什么是 DeepSeek Harness (dsh)？深度解析这款开源 Claude Code 竞品

DeepSeek 在 2026 年 8 月 13 日发布了一些不寻常的东西：不是模型，而是运行模型的“机器”。DeepSeek Harness (dsh) 是该公司官方的开源 Agent 运行基座。它是一个软件层，通过会话循环、工具执行、权限检查和本地 Web UI，将大语言模型转化为可工作的编程 Agent。它与 API 上的 DeepSeek V4-Pro 同日推出，VentureBeat 将其定位为 Claude Code 的开源竞争对手。

开发者社区反应迅速。截至 8 月 20 日（发布一周后），deepseek-harness 仓库已获得大约 169,000 个 Star 和 18,100 次 Fork。在短短七天内达到这样的数据，与其说说明了代码本身，不如说反映了市场的饥渴需求：开发者渴望拥有一个可以审查、修改并能指向任何模型的 Agent 运行基座。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

DeepSeek Harness 究竟是什么

所谓“基座（harness）”，是指围绕模型运行的一切周边系统。模型负责预测 Token，而基座则决定模型能看到什么、可以调用哪些工具、文件修改和 Shell 命令如何获得授权，以及多步骤会话如何有机结合。Claude Code、Codex CLI 和 Gemini CLI 都是包裹在各自厂商模型之外的基座。如果您想了解这两者的对比背景，我们在《Claude Code vs Codex CLI》中已做过介绍。

DeepSeek Harness 是 DeepSeek 在该领域的产品，它具有三个定义其定位的特征：

官方出品。 这是来自 DeepSeek AI 的第一方项目，而不是社区围绕其 API 封装的外壳。
开源。 采用 MIT 协议授权，第三方依赖项记录在仓库的 THIRD\_PARTY\_NOTICES 文件中。您可以直接阅读您所信任的、运行在您代码库之上的 Agent 循环逻辑。
开发者预览版。 README 中明确警告：“将会出现不兼容的破坏性变更（THERE WILL BE COMPATIBILITY-BREAKING CHANGES）”。字面意思，请做好准备。关于这在实践中意味着什么，请参阅下文。

发布时机也至关重要。dsh 与 API 上的 DeepSeek V4-Pro 同步推出，因此该运行基座与其旗舰默认模型是成对面世的。如果您正在评估模型侧的表现，我们的《DeepSeek V4-Pro API 指南》涵盖了接口、模型 ID 和请求示例。

架构设计：一切皆插件

这正是 dsh 与其他主流编程 Agent 的分水岭。大多数运行基座都是单体式的。Agent 循环、模型客户端、工具定义以及会话存储都打包在一个应用程序中。你可以配置它们，有时也可以扩展它们，但无法替换其中的核心部件。

dsh 颠覆了这一点。它的设计原则是“一切皆插件”，构建在一个名为 Cordis 的框架之上，该框架的设计在一篇名为《A Programming Paradigm for Spatiotemporal Composability》（一种用于时空组合性的编程范式）的论文中进行了阐述。抛开学术性的标题不谈，其实际主张是：在 dsh 中，通常被焊死在一起的 Agent 组件变成了可替换的模块。这包括：

模型适配器：与 LLM API 交互的层是一个插件。更换它，dsh 就可以驱动不同的后端。
工具注册表：Agent 可以调用的工具集（文件编辑、shell、搜索）是由插件注册的，而不是硬编码的。
会话日志：会话的记录和回放方式是可插拔的。
Agent 循环本身：甚至连核心的“决策-行动-观察”（decide-act-observe）循环也是一个可以替换的插件。

为什么这很重要？因为在 2026 年，真正的实验正发生在 harness 层。团队想要尝试不同的上下文管理策略、不同的权限模型，以及针对不同代码仓库的工具集。对于单体式的 Agent，你需要等待供应商来实现你的想法；而使用 dsh，你只需自己编写一个插件。

权衡也是显而易见的。一个一切皆可替换的系统具有更大的故障接触面，且承诺会有破坏性兼容变更的开发者预览版势必会在迭代中导致插件失效。这就是 dsh 需要你做出的权衡：现在选择灵活性，以后再考虑稳定性。

快速开始：从零到运行一个 Agent

安装路径只需一条命令：

npx @deepseek-ai/dsh web

这将在 http://127.0.0.1:3080 启动一个本地 Web UI，并在浏览器中自动打开（如果你不想自动打开，可以传入 --no-open 参数）。无需全局安装，也无需注册账号。

