agent 与 harness 的区别

原生大模型只能输出文本，本身没有访问网络、读写文件、执行命令的能力。

我们可以给大模型接入外部工具：搜索接口、文件编辑器、终端命令行，再用一套程序循环驱动思考→行动→观察，这就是 AI Agent。

除了 经典的 ReAct（Reason + Acting）推理行动模式，还有另一种主流范式：Plan‑and‑Execute（先规划，后执行），Agent 在任务最开始，先完整拆解任务、生成执行清单，后续严格按照计划逐步落地。真实工程产品不会只使用单一模式，绝大多数成熟 Agent 都会两种方案混合使用。

但一个稳定可靠的自主智能体，远不止 调用工具 这么简单：

• 校验工具入参合法性，捕获模型输出格式异常
• 控制上下文长度，防止对话窗口溢出

上下文摘要压缩：当对话快要占满窗口时，Agent 自动将早期冗长的对话内容精简为简短摘要，释放空间。多智能体协作：主 Agent 作为项目经理：负责需求拆解、子任务分发，只收集最终交付结果，不关心中间执行细节。 多个子 Agent 独立执行细分任务，各自拥有独立的上下文窗口。

• 危险操作增加安全确认、失败自动重试、备选方案切换
• 完整保存每一步执行日志，任务可回溯、可审计

Harness 就是承担上述全部管控能力的运行底座。

大模型是 Agent 的大脑，Harness 是整套执行管控、调度、安全、日志记录的工程运行系统。

Agent 和 Harness 的区别是什么？ 用DeepSeek官网这个公式回答这个问题，Agent = Model + Harness，Harness是Agent除了大模型的其他所有部分，包括但不限于工具，提示词，记忆，上下文管理，任务规划，多智能体协作，MCP，Skill等等一系列能让Agent更好的完成任务的模块。

DeepSeek Harness 基于独立开源的 TypeScript 插件框架 Cordis 构建，最核心的设计哲学：一切皆插件。

在这套架构下，没有不可修改的固化代码模块：

• 模型对接适配器、各类工具集
• 文件系统、会话存储、日志持久化
• Agent 主循环逻辑、沙箱安全策略、前端 Web 界面

全部都是可独立挂载、卸载、替换的插件，依靠事件总线完成通信。

官方内置的 4 种运行模式，并不是 4 套独立程序，只是同一套 Harness 内核加载了四份完全不同的插件配置清单。开发者无需修改框架源码，仅通过配置文件，就能自由组装出完全自定义的全新 Agent 形态。

模式	核心特性	运行逻辑	推荐使用场景
标准模式 Standard	完整插件包：文件编辑、Shell 终端、网页检索、任务规划、子 Agent、工作流	传统 ReAct 循环，每一步工具调用都请求一次大模型	日常开发、Bug 修复、完整项目工程任务，默认首选模式
PTC 模式（Programmatic Tool Calling）	保留全部能力，仅对外暴露run_code单一工具	模型生成一段 TypeScript 脚本，在脚本内部串联多步工具调用，减少大模型交互轮次	长链路自动化任务，批量数据处理；理想状态下节约 Token 与调用成本，缺点是脚本编写失败反而会增加调试开销
极简模式 Minimal	仅保留 Bash 终端 + 文件编辑两个工具，系统提示词极度精简	剥离所有增强插件，完全依靠模型原生能力解决任务	模型基准能力评测，控制变量做对比实验
创造模式 Creative	完整能力 + 运行时插件读写权限	Agent 可以读取当前插件列表，自行组合插件，创建全新自定义运行模式	Agent 自我迭代、框架二次开发、自定义工作流实验

举一个直观的对比案例：获取 B 站 UP 主多期视频数据。标准模式：几十轮大模型交互，分步调用工具完成；自定义新模式（创造模式产出）：封装专用工具，仅需 2 次 AI 调用即可完成相同任务。

CC 与 deepseek harness 的差异

CC 本身 ≠ Harness，但内部自带一套私有的、闭源的 Harness 执行系统；对外交付形态是 打包完成的成品 Agent ，而 DeepSeek Harness 是把这套底层运行引擎单独开源释放出来。

