一文讲明白DeepSeek Harness 是什么，怎么用

如果你用过 Claude Code、Codex 这类 AI 编程工具，应该会发现一件很有意思的事：

同一个大模型，放进不同的工具里，表现能差非常多。

有时候模型明明很聪明，但一到真正干活就开始犯迷糊：

不会自己找文件，不知道该先看哪段代码，改完不会测试，报错以后不会继续修，任务稍微长一点就忘记前面做到哪了。

这时候问题可能并不完全出在模型身上。

因为模型本身，其实更像一个"脑子"。

真正让它能够在电脑里干活的，是脑子外面那一整套东西：

复制代码

读文件
找代码
改代码
跑命令
调用工具
管理上下文
记录任务进度
调用子 Agent
处理权限
失败后重试

这一整套负责"让模型真正做事"的工程，就可以理解成 Harness。

所以 DeepSeek Harness 是什么？

你可以把它理解成：

DeepSeek 开源的一套"大模型工作台 + 工具箱 + 执行系统"。

如果说：

复制代码

大模型 = 一个很聪明的程序员

那么：

ini 复制代码

DeepSeek Harness = 电脑 + IDE + 终端 + 文件系统 + 工具箱 + 工作流程 + 项目管理方式

模型负责想，Harness 负责让它动手。

举个最简单的例子。

普通聊天模型你让它：

复制代码

帮我修一下这个项目的登录 Bug。

它可能会回复：

复制代码

当然可以，根据你的描述，我建议修改以下代码......

然后给你贴一大段代码。

至于：

代码到底在哪？

项目现在是怎么实现登录的？

改完有没有把别的地方搞坏？

测试过没有？

它通常管不了这么多。

但放进 Harness 以后，完整流程可以变成：

markdown 复制代码

收到"修复登录 Bug"
        ↓
搜索登录相关代码
        ↓
读取认证逻辑
        ↓
检查 Token / Session / 缓存
        ↓
找到问题
        ↓
修改文件
        ↓
运行测试
        ↓
测试失败
        ↓
继续分析
        ↓
再次修改
        ↓
测试通过
        ↓
告诉你到底改了什么

这时候你会发现：

模型没变，但它突然开始像一个真的程序员了。

这就是 Harness 最核心的价值。

而 DeepSeek Harness 更有意思的一点是，它并不是把所有东西都写死。

它的设计思路非常开放：

复制代码

模型可以换
工具可以换
插件可以装
Skills 可以加
Agent 可以自己配
工作流程可以改
甚至可以自己造新的 Agent

所以你完全可以：

markdown 复制代码

DeepSeek Harness
        +
Qwen

也可以：

markdown 复制代码

DeepSeek Harness
        +
DeepSeek

甚至：

markdown 复制代码

DeepSeek Harness
        +
你自己部署的本地模型

然后让这些不同模型在同一套 Agent 环境里干同一个任务。

这也是它真正好玩的地方。

它不只是一个"DeepSeek 版 Claude Code"。

更像一个：

可以自己拆、自己装、自己改的大模型 Agent 乐高。

模型是大脑。

工具是手脚。

插件是装备。

Agent Preset 是职业。

Harness 则负责把这一整套东西组起来。

理解这一点以后，后面的自定义模型、插件、Standard / Code / Minimal / Cordis 这些 Agent 预设，就一下子好理解了。那么DeepSeek Harness该怎么用呢？

