今天看到 DeepSeek Harness 的官宣时，我第一反应是：DeepSeek 也要做一个 Claude Code 或者 Codex 了？

这个想法不能说错，因为它确实已经能读写文件、运行命令、维护计划、调用 Skill，还能把任务交给子 Agent。用法也很像一个现成工具，本地装好 Node.js，运行下面这条命令，就能启动它的 Web 界面。

npx @deepseek-ai/dsh web

但我顺着官方文章翻了一遍仓库和架构文档后，反而觉得，如果只把它看成又一个 AI 编程工具，会低估这次开源。

DeepSeek 这次交出来的，更像是一套用来「组装 Agent」的工程系统。

💡

GitHub地址：https://github.com/deepseek-ai/deepseek-harness

🔹  Harness 到底是什么？

这个词最近出现得越来越频繁，但翻译成「智能体框架」以后，依然很容易听得云里雾里。

可以先想一个最普通的场景。

你给模型发一句「帮我修好这个项目里的 bug」，模型只负责理解和生成，但它并不天然知道你的项目在哪，也不知道怎么读文件、跑测试、处理超长上下文，更不知道哪些命令应该先问你一句。

这些事都由 Harness 来做。

它要把用户输入放进队列，组装系统提示词和工具列表，把请求交给模型，执行模型发起的工具调用，把结果再送回模型，直到任务真的结束。中间还要管权限、异常恢复、会话持久化、压缩和回放。

所以同一个模型，放进不同 Harness 里，最后表现完全可能不是一回事。一个 Agent 究竟像一个会干活的同事，还是一个只会回答问题的聊天框，模型很重要，Harness 同样很重要。

🔹  DeepSeek Harness 真正有意思的地方

官方最醒目的一句介绍是「一切皆插件」。

一开始我也以为这只是开源项目常见的宣传语。但往下看会发现，它确实把这件事做得很彻底。

模型适配器是插件，工具注册表是插件，会话日志是插件，连驱动模型和工具往返的 Agent Loop 本身也是插件。运行中的 dsh，可以理解成一棵由配置组装出来的插件树。

这个设计的价值不是「可以安装更多工具」那么简单。它意味着，如果你不满意默认的文件系统、子 Agent、存储方式或模型提供方，不一定要去改一颗越改越肿的「核心」，可以在它预留的能力接口上换掉实现。

例如，仓库里已经有一套 E2B POC，它用同一个远程沙箱替换文件系统和子进程提供方。官方同时说明，这目前只是组合验证，还不是完整的 Harness 迁移或工作区同步功能。模型层除了 DeepSeek 自己的适配器，官方文档还给了 Anthropic、OpenAI 和自定义 OpenAI 兼容端点的配置入口。

这也是我对它改观的第一个地方：它没有把自己做成一个只能包装 DeepSeek API 的壳。

💡

GitHub地址：https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/user/guide/providers.zh.md

另一个让我觉得它不只是「套个界面」的地方，是它对会话日志的处理。

DeepSeek Harness 把一次 Agent 任务拆成持久事件。用户消息、模型输出、工具调用、工具结果、上下文压缩，都可以从日志里重建。架构文档里有一句话很关键，「模型可见即已记录」。

这不是一个很适合写在发布海报上的功能，但它直接影响了 Agent 能不能回放、恢复、分叉和排错。当一个任务跑了几十步后失败，「它刚才到底看见了什么」，比一个好看的聊天窗口重要得多。

再往下看，工程味就更重了。

它有独立的用户审批机制，默认组合是 workspace-write + ask，真正进入审批链的操作，没有应答或应答异常时会直接拒绝，不会静默放行；沙箱会区分只读、工作区可写和完全权限，且官方明确写了网络和进程可见性并不在当前文件权限沙箱的保证范围内；上下文过长时，它会先剪裁过大的工具结果，再用可回放的事件记录压缩区间和摘要。

子 Agent 也不只是一次性地发出一个任务。它在代码中已经有持续会话、追加任务、中断和冷恢复这套状态管理。这些东西普通用户平时未必看得见，却往往决定了一个 Agent 能不能安全地做长任务。

🔹  所以，DeepSeek 为什么要在这个时候开源 Harness？

官方目前没有给出一份「战略解读」，下面是我根据它的架构和开源方式做的判断。

过去我们看一家大模型公司，注意力大多放在模型参数、榜单、上下文长度和 API 价格上。到了 Coding Agent 真正开始干活以后，大家慢慢发现，模型能力只决定上限的一部分。

