择运行模式，DeepSeek Harness目前内置了四种运行模式，这也是普通用户最难理解的，大家搞得最懵逼的东西。
先说结论：这四种运行模式，不是绝对的，你可以理解为，这就是DeepSeek官方给我们默认预设了几种模板，对，就是纯粹的模板，方便你开箱即用的，你也可以自定义新的模式。
我简单的说一下内置四种模式的区别。
标准模式
作为新手首选模式，如果你是第一次使用，或者对底层机制没有那么了解的话，无脑选择标准模式就可以了，标准模式下拥有完整的代码Agent能力，包括文件读取与编辑、Shell、文件搜索、网页搜索、Skills、计划、目标、后台任务、子Agent和工作流等，开箱即用。
PTC 模式
PTC模式拥有标准模式的全部能力，区别主要在于工具呈现方式上。
标准模式里，模型通常发起一次工具调用，拿到结果，再决定下一步。PTC模式会给模型一套Code Mode SDK，让模型写一段TypeScript程序，在一次run_code里组合多个工具操作。
那这有啥用呢？
通俗来解释的话，就是原来可能需要五次模型往返的读取、搜索、筛选、并行调用和结果整理，有机会被压进一次程序执行，这会减少模型与工具之间来回对话的次数，节约Token。
当然，它依赖较强代码规划能力，调试难度更高；小白用户先别急着碰，就用标准模式就行。建议用熟悉了或者遇到大量重复调用场景再切换。
极简模式
极简模式看这个名称就懂了，该模式下仅保留了持久 Bash 与文件编辑器的能力。
这个模式主要用于最小环境下的模型基准测试。
就比如你想比较两个模型裸Agent能力时，就用它。但该模式不适合日常开发。
创造模式
同样具备标准模式的全部能力，但它多做了一件事：能检查自己正在运行的 Cordis 环境，在内存中试验插件，帮你创建新的 Agent 和插件。
说白了，它能让 Agent 直接改造自己。
比如，你可以让它"捏"一个全新的 Agent 出来：
"帮我做一个只允许读代码、不允许改任何文件，专门负责代码审计的 Agent。"也可以捏一个贴着你工作流的。比如你是做测试的：
"帮我做一个接入公司 Jira、能读需求、能提交 Bug，但碰不了其他任何东西的测试助理 Agent。"但这两条，还只是"造别的 Agent"。创造模式真正魔幻的地方，是第三个玩法------改造它自己。
比如你让它跑一个接口压测，它会先检查自己身上有没有压测插件。发现没有，它不会回你一句"抱歉，我做不到"，而是当场写一个压测插件，挂到自己身上，接着把活儿干完。
整个过程，你只说了一句话。
用一个比喻来说，就是 Agent 发现自己没有扳手，于是现场造了一把扳手，插到自己手上，接着用这把扳手继续干活。
这个才是 DeepSeek Harness 最特别的地方，也是 Cordis 内核最棒的体现。
第六步：开启对话
选择好模式后，在输入框里输入你的需求，就能开始和 DeepSeek 的 Agent 对话了。
比如我问它：你认为DeeSeek harness 设计理念好吗，好在哪，只能说三点
另外，DeepSeek Harness还提供了一个轨迹功能，可以按来源查看每一次运行，对开发者来说，这意味着可观测、可审计、可复现，非常适合做研究。
第七步：使用插件
前面提到了，DeepSeek Harness 最重要的设计原则是：一切皆插件。
插件，有两种玩法：
- 一个是，自己造插件，好处在于，方便理解 Harness 怎样注册工具插件的，适合学习用途。
- 另一个则是，安装别人写好的插件，拿来即用，适合日常使用。
本篇教程因为主要是面向新手，因此就不讲如何自己造插件了，其实也不难。
日常使用的话，DeepSeek Harness有些功能，如果无法满足使用需求的话，我们可以直接用大佬们做好的插件。
官方社区目前收录了很多插件：
https://github.com/topics/dsh-plugin比如，我挑一个一键更换DeepSeek Harness皮肤的插件: dsh-web-ui
安装也很简单，一条命令装齐：
bash
dsh plugin --profile web add @linxin666/dsh-web-ui-all
装完重启 dsh web，打开「设置 > 插件配置」按需开关插件，或在皮肤中心试穿皮肤。
还有其他更多好玩的插件，大家可自行安装体验。
第八步：接入第三方模型
上面已经讲过了，在DeepSeek Harness中，一切皆插件，什么都可以更换，模型当然也能换，如果你想在DeepSeek Harness接入其他厂商模型，完全是可以的。
这里我就以 GLM-5.3 为例。
演示，如何在已有的 DeepSeek Harness （简称DSH） 里接入第三方模型。
1）打开 DSH 的 Web 界面，点击左下角的「设置」按钮，进入「模型」标签页，点击「添加提供方」。
2）「模型提供方」列表中已经内置了几十家国内外主流厂商模型可自由选择，此处我们选择
模型提供方为 zai-coding-cn，然后到 智谱开放平台 （https://bigmodel.cn/apikey/platform）获取你的 API Key 填进去就行。
3）展开自定义设置，点击「获取可用模型」。不过因为 GLM-5.3 太新了，默认不会被自动拉取到。
所以如果你需要使用glm-5.3 模型，需要手动点击「添加模型」，填入 glm-5.3，然后保存。
4） 配置好了之后，就可以在对话框中选择并使用 GLM-5.3 模型了
用同样的方法可以继续把你的GPT、Claude、 Kimi 等模型添加进来。
写在最后
DeepSeek Harness 只是个起点。接下来真正值得关注的，是"一切皆插件"能否形成一套行业足够稳定的开发标准，以及它是会长成 DeepSeek 自己的 Coding 产品，还是会成为更多 Agent 产品共同采用的底层 Harness。
总之，这个Hanress的其他有趣的地方，就交给大家去探索了。
需要注意，目前放出来的，DeepSeek Harness还只是开发者预览版 ，通俗来说，就是专门面向开发者放出的早期测试版本，普通用户也可以刷，但不并建议作为日常主力用。