CC 是面向编码场景、完整封装好的成品 Agent 产品：大脑：Claude 系列大模型。底层内置一套 Anthropic 自研、闭源的 Agent 运行 Harness：ReAct 循环管理，文件读写、命令执行沙箱，工具调用校验、失败重试、上下文裁剪。

交付形态 是 开箱即用的 CLI / Web，你不能替换插件、修改 Agent 循环逻辑、自定义新模式。

Anthropic 把「模型 + Harness + 工具集 + UI」全部打包成一个黑盒产品对外交付。用户只能使用，不能改造底层运行规则。

项目	身份	Harness 是否开放	定位
Claude Code	成品 Agent 应用	❌ 闭源内置，不可修改	面向终端用户的完整产品
DeepSeek Harness	开源 Agent 运行框架	✅ 完整开源、插件可替换	面向开发者的底层基础设施

CC 厂家把 Harness 藏起来，卖给你一个做好的智能体。 DeepSeek Harness 把 Harness 本身开源给你，你自己挑选模型、插件，拼装属于你的 Agent。

deepseek harness快速上手：核心基础能力

一键安装与初始配置

deepseek 官方仓库

DeepSeek Harness 的安装门槛极低，官方仓库提供了一键安装命令，只需在终端粘贴执行即可完成部署。安装完成后，复制终端输出的本地链接在浏览器中打开，按照引导完成两步配置即可使用：

npx @deepseek-ai/dsh web

• API Key 配置：填入 DeepSeek 官方 API Key，保存后即可连通模型服务，响应速度表现优异；
• 工作路径设置：指定本地代码仓库的工作目录，作为 AI 操作的根路径。

界面默认提供深色主题，也可在设置中切换为浅色模式，适配不同使用习惯。

可能遇到的问题：npx @deepseek-ai/dsh web 无限卡死

解决方案：执行下面的命令

pnpm dlx @deepseek-ai/dsh web

登录页面展示：

原生 Web UI：跨设备访问

和绝大多数 AI 编程助手的 TUI 终端界面、桌面客户端形态不同，DeepSeek Harness 直接采用 Web UI 作为交互入口，这一设计带来了两大核心优势：

• 操作体验更友好：代码查看、文本复制、轨迹浏览等操作，相比终端界面效率大幅提升；
• 天然跨设备访问：配合 ngrok 等内网穿透工具，只需简单配置 Token，即可生成公网访问链接。开发者在电脑不在身边时，可通过手机、平板等任意设备的浏览器访问本地运行的 DeepSeek Harness，继续执行开发任务，无需安装专属移动端 App。

ngrok 平台地址

在我的远程电脑上实现了内网穿透，任意电脑访问本地运行 harness 。

多模式与多模型灵活适配

DeepSeek Harness 提供了四种运行模式，覆盖不同场景需求：

• 标准模式：完整的 Coding Agent 能力，支持文件编辑、命令执行、网络搜索、Skill 调用、任务规划、子 Agent 调度等全功能，也是唯一支持 Workflow 和 Agent Teams 的模式；
• 代码模式：包含标准模式全部功能，额外提供更多代码扩展能力，适合纯代码开发场景；
• 最小模式：轻量化运行，资源占用更低；
• 创作者模式：面向内容创作场景优化。

除了原生 DeepSeek 系列模型外，DeepSeek Harness 支持接入市面上几乎所有主流模型提供商（如 OpenRouter 等）。只需在模型配置中填入对应平台的 API Key，即可快速添加新的模型服务商，并在不同会话中自由切换模型，实现多模型能力的统一调度。

执行轨迹全透明

DeepSeek Harness 提供了完整的执行轨迹可视化功能，用不同颜色区分操作类型，开发者可查看每一步的系统提示词、用户输入、工具调用详情、Payload、执行结果、耗时与轮次。所有 Agent 执行步骤完全透明、可追溯，这是很多传统 AI 编程助手不具备的特性。

跨工具协同：作为通用执行节点的 Web UI

DeepSeek Harness 的 Web UI 架构不仅服务于人类开发者，还天然支持跨 AI 工具协同。其他 AI 编程助手 可通过内置浏览器打开 DeepSeek Harness 的 Web 界面，向其派发任务并实时获取执行状态。

