2026年8月13日，DeepSeek 正式推出其首款 Agent 产品 —— DeepSeek Harness v0.1 开发者预览版，并同步以 MIT 协议在 GitHub 开源。
官方给出了一个简洁的定义：Model + Harness = Agent。模型负责理解与推理，Harness 负责将模型能力落地到真实环境中，完成从理解需求到交付结果的完整闭环。
一、核心定位与产品形态
Harness 并非一个开箱即用的终端应用，而是一套面向开发者的 Agent 运行基础设施。它内置了项目管理、长周期任务协作、多智能体编排、上下文管理、联网检索与外部技能调用等能力。
目前 v0.1 仍是开发者预览版，启动后通过浏览器访问 https://127.0.0.1:3080 使用，暂无桌面应用。官方在启动时会提示：核心插件和基础接口在未来几个月会快速演化。发布后 12 小时内，其 GitHub 仓库已获得超过 5 万 Star。
从竞争格局来看，Harness 直接对上的，是 OpenAI Codex 和 Anthropic Claude Cowork。不过，和这类更偏“拿来即用”的产品相比，Harness 真正拉开差距的地方，在于底层架构足够开放——它的思路不是把 Agent 封装成一个整体，而是把每个环节都拆开，做成可以灵活替换的模块。
二、架构设计：“一切皆插件”
Harness 最核心的设计原则是 “一切皆插件”（Everything is a plugin）。
该框架基于 Cordis 插件元框架构建。Cordis 仅负责插件的加载、卸载与依赖关系管理，不承载任何 Agent 的具体能力。模型适配器、工具注册表、会话管理、沙箱实现、Agent 循环乃至用户界面，全部以独立插件形式存在。开发者无需修改 Harness 源码，即可在配置层替换或扩展任一能力。
Cordis 的设计思想源自一篇由北京大学与 DeepSeek 联合署名的论文，其核心概念是“时空可组合性”。“时间”维度指插件卸载后其注册的服务、事件与副作用能够自动撤销；“空间”维度指插件可以声明依赖，并在其他组件变化时重新建立协作关系。根据对公开技术资料的分析，这套机制在工程层面主要通过以下方式实现：
- 唯一的修改入口：所有对系统状态的修改都必须经由
ctx上下文对象完成，而ctx上的每个操作内部都是副作用追踪的封装。这确保了任何注册行为都会被框架追踪，不存在绕过追踪的路径。 - 生命周期状态机：每个插件实例带有状态管理。在已卸载的插件上创建副作用会直接抛出异常，从时间上杜绝了资源泄漏。
- 服务查找机制：访问
ctx上的服务（如ctx.tools、ctx.llm）时，通过 Proxy 代&理拦截 访问，沿当前插件层级向上查找服务提供者。作用域隔离由此自然实现：子层可见父层服务，反之则不行。
这套机制的价值，放在模型适配这件事上会显得格外直观：Harness 先定义了一套通用的 llm 服务接口，系统内部则可以并行存在多个实现这一接口的插件——比如，一个对接 DeepSeek 自有模型，另一个负责适配第三方模型厂商。这样一来，上层 Agent 循环本身不需要做任何调整，只要替换对应插件，就能完成模型提供商的切换。
三、运行模式
Harness 预置了四种运行模式，每种模式默认加载不同的插件集合：
| 模式 | 适用场景 |
|---|---|
| 标准模式 | 功能完整的通用开发场景 |
| PTC 模式（程序化工具调用） | 模型生成代码来编排多轮工具调用，适合复杂自动化任务 |
| 极简模式 | 仅保留 Shell 与文件编辑工具，用于模型基准测试与最小化复现 |
| 创造模式 | 运行时检查、内存内调试插件，用于自定义新的运行模式 |
其中，极简模式已被 DeepSeek 用于 Terminal Bench 等基准测试场景。
四、关键机制：轨迹（Trajectory）
Harness 提供了名为 “轨迹”（Trajectory） 的功能，用于解决 Agent 运行过程“黑盒化”的问题。
Agent 运行过程中，模型看到的系统提示词、思维链、工具调用与结果、子 Agent 调度等信息，均以仅追加（append-only） 的格式写入会话日志，而非经过润色的摘要。这些原始事件级记录支持回放与检索，可用于排查任务失败原因与追踪 Token 消耗。
五、使用方式
环境要求
- Node.js：v22.19 及以上，或 v24 系列
- 包管理器：源码安装需要 pnpm
快速启动
npx @deepseek-ai/dsh web
命令执行后，浏览器打开 https://127.0.0.1:3080，在设置中配置 API Key 即可使用。
源码安装（适用于二次开发）
git clone https://github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install pnpm run build pnpm dsh web
如果输入 y 后仍然卡住怎么办？
可能的原因和解决方法：
网络问题导致下载慢
- npm 默认从国外源下载，如果网络不稳定，下载可能会卡住。
- 可以先按
Ctrl + C终止当前命令，然后切换到国内镜像源重试：npm config set registry https://registry.npmmirror.com npx @deepseek-ai/dsh web
Node.js 版本不匹配
- 检查版本是否符合要求（v22.19+）：
node -v
- 如果版本过低，使用 nvm 切换到更高版本后重试。
- 检查版本是否符合要求（v22.19+）：
npx 缓存问题
- 如果多次重试仍卡住，可以清理 npx 缓存后重新执行：
npx clear-npx-cache # 或手动删除缓存目录： # Windows: rm -rf %LOCALAPPDATA%npx-cache # Mac/Linux: rm -rf ~/.npm/_npx
- 如果多次重试仍卡住，可以清理 npx 缓存后重新执行：
如果确认后下载成功，但启动后仍然无法使用
检查是否在浏览器中打开了 https://127.0.0.1:3080（部分用户反映会自动弹窗，但有时需要手动打开）。如果端口被占用，可以尝试指定其他端口（如果支持的话）。
**亲测：**我用 https://127.0.0.1:3080 部分功能有问题，用 https://localhost:3080 才正常！
最省事的做法：在提示处直接输入 y 回车，等待下载完成。通常下载完成后会自动启动服务，终端会显示“Server running at https://127.0.0.1:3080”之类的提示。
Python SDK
Harness 同时提供了 Python SDK，支持在程序中调用和编排 Agent 能力。
设置完模型和密钥后就可以用了，我这里搭配的模型是 GLM5.2
很快就分析完了
在下方可以看到任务消耗的 Tokens、当前的上下文占用、以及整个对话的 Tokens 消耗信息。
暂时还没用它来完成编码工作，这个评测等后面再介绍吧！
这才是v0.1版本，还是很看好它的！
六、现状与适用人群
v0.1 是开发者预览版，生产环境使用需谨慎评估。其界面与交互对非开发者不够友好，目前更适合以下人群：
- 需要深度定制 Agent 运行时的开发者
- 希望对比不同模型在相同工具环境下表现的评测者
- 有意参与插件生态建设的社区贡献者
对于寻找“开箱即用”型产品的普通用户，目前的 Harness 可能尚未达到理想状态。