系统给它看什么，怎样让它调工具，失败了如何恢复，长任务怎样保存状态，谁来验收结果，这些都会改变最后的交付。如果 DeepSeek 只提供模型，那么它的模型在 Agent 里能表现成什么样，很大程度上取决于别人怎么接。

可以把这次开源看成 DeepSeek 给出的一套官方 Agent 实现和参考方案。同时又通过多模型、插件和 MIT 许可证，让这套系统不必只围着 DeepSeek 自己转。

这里面有个很现实的循环。更多开发者用它写插件、跑真实任务、报 bug，会让团队拿到更具体的失败样本，也更容易识别模型在工具调用、长上下文、子 Agent 协作和异常恢复上究竟差在哪里。这些样本会不会、以什么方式再回流到模型，官方目前没有说明。

所以我更愿意把这次开源理解为，DeepSeek 开始从「提供一个模型」，往「定义模型怎样完成工作」走了一步。

这个判断是推断，不是 DeepSeek 的官方表述。但如果它只想做一个 DeepSeek 版聊天界面，没有必要把模型路由、会话事件、沙箱、审批、压缩、Skill、子 Agent 和插件生命周期全部拆开。

🔹  它现在能替代 Claude Code 或 Codex 吗？

我觉得现在还不能这样下结论。

官方自己已经把它标成「开发者预览」，而且直接提醒后面会出现破坏兼容性的修改。截至 2026 年 8 月 13 日我查看时，npm 的公开记录显示，它在不到 65 小时里发了 6 个带 RC 标识的版本，latest 已经到 0.1.0-rc.6。这种速度很兴奋，对想拿它当稳定生产工具的人来说，也应该是个醒目的提醒。

官方仓库里现在有一份 BENCHMARK.md，但里面只有怎么运行基准任务的简短说明，没有公开可以用来支持「它已经比某个成熟 Coding Agent 更好」的结果。

反过来，仓库里有四份写得非常具体的事故复盘。其中一次，Web Agent 修改界面后验收错了服务器，它看到一个 HTTP 200，就以为修改已经生效，实际上验证的根本不是用户正在打开的页面。官方没把这些问题藏起来，而是连时间线、根因和后来加了什么防护都写了出来。

我很喜欢这个细节。它不能证明产品已经成熟，却能证明这个团队确实在用 Agent 做真实工程，也在把失败转成可以复用的系统约束。

所以，如果你只是想找一个打开就能干活、不想频繁追版本的日常编程 Agent，我建议先别急着迁移。

如果你在做 Agent 基础设施、工具调用、长任务、权限管理，或者想写自己的插件，那这个仓库很值得现在就翻。哪怕最后不用 dsh，里面对会话事件、工具执行、审批、沙箱和子 Agent 的拆分，也比很多只画一张架构图的「Agent 教程」有价值。

如果你就是喜欢尝鲜，那么可以在一个独立的测试仓库里跑。先用只读或工作区可写权限，不要第一次就给它完全权限；也不要因为界面显示「完成」，就省掉自己的 diff、测试和真实结果验收。

🔹  我更关心它接下来怎么长

这几年，DeepSeek 最容易被大家记住的是模型能力和价格。Harness 这次开源，第一版未必会立刻改变普通人用 AI 写代码的习惯。

但它把一个之前很容易被忽略的事情摆到了台前。

当模型开始从「回答」走向「交付」，我们比较的对象就不能只是一次对话的聪明程度。它有没有看见正确的环境，能不能稳定调用工具，出错后能不能说清自己做了什么，以及人能不能在关键的地方停下它，都是产品能力的一部分。

DeepSeek Harness 现在还很早，但它已经把 DeepSeek 的新战场暴露出来了。

下一次再评价一个 Agent，除了问「它用的是什么模型」，或许还应该多问一句。

它的 Harness，到底做了什么？

💡

/ 作者：kakarot / 投稿或爆料，请联系邮箱：19331922086@163.com

🔹  关键来源

• DeepSeek Harness 官方公众号文章：https://mp.weixin.qq.com/s/mANdGRI4fO_sEbC1ECEoZQ
• DeepSeek Harness 官方仓库：https://github.com/deepseek-ai/deepseek-harness
• DeepSeek Harness 架构文档：https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/architecture.zh.md
• DeepSeek Harness 模型配置指南：https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/user/guide/providers.zh.md
• DeepSeek Harness 沙箱文档：https://github.com/deepseek-ai/deepseek-harness/blob/master/docs/subsystems/sandbox.zh.md
• DeepSeek Harness 事故复盘：https://github.com/deepseek-ai/deepseek-harness/tree/master/docs/postmortem
• DeepSeek Harness npm 包：https://www.npmjs.com/package/@deepseek-ai/dsh