通过内置浏览器打开 deepseek harness 的 web UI: [http://127.0.0.1:3080/](http://127.0.0.1:3080/)

并为其分配一个分析这个项目架构的任务：[https://github.com/liuhaha1111/TechCat-Workbench](https://github.com/liuhaha1111/TechCat-Workbench)

实测中，在 ChatGPT 中输入指令，让其通过内置浏览器打开 DeepSeek Harness，并分配项目架构分析任务。Cursor 可成功在 Harness 中输入提示词、触发任务执行，并实时获取任务进度与状态。这意味着 DeepSeek Harness 可作为通用的代码执行节点，融入开发者已有的 AI 工具链，实现多工具分工协作。

高级功能：Workflow 与 Agent Teams，拆解复杂任务

随着版本快速迭代，DeepSeek Harness 新增了 Workflow 动态工作流与 Agent Teams 智能团队两大高级功能，大幅提升了复杂代码仓库的处理能力，其设计理念对标 Cursor 的 Dynamic Workflow 与 Agent Teams 功能。

Workflow 动态工作流

Workflow 功能的核心是 “临时专家并行协作”：执行任务前，主 Agent 会根据开发者的自然语言需求，自动编写工作流脚本，提前定义子 Agent 数量、各自职责、执行阶段与任务目标。执行阶段，多个子 Agent 并行完成各自任务，最终由主 Agent 汇总所有结果并输出最终结论。

代码仓库发布前审计

请明确使用 workflow 工具，对当前代码仓库进行一次并行、只读的发布前审计。

并行启动以下 4 个子任务：

1. architecture
检查模块边界、依赖方向、循环依赖和不合理耦合。
2. correctness
检查错误处理、空值处理、并发问题、边界条件和资源泄漏。
3. tests
检查测试覆盖缺口、脆弱测试、缺少的异常路径测试。
4. security
检查输入验证、命令执行、路径遍历、敏感信息和权限问题。

**要求：**

- 必须使用 workflow 工具；
- 所有子代理只读，禁止修改文件；
- 每个子代理返回结构化结果；
- 每项问题必须包含 severity、file、evidence、recommendation；
- 某个子代理失败时保留 null，不得无限重试；
- 最终对问题去重，并按严重程度排序；
- 最多返回 15 个最重要的问题；
- 使用 phase 和 log 标记执行阶段；
- 最终返回 JSON 可序列化结果。

以 “对当前代码库进行并行只读的发布前审计” 为例，要求启动 4 个子 Agent，分别检查模块边界依赖、错误处理、测试覆盖、输入验证，且禁止修改文件，每个子 Agent 返回结构化结果。

执行过程中，可实时查看工作流构建进度、子 Agent 运行状态、各 Agent 调用的模型与实时 Token 消耗。

Agent Teams 智能团队

与 Workflow 的核心区别

• Workflow 是一次性临时任务，子 Agent 之间无法互相通信，任务结束即解散；
• Agent Teams 是可持续的开发团队，成员之间可互相发送消息、多轮推进任务，最终由主 Agent（团队负责人）汇总输出。

请使用 Agent teams 对当前代码库进行 code review

DeepSeek Harness 不会直接固定团队规模，而是先扫描代码库的结构与规模，再自动设计评审方案。

总结与展望

DeepSeek Harness 凭借 Web 化架构、插件化生态、动态工作流、Agent 团队协作、全链路执行透明五大核心特性，在 AI 编程助手赛道走出了差异化路线。相比 Cursor 等成熟工具，它在自定义程度、跨设备访问、多工具协同上具备独特优势，尤其适合需要高度定制工作流、处理大型复杂代码库、进行团队式代码评审的开发者。

同时，DeepSeek Harness 的迭代速度极快，伴随着 DeepSeek V4 Flash Vision 模型的发布，其多模态能力已得到大幅增强：OCR 能力可识别手写笔记并按原格式提取，视觉能力可将房屋平面图复刻为 3D 可探索的前端模型。随着插件生态的持续繁荣与功能的不断迭代，DeepSeek Harness 有望成为开发者手中高度灵活的 AI 编程工作台。