一、DeepSeek Harness 的部署方式

DeepSeek Harness 开源之后，我觉得它最好玩的地方其实不是"又多了一个 AI 编程工具"，而是你终于可以比较方便地折腾一套完整的 Agent。

1.1 CLI 终端版

官方目前主要还是 Web UI，在自己电脑的终端运行下面的命令：

bash 复制代码

npx @deepseek-ai/dsh web

然后浏览器访问：

arduino 复制代码

http://127.0.0.1:3080

就进入了DeepSeek Harness的webUI页面。

1.2 DeepSeek Harness 桌面端

对于没有编程经验的用户，我更加推荐这一种方式，下面是当前比较火的三个DeepSeek Harness 桌面端项目：

项目	技术路线	特点	我的建议
hairyf/deepseek-harness-desktop	Tauri	轻量、自动准备 Node 和 Harness、跟进官方版本快	最适合第一次玩
dataelement/dsh-desktop	Electron	桌面产品化程度更高，Preset 导入导出、插件市场整合得比较完整	适合长期桌面使用
colorfuller/dsh-app	Tauri	自带 Node 和 DSH、复用原来的 ~/.dsh 数据、强调自动更新	适合已经有 DSH 数据的人

hairyf/deepseek-harness-desktop 的思路非常简单：它没有重新实现一个 Agent，而是启动真正的 DeepSeek Harness，然后用 Tauri 窗口把 Harness Web UI 包起来。

它会在第一次启动时自动准备 Node Runtime 和 Harness Core，默认仍然运行在：

makefile 复制代码

127.0.0.1:3080

Windows、macOS、Linux 都支持，目前 Windows 要求 10+ 64 位。它还会在启动时检查 Harness Core 的更新。

dataelement/dsh-desktop 则更像是在往一个完整桌面产品上走。它同样没有重写 Harness，而是自动管理 Harness 子进程，并把 Profiles、Plugins、Sessions 放在应用安装目录之外。另外还加入了 .dshpreset 导入导出，可以把一整套自定义 Agent 配置打包带走。

根据博主的测评，hairyf/deepseek-harness-desktop 这个项目使用起来是最方便的，所以这篇文章后面就不来回切了，全部以 hairyf/deepseek-harness-desktop 为例。

二、Windows 安装：基本就是下载、双击、完事

先去hairyf/deepseek-harness-desktop GitHub 仓库的 Releases页面。

ruby 复制代码

https://github.com/hairyf/deepseek-harness-desktop/releases

下载对应系统版本的安装包，这里以 Windows 安装包为例。

下载完第一次打开的时候，它会自动处理两样东西：

diff 复制代码

Node Runtime
+
DeepSeek Harness Core

第一次需要联网，而且会额外下载几百 MB 左右的数据。完成以后，桌面窗口会直接进入 Harness。

后面再开，基本就是：

markdown 复制代码

双击 DeepSeek Harness Desktop
              ↓
      Harness 自动启动
              ↓
          直接开始用

不用每次先开 PowerShell，再敲：

bash 复制代码

npx @deepseek-ai/dsh web

对于日常使用，这点还是挺舒服的。

另外它安装后还会把 dsh CLI 准备好，所以之后真想折腾命令行，也没有被桌面版锁死。

三、先把模型配好：DeepSeek、OpenAI、中转 API、本地模型都能接

装好 Harness 后，我建议第一件事情不是急着开项目。

先去：

复制代码

设置
→ 模型

这里就是 Harness 的模型管理。

如果直接用 DeepSeek 官方 API，填 API Key 就行。

但是现在deepseek的模型价格也全面上涨了，而能力相较于gpt系列模型却仍然有较大的差距：

由于DeepSeek Harness天然支持添加 Custom Provider。官方明确把公司内部网关、自托管服务、第三方 Provider 都作为自定义 Provider 的使用场景。

