2026 年 8 月 13 日，DeepSeek 悄悄公开了一个新项目。

它不是 DeepSeek-V5，也不是新一代推理模型，而是一套名为 DeepSeek Harness 的开源 Agent 运行框架。

结果，GitHub 很快沸腾了。

发布数小时超过 3 万 Star，两天突破 10 万。截至 8 月 17 日，项目已经获得约 13.2 万 Star、1.3 万 Fork，成为 GitHub 增长最快的开源项目之一。

但真正值得关注的，并不是这个夸张的数字。

而是 DeepSeek 正在尝试把 Claude Code、Codex 这类 AI 编程工具背后的“发动机”，完整地拆出来交给开发者。

Harness 到底是什么？

先从一个最简单的公式开始：

AI Agent = 大模型 + Harness

大模型负责思考。

Harness 负责让模型真正行动。

如果只有大模型，它只能接收文字并生成文字。想让它读取代码、修改文件、执行命令、搜索网页、调用其他 Agent，并且连续工作几十分钟，就需要一套额外的运行系统。

这套系统通常负责：

  • 把项目文件和系统提示词交给模型
  • 向模型描述当前可以使用哪些工具
  • 执行模型发起的工具调用
  • 将执行结果重新送回模型
  • 管理多轮上下文和任务状态
  • 控制文件、Shell 和网络权限
  • 保存会话并支持恢复、分叉和回放
  • 在必要时调度子 Agent

这就是 Agent Harness。

可以把大模型理解成大脑，而 Harness 是眼睛、双手、记忆和工作台。

Claude Code、Codex、Cursor 都有自己的 Harness。过去，这些能力通常和具体产品深度绑定。DeepSeek Harness 想做的，则是一套模型无关、工具无关、可以自由拆装的开源 Agent 基础设施。

它最特别的地方：一切皆插件

DeepSeek Harness 的核心设计只有一句话：

Everything is a plugin.

这里的“插件”并不只是主题、快捷命令或者小工具。

在 DeepSeek Harness 中，几乎所有关键能力都是插件：

模型适配器
工具注册器
Agent Loop
会话存储
文件系统
Shell
沙箱
权限审批
Skills
子 Agent
任务调度
Web UI

甚至负责驱动整个 Agent 思考和行动的 Agent Loop，本身也可以被替换。

它底层使用名为 Cordis 的插件框架。所有插件向同一个运行上下文注册服务和事件，并声明彼此的依赖关系。

整个结构可以简化成：

用户
 │
 ├─ Web UI / CLI / Python SDK
 │
 ▼
Agent Loop
 │
 ├─ 模型插件
 ├─ 工具插件
 ├─ Skills 插件
 ├─ 会话插件
 ├─ 沙箱插件
 ├─ 子 Agent 插件
 └─ 存储与界面插件

这意味着开发者不必 Fork 整个项目，就能替换其中某项能力。

例如：

  • 把 DeepSeek 模型换成 Claude
  • 把本地 Shell 换成远程容器
  • 增加一个公司内部代码搜索工具
  • 替换默认的权限审批策略
  • 为某类任务设计专用 Agent Loop
  • 给不同会话装配不同的工具集合

这也是 DeepSeek Harness 和普通“开源聊天界面”最大的区别：它开放的不只是界面，而是完整的 Agent 运行结构。

它并不绑定 DeepSeek 模型

虽然名字叫 DeepSeek Harness，但它并不要求使用 DeepSeek 模型。

目前官方配置支持：

  • DeepSeek
  • OpenAI
  • Anthropic
  • AWS Bedrock
  • Microsoft Azure
  • Google Vertex
  • 自定义 OpenAI-compatible 服务

也就是说，你可以使用 DeepSeek Harness 作为运行框架，底层连接 Claude、GPT、自部署模型或者公司内部模型网关。

它甚至提供了 Claude Code 和 Codex 的子 Agent 适配器，可以把某些任务委派给本机已经安装的 Claude Code 或 Codex。

这让它更像一个 Agent 基础设施项目，而不是单纯推广 DeepSeek API 的客户端。

四种模式，四种 Agent 工作方式

DeepSeek Harness 默认提供四种运行模式。

Standard：完整编码 Agent

Standard 是最接近 Claude Code 和 Codex 的模式。

它包含文件读写、Shell、Web 搜索、Skills、任务计划、目标管理、子 Agent 和工作流等完整能力，适合日常代码开发和仓库维护。

Code：让模型写代码来调用工具

普通 Agent 通常一次只能发起一组工具调用。

如果一个任务需要先搜索文件，再读取内容，再执行命令，模型可能需要和 Harness 往返多轮。

Code 模式会动态生成一套 TypeScript SDK，让模型编写一小段程序来组合工具：

const files = await tools.search({ query: "payment" });
const contents = await tools.readMany({ paths: files });
const result = await tools.runTests({ scope: "payment" });

return { files, contents, result };