如果你更倾向于从源码构建，也可以通过代码仓库的方式：克隆仓库，然后运行 pnpm install、pnpm run build 和 pnpm dsh web。

之后，首次运行的流程包含三个步骤：

在设置中配置 DeepSeek API key。Key 存储在 $DSH_HOME/.credentials.yaml 中，与主配置文件分开存放，主配置文件仅保留对它们的引用。
选择一个工作区。点击 “Choose workspace”（选择工作区），添加你启动 dsh 的项目目录，然后选择它。这一步是必选的：在选择工作区之前，会话构建器将一直处于不可用状态。dsh 在运行任何内容之前，需要明确知道“允许我处理哪些文件”。
运行任务并批准操作。对于“在当前权限策略下需要批准的操作”，Web UI 会在执行前进行询问。文件写入和 shell 命令会以提示的形式显式呈现，而不是默默执行。

Web UI 只是其中一个入口。在底层，dsh 会启动 profiles：dsh web 是 dsh --profile web 的简写，而 profiles 存放在 $DSH_HOME/profiles/<name> 目录下。此外还有无头模式（dsh --profile headless "job"），它会执行一个全新的单次会话，打印结果并退出，这正是脚本和 CI 所需的模式。dsh plugin 子命令通过将命令转发给 profile 目录下的 pnpm 来管理该 profile 的插件，而 --dump-config 和 --dump-default-config 等启动参数则可以在不启动服务的情况下打印组合后的配置树。完整列表请参阅 CLI README。

它能运行哪些模型？

DeepSeek 模型是默认选择，而 V4-Pro 是主打搭配。在成本方面值得注意的是：DeepSeek 已将其非高峰时段的折扣转为永久优惠，这彻底改变了全天候运行、持续消耗 Token 的 Agent 的成本效益。详情请参阅我们关于 DeepSeek V4-Pro 降价的文章，官方参考文档位于 api-docs.deepseek.com。

不过，模型适配器本身就是一个插件，dsh 充分利用了这一设计。除了默认选项外，还支持以下两种扩展方式：

目录服务商 (Catalog providers)：内置了 Anthropic、OpenAI、Bedrock、Vertex 和 Azure 的服务商配置，每家都配有专属的凭证处理机制。
自定义服务商 (Custom providers)：任何兼容 OpenAI 的接口都可以在 $DSH_HOME/settings.yaml 中进行注册，只需配置前置 URL、用于密钥的环境变量以及模型列表。这不仅支持云端 API，还涵盖了本地运行时和网关。

选定某个模型后，它将成为新会话的默认模型。每个会话都会记录启动时所使用的模型，因此在项目开发过程中切换模型不会弄乱您的请求历史。服务商指南中记录了具体的配置格式。我们特意简化了本章节的内容：完整的实操指南（包括自定义接口的具体 YAML 配置）请参阅《如何在 DeepSeek Harness 中运行任意模型》。

发布一周后的插件生态

开发者可以通过 dsh-plugin GitHub 标签发现各种插件，社区则通过 GitHub Discussions 和 Discord 服务器进行协作交流。在发布仅一周后，该生态系统就已经清晰地展现出了用户的核心需求：

桌面端包装。 像 deepseek-harness-desktop (Tauri) 和 dsh_desktop (Windows) 这样的项目将 Web UI 打包成了原生应用。这些是社区项目，并非 DeepSeek 官方发布，因此请像对待任何涉及你 API 密钥的第三方包装工具一样保持谨慎。
功能插件。 像 dsh-context 和 dsh-vision-router 这样的社区仓库扩展了会话可以查看和路由的内容。同样的警告：这些也是社区构建的。
MCP 支持。 截至本文撰写时，dsh 核心中并未内置原生的 Model Context Protocol（模型上下文协议）支持。目前存在的是一个社区插件 dsh-mcp-manager，它为 MCP 添加了一个设置页面：支持远程 HTTP 或本地 stdio 服务端、OAuth 或 static-token auth、在 mcp__<name>__* 名称下注册的工具，以及工作区 .dsh 目录内针对每个项目的服务端配置。

最后一点值得强调，因为很容易被误解。如果你读到一篇声称 dsh “支持 MCP” 的文章，准确的版本应该是：社区以插件的形式构建了 MCP 支持，而这正是“一切皆插件”架构的用武之地。核心层以后可能会将其吸收，但目前还没有。

你的 API 工作流如何契合

Agent harness 归根结底是一个用于执行 API 调用的机器：包括它驱动的模型 API，以及你指向的任何项目内部的 API。当 dsh 针对你的后端编写代码时，它是基于能从代码库中抓取的对你接口的理解来进行的。如果你的 API 实际行为与接口规范不符，智能体就会自信地针对错误的契约编写代码，而你只能在运行时才会发现问题。