所以在 OpenAI-compatible API这里我们可以添加自己的中转站，以便使用能力更强，更多模态的模型：

首先点击下方的"添加自定义模型提供方"按钮；

依次填写好弹框中的内容

添加模型则需要点击"添加模型"，随后在两边都填上想要用的模型；

vbnet 复制代码

Provider ID
你所用的服务的名字

显示名称
同上

Base URL:
https://访问网址/v1

API 协议
根据需求选，我们这里选responses（因为用的是GPT的新模型）

API Key:（一般都是从平台-令牌管理复制）
sk-xxxxxxxx

Model:（填写你想用的模型名称，两边都填上）
gpt-5.6-terra

最后点击"创建提供方"即可。

如果你的服务支持：

bash 复制代码

GET /models

还可以点：

复制代码

获取可用模型

Harness 会自动尝试把模型列表拉下来。

如果这里报：

复制代码

一般先看 API Key，使用gpt-5.6-terra的话，令牌（api key）应当选择codex专属和default分组。

如果接口压根没有实现 /models，也不用纠结，直接手动填写 Model ID 就行。

所以完全可以搭出这种组合：

markdown 复制代码

DeepSeek
Qwen
GLM
Claude
OpenAI
本地 vLLM
第三方中转 API
       │
       ↓
DeepSeek Harness
       │
       ↓
同一套 Agent

我觉得这个玩法特别适合测试模型。

保持 Harness、工具和任务完全不变，只换模型，然后看谁真的更会干活。

还有一个容易踩的点：一个 Session 在真正开始请求之后，会保留自己记录的模型。所以你切换了默认模型，发现旧 Session 还是原来的模型，不一定是配置没生效。

最简单：

新建一个 Session。

四、插件怎么玩？建议第一件事先把插件市场装上

DeepSeek Harness 的一个核心设计就是：

Everything is a Plugin。

所以插件不是一个边缘功能，反而是这套东西非常重要的一部分。官方整个 Harness 本身就是插件化架构。

hairyf/deepseek-harness-desktop 第一次启动时，会推荐安装：

复制代码

dsh-market

也就是目前社区在做的 Harness 插件市场。hairyf 自己的 README 也把它列成了首次运行推荐安装项。

如果第一次没装，也可以打开终端并运行：

csharp 复制代码

dsh plugin --profile web add dshmarket

然后重启 Harness。

再进去：

复制代码

设置
→ 插件市场

安装了dsh-market（插件市场）之后并重启应用，就可以直接搜插件了。

目前 dsh-market 已经提供完整的浏览、搜索、安装、更新、卸载、启用/禁用和主题管理。它当前接入的社区目录已经超过 1200 个插件，而且还在持续增长。

正常使用就是：

markdown 复制代码

Plugin Market
      ↓
搜索插件
      ↓
查看来源和说明
      ↓
Install
      ↓
安装完成

很多插件刷新一下页面就可以直接生效，不需要把整个 Harness 重启；确实需要 Restart 的插件，市场也会提示。

比如你使用的是纯文本模型，但是又希望 Agent 可以理解图片，就可以找视觉类插件。

dsh-market 目前就收录了 modlens 这类视觉插件，用来给原本纯文本的模型增加图片理解能力。

以后也可以继续加：

复制代码

Memory
搜索
浏览器能力
数据库工具
开发工具
UI
主题
各种第三方服务

这也是 Harness 和一个普通"AI 聊天客户端"最明显的区别之一。

不过这里提醒一句：

插件本质上是代码。

第三方插件能获得什么能力，取决于它安装进去以后注册了什么东西，所以不要看到"Install"就开始集邮。

尤其是 Shell、文件系统、网络、Credential 相关插件，先看来源。

dsh-market 自己也明确写着：

Listing ≠ endorsement

上架不等于官方给插件背书。

五、Standard、Code、Minimal、Cordis 到底有什么区别？

这一块第一次用特别容易迷糊。

新建 Session 的时候，会看到不同的 Agent Preset。

目前官方随 Harness 一起提供四个：

css 复制代码

standard 标准模式
code PTC模式
minimal 极简模式
cordis 创造模式

先强调一件非常重要的事：

Agent Preset 不是模型。

比如：

复制代码

DeepSeek V4
Qwen
Claude

这是模型。

而：

css 复制代码

Standard
Code
Minimal
Cordis

决定的是：

这个模型进入 Session 以后，有什么工具、什么 Prompt、什么上下文机制、什么 Agent 能力。

官方设计里，模型路由本身甚至明确独立于 Agent Preset。

可以简单理解成：

ini 复制代码

模型 = 找哪个人来上班

Agent Preset = 给这个人什么职位、工具和工作流程

Standard（标准模式）：日常默认选它

Standard 是官方定义的完整 Coding Agent。

里面已经装了很多日常真正会用到的东西：

复制代码

Shell
文件读写
文件搜索
后台任务
Skills
Goal
Plan
Context Compaction
Subagent
Workflow
Web
Todo
......