原本需要五轮甚至十轮交互的操作，有机会在一次执行中完成。

这能降低模型调用次数，也能减少工具执行过程中的上下文损耗。

Minimal：只保留两个工具

Minimal 模式只有：

bash
str_replace_editor

它主要用于测试模型本身的 Agent 能力。

工具越丰富，越难判断任务成功究竟来自模型能力，还是 Harness 提供了过多辅助。Minimal 模式刻意降低运行环境的帮助，更适合模型评测和横向比较。

Creator：用 Agent 创建 Agent

Creator 模式面向插件和 Agent 配置开发者。

除了 Standard 模式的能力，它还可以检查当前运行时、测试插件、修改配置，并将一组插件组合成新的 Agent 预设。

简单说，就是让 Agent 帮你搭建另一个 Agent。

模型看到的一切，都可以追溯

Agent 系统最难调试的问题之一，是你经常不知道模型为什么做出了某个决定。

它到底看到了哪些上下文？工具返回了什么？系统在中途注入了什么信息？子 Agent 又做了哪些操作？

DeepSeek Harness 使用 append-only session log，也就是只追加、不覆盖的会话事件日志。

其中会记录：

  • 用户输入
  • 系统提示词
  • 模型输出
  • 推理过程
  • 工具调用和结果
  • 上下文注入
  • 子 Agent 调度
  • 每个步骤的开始与结束

恢复会话、创建分支、回放过程、生成记录和展示 Web UI，全部基于同一条事件流。

它有一条非常重要的设计原则：

只要模型能够看到，就必须能够从日志中重建。

对于需要审计、调试或者复现 Agent 行为的团队，这可能比“支持多少工具”更有价值。

一条命令就能运行

DeepSeek Harness 基于 Node.js，最快的启动方式是：

npx @deepseek-ai/dsh web

默认会在本机启动 Web UI：

http://127.0.0.1:3080

启动后需要完成两项配置：

  1. 在 Settings → Models 中添加模型 API Key。
  2. 选择允许 Agent 操作的本地工作目录。

随后就可以创建会话，例如：

分析这个仓库的整体架构，找出主要模块，
运行测试，并列出目前最值得修复的三个问题。

Agent 可以读取和修改工作区文件、执行命令、维护任务计划，并在权限策略要求时请求用户批准。

从源码安装则需要：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

为什么它能在四天内获得 13 万 Star？

首先是 DeepSeek 已经拥有巨大的全球开发者影响力。经历 DeepSeek-V3 和 R1 之后，任何官方项目都会天然获得关注。

其次，Agent Harness 正处在行业风口。大家逐渐意识到，模型能力只是 AI Agent 的一半，工具、上下文、权限、记忆和执行循环同样重要。

最后，DeepSeek Harness 提供了一个非常容易传播的故事：

一个开源、模型无关、所有组件都可以替换的 Claude Code/Codex 基础设施。

低门槛的 npx 启动方式、完整的 Web UI、大量架构文档和 MIT 许可证，又进一步降低了尝试成本。

当然，Star 不等于真实用户。但它的其他数据也不算弱：发布四天约有 1.3 万 Fork，npm 包累计接近 20 万次下载，并迅速形成了社区插件生态。

这说明其中虽然存在品牌效应和“先收藏再研究”，但并不完全是空洞的热度。

现在适合拿它替代 Claude Code 吗？

还不建议直接得出这个结论。

官方明确将当前版本标记为 Developer Preview，并警告后续会出现破坏兼容性的修改。它现在更适合：

  • 研究 Agent Harness 架构
  • 开发自定义工具和插件
  • 搭建内部 Agent 平台
  • 测试不同模型和 Agent Loop
  • 构建可审计、可回放的 Agent 工作流

如果只是希望稳定地完成日常编码任务，Claude Code、Codex 等成熟产品仍然更省心。

但如果你关心的不是“让 AI 帮我写一次代码”，而是“如何搭建一套属于自己的 Agent 系统”，DeepSeek Harness 可能是目前最值得研究的开源项目之一。

最后的判断

DeepSeek Harness 最重要的意义，不是又多了一个 AI 编程工具。

它代表着竞争正在从“谁的模型更强”，转向：

谁能为模型提供更好的工具、记忆、权限、执行环境和协作机制。

模型决定 Agent 能想多远。

Harness 决定 Agent 能走多远。

DeepSeek 这次开源的，正是后者。

相关资料：

# 人工智能
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

飞牛NAS部署PandaWiki：搭建自托管AI知识库并实现远程访问

avatar DeepSeek技术社区
cover

飞牛NAS部署Hermes Agent：RK3566接入DeepSeek、微信与远程控制台

avatar DeepSeek技术社区

ChatGPT上传文件后读不完整怎么办？PDF、Word、Excel读取遗漏排查

ChatGPT上传PDF、Word、Excel后出现内容读取不完整、总结遗漏或数据分析缺失怎么办？本文从扫描版PDF、复杂Word排版、Excel多Sheet、大文件任务范围和长对话干扰等方面，整理一套文件读取遗漏排查方法。

avatar DeepSeek技术社区