解决办法既单调又有效：在智能体接触之前验证 API 表面。Apifox 覆盖了这一层。设计或导入 OpenAPI 规范，对照规范测试真实的接口，并启动 mock 服务端，这样即使在后端变动时，智能体也可以针对稳定、符合规范的响应进行开发。与从陈旧代码中进行猜测的智能体相比，针对验证过的 mock 进行迭代的智能体所产生的幻觉集成要少得多。

还有一个直接集成的途径。Apifox MCP 服务端通过 MCP 向 AI 工具公开你的接口定义/规范。在 dsh 中，这需要通过上面提到的社区 dsh-mcp-manager 插件来实现：安装该插件，注册 Apifox MCP 服务端，会话就可以查询你真实的规范，而无需进行推测。我们在《在 DeepSeek Harness 中使用 Apifox CLI》中走通了整个闭环，包括智能体可以自己触发的基于 CLI 的测试运行。如果你想在开始实验前准备好 API 端，请先下载 Apifox 并导入你的规范。只需五分钟的设置，就能消除智能体出错的最大根源。

你应该现在尝试还是等待？

坦率的回答取决于你打算用它来做什么。

如果满足以下情况，现在就可以尝试：

你想深入了解 agent 运行框架（harness）的内部工作原理。dsh 是目前最易于剖析的主流 harness，阅读一个真实的 agent 循环比看任何博客文章都学得更多。
你需要模型灵活性。如果你的团队针对不同任务运行不同的模型，或者采用自托管方式，那么可插拔的模型适配器正是那些单体 agent 无法提供的功能。
你在构建工具。该插件生态系统才刚刚诞生一周。在这样一个备受关注的仓库中，早期的插件作者将获得极高的曝光度。
你已经在使用 DeepSeek 的 API，并且想要为 V4-Pro 获得第一方的 agent 体验。

但如果是以下情况，请先等等：

你需要一个稳定的日常主力工具。“将会出现不兼容的破坏性变更”并不是营销上的谦虚，而是一个承诺。在不同版本之间，你的配置、插件和肌肉记忆都可能会失效。
你的组织需要经过审核且有技术支持的工具。一个包含处理凭证的社区插件的开发者预览版，其安全风险状况与拥有支持合同的 GA（正式版）产品完全不同。
你想要成熟 harness 的精致体验。Claude Code 在人机工程学（易用性）方面拥有长期的先发优势，而一个仅推出一周的预览版在许多方面还无法与之媲美。

对于大多数在职开发者来说，最务实的做法是兼顾两者：在生产环境工作中使用你当前的 agent，在个人副业项目中运行 dsh，并在预览版标签摘除之前形成你自己的观点。如果你最关心的问题是它与目前主流工具的对比，我们已经在 DeepSeek Harness vs Claude Code 中进行了横向对比。

FAQ

DeepSeek Harness 是免费的吗？

该 harness 本身在 MIT 许可证下是免费且开源的。需要付费的是其背后的模型：在 DeepSeek 平台（或你配置的任何提供商）上的 API 使用费由该提供商正常收取。由于适配器层是可插拔的，你也可以将 dsh 指向本地托管的模型，从而无需支付任何 token 费用；具体配置方法请参阅 run any model in DeepSeek Harness。

dsh 只能与 DeepSeek 模型一起使用吗？

不是。虽然 DeepSeek 模型是默认模型，但模型适配器是一个插件。目录提供商涵盖了 Anthropic、OpenAI、Bedrock、Vertex 和 Azure，并且可以通过 $DSH_HOME/settings.yaml 添加任何兼容 OpenAI 的接口。

在我的代码库上运行 DeepSeek Harness 安全吗？

它的安全性取决于其权限模型以及你自己的判断。Web 界面要求你在运行任何会话之前选择一个工作区，并且在执行当前权限策略下需要批准的操作之前会进行提示。尽管如此，这只是一个开发者预览版，社区插件（包括桌面端包装器）是可能处理你的 API 密钥的第三方代码。请仔细检查你安装的内容，并避免在经不起一次错误编辑的重要仓库中运行此预览版。

“harness” 与“模型”有什么区别？

模型是推理引擎；harness 则是让其能够采取行动的一切支撑。会话管理、工具调用、文件访问、权限提示和上下文组装都运行在 harness 中。两个使用完全相同模型的 Agent 可能会因为其 harness 的不同而表现得截然不同，这也是为什么当前大多数代码 Agent 的竞争都集中在 harness 层的原因。