官方源码直接把它称为：

sql 复制代码

the full coding agent

所以你不知道选什么的时候：

选 Standard。

绝大部分读项目、改代码、修 Bug、做需求，都用它就行。

Code（PTC模式）：工具调用特别多的任务，可以试试它

Code Preset 基本上可以理解成：

css 复制代码

Standard
+
Code Mode

Standard 有的东西它基本都保留。

真正增加的是一种新的工具呈现方式。

普通 Agent 可能这样工作：

复制代码

调用搜索工具
↓
模型继续思考
↓
调用读取工具
↓
模型继续思考
↓
调用 Shell
↓
模型继续思考
↓
再修改文件

每一步都是一次模型和工具之间的往返。

Code Mode 的思路是：

让模型写一小段 TypeScript，调用 Harness 生成的 SDK，把几个工具操作一次编排起来执行。

官方源码自己的描述就很直白：原本可能需要五次 round trip 的操作，可以压成一次。

所以像这种任务：

复制代码

搜索几十个文件
→ 分析调用关系
→ 批量修改
→ 执行测试
→ 根据结果继续处理

我会比较愿意试 Code。

但不代表 Code 永远比 Standard 强。

如果只是：

复制代码

帮我看一下这个函数为什么报错

Standard 完全够用。

Minimal（极简模式）：极简实验模式

Minimal 就真的非常 Minimal。

官方现在给它的完整系统 Prompt 基本就是：

css 复制代码

You are a helpful software engineer assistant.

然后主要只给：

复制代码

bash
str_replace_editor

两类核心能力。

而且 Runtime Context、Context Compaction 等完整 Agent 能力都没有。

所以它很适合干一件事情：

测模型裸能力。

比如你想比较：

复制代码

DeepSeek
Qwen
GLM

在一个尽量简单的 Harness 环境下面，谁的 Coding Agent 能力更好，就可以使用 Minimal。

如果只是日常开发，我不建议一上来选它。

这有点像：

ini 复制代码

Standard = 给程序员 IDE + Git + 搜索 + 工具箱

Minimal = 给他一个终端和文本编辑器

很纯粹。

也很残酷（笑）。

Cordis（创造模式）：这是给"改 Harness 本身"的

Cordis 是四个里面最特别的一个。

官方对它的定义基本就是：

diff 复制代码

Standard
+
可以读取和修改自己正在运行的 Harness

它存在的目的就是：

让 Agent 帮你造另一个 Agent。

比如你可以告诉它：

复制代码

我想创建一个专门做代码 Review 的 Agent。

只允许读取项目和运行测试，
不要主动修改代码。

拥有 Git、搜索和测试能力，
系统提示词偏严格。

帮我创建一个新的 Agent Preset。

Cordis 可以去修改 Harness 的 composition，然后生成新的 Agent Preset。

所以有些界面和文档里会把这一类流程理解成 Creator。

但严格来说，目前官方随部署提供的 Preset ID 是：

复制代码

cordis

不是一个单独叫 creator 的第五个 Preset。官方 Web UI 也明确说明，可以复制已有 Preset 自己修改，或者通过 Cordis 的 Creator 流程让 Agent 帮你生成。

这个模式很有意思。

但权限也明显更高。

官方源码甚至直接提醒：

把 Cordis Session 当成 Shell Access 看待。

所以刚开始玩 Harness 的时候：

css 复制代码

90% 时间：Standard

工具密集型任务：Code

测试模型能力：Minimal

自己造 Agent：Cordis

基本就够用了。

六、几个比较实用的使用示例

最后给几个我觉得最适合刚开始玩 Harness 的任务。

示例 1：第一次接手一个陌生项目

Preset：

复制代码

Standard

先别让它急着改。

直接：

markdown 复制代码

阅读整个项目，但暂时不要修改任何文件。

先完成以下工作：

1. 分析技术栈和目录结构
2. 找出程序启动入口
3. 梳理前端、后端、数据库之间的关系
4. 找出核心业务模块
5. 找出明显的技术债、TODO 和潜在风险
6. 告诉我如果继续开发这个项目，最应该先看哪些文件

所有结论尽量基于实际代码，不要只根据文件名猜测。

我很建议第一次使用一个新模型的时候，都先跑这个。

因为这一轮基本就能看出来：

这个模型是真看懂了，还是在一本正经地胡说。

示例 2：直接实现一个完整需求

Preset：

复制代码

Standard

例如：

复制代码

给当前项目增加"忘记密码"功能。

要求：

先分析现有用户认证流程和数据库结构，再决定实现方式。

尽量复用现有代码和 UI 风格，不要额外引入没有必要的框架。

完成前端、后端和必要的数据修改。

实现完成后：
运行相关测试；
检查类型错误；
检查现有登录和注册功能有没有被破坏。

如果发现问题，继续修复。

最后只给我总结：
修改了哪些文件、
实现了什么、
还有什么风险。

这种任务最能体现 Harness 和普通 Chatbot 的差别。

不是：

复制代码

"下面给你一段示例代码。"

而是让 Agent 真正在项目里面完成一轮工作。

示例 3：一个比较难找的 Bug

Preset：

css 复制代码

Code

比如：

复制代码

项目现在有一个 Bug：

用户第一次登录正常，
退出账号后重新登录，
偶尔会出现用户信息还是上一个账号的问题。

不要直接猜原因。

从登录、Token、缓存、状态管理和退出流程开始追踪。

先找到完整的数据流和可能出现旧状态残留的位置。

找到根因后修改代码，并写一个能够覆盖这个问题的回归测试。

运行相关测试。

如果第一次修复没有通过测试，继续定位和修改，直到确认问题解决。

这种：

diff 复制代码

大量搜索
+
读很多文件
+
调用测试
+
反复验证

的任务，就比较适合拿 Code 和 Standard 对比一下。

有时候差别会挺明显。

示例 4：让 Harness 帮你造一个自己的 Agent

Preset：

复制代码

Cordis

例如：

css 复制代码

帮我创建一个专门用于 Code Review 的 Agent Preset。

名字：
strict-reviewer

它的工作原则：

只负责分析和 Review，不主动修改代码。

重点检查：
逻辑错误
安全问题
并发问题
异常处理
重复代码
接口兼容性
测试覆盖

它允许：
读取文件
搜索代码
运行测试
查看 Git diff

除非我明确授权，否则不要修改文件。

请基于现有 Standard Preset 创建，
尽量只修改真正需要变化的部分。

完成后检查新的 Preset 是否能够正常加载。

这一步就开始有点意思了。

因为最后你的 Harness 可能慢慢变成：

css 复制代码

Standard
Code
Minimal
Cordis

strict-reviewer
frontend-agent
bug-hunter
test-agent
research-agent
......

每一个 Agent 都可以拥有自己的：

复制代码

Prompt
Tools
Skills
Compaction
Workflow
Subagent

这时候再配合插件市场和自定义模型，DeepSeek Harness 才算真正开始"玩起来"。

而如果只是第一次体验，我建议顺序非常简单：

bash 复制代码

装 hairyf/deepseek-harness-desktop
        ↓
配置自己的模型
        ↓
安装 dsh-market
        ↓
先用 Standard 跑一个真实项目
        ↓
再试 Code
        ↓
最后折腾自己的 Agent Preset

别一上来就 Cordis + 十几个插件 + 三层 Subagent。

Harness 还没玩明白，先把自己 Harness 进去了（笑）。