DeepSeek Harness 是什么？把 AI 编程助手变成一间可以自己改造的工作室

如果你已经用过 Claude Code、Codex 或其他 AI 编程工具，大概熟悉这样的体验：打开工具，交代任务，AI 读代码、改文件、运行命令，最后把结果交给你。

DeepSeek Harness 也能做这些事，但它真正有意思的地方并不在“也能写代码”。它想做的是另一件事：把 AI 助手拆开，让你看见它由哪些部分组成，并允许你重新组合。

你可以把普通 AI 编程工具想成一辆出厂时已经调好的汽车。上车就能开，省心，方向盘、刹车和导航都已经替你安排好。DeepSeek Harness 更像一间带着一辆基础车的改装工作室：车能开，但发动机、工具箱、行车记录、车库门禁，甚至驾驶方式，都可以换。

这听起来很强，也很容易被说得过于玄乎。本文不讨论“它会不会颠覆一切”，而是回答更实际的问题：它到底是什么，普通开发者怎么上手，哪些能力真的有价值，以及你现在是否值得用。

截至 2026 年 8 月 20 日，DeepSeek 官方仍把 Harness 标记为 Developer Preview。它值得学习和试验，但这与“已经适合无人看管地跑生产任务”不是一回事。官方项目说明

先把它想成一间“AI 工作室”

一个能干活的 AI Agent，表面上只是一个聊天框，背后其实有不少东西在配合：

• 有一个负责思考和生成内容的模型；
• 有读文件、改代码、运行命令的工具；
• 有保存上下文和历史记录的会话系统；
• 有决定“哪些操作要先问你”的权限规则；
• 还有把这一切串起来、决定下一步做什么的运行循环。

大多数成品工具会把这些部分预先组装好。这样做没有问题，甚至对多数人更友好。你不需要知道引擎怎样点火，也能把车开去上班。

DeepSeek Harness 的思路不同。官方介绍把模型、工具、Skills、Sessions、Sandboxes、Storage、Loops、Scheduling 和 UI 都看成可以装卸的插件。负责协调这些插件的核心叫 Cordis。

“插件”这个词很容易让人联想到浏览器扩展，但这里的范围要大得多。它不只是给聊天框多加一个按钮，而是可以替换 AI 的模型来源、工具集合、记忆方式、审批规则，甚至整个交互界面。独立的源码分析因此把它称为可组合的 Agent runtime，而不只是一个 Coding Agent。

这个区别什么时候才有意义？

假设你想做一个公司内部的代码审查 Agent。它只能读某几个仓库，执行危险命令前必须让人确认，检查结果要存进公司的系统，而且你希望以后可以从云端模型换成本地模型。成品工具可能允许你配置其中一部分；Harness 的目标则是让这些部分本来就是可替换的积木。

这里也藏着它的第一笔成本：积木越多，自由越大，但你要负责的事情也越多。插件之间能否兼容、插件可以做什么、升级后会不会变化，都不会凭空消失。

官方目前提供四种主要使用姿势：

• Standard 像组装好的基础车型，适合先体验完整工作流；
• PTC 更强调让模型用程序组织多步工具调用；
• Minimal 尽量减少预装内容，方便从小系统开始研究；
• Creator 面向插件的创建和调试。

新手不需要在第一天弄懂四种模式。先用 Standard，等你真的遇到“默认方式不合适”的地方，再去看另外三种，这才是更轻松的路径。

第一次打开，别急着把所有插件都装上

最小启动命令很短：

npx @deepseek-ai/dsh web

启动后，在 Settings 里配置模型，选择一个工作区，就可以开始任务。真正重要的不是把界面里的每个开关都试一遍，而是选一个规模小、结果容易检查、即使失败也没有损失的真实任务。

例如，你可以让它：

阅读这个示例项目，找出启动命令和最主要的目录，然后在不修改文件的前提下，用普通语言告诉我这个项目是做什么的。

这类任务看起来不刺激，却很适合作为第一次接触。你能观察它是否找对工作区、会读取哪些文件、怎样组织工具调用，也能看看哪些动作会触发审批。

确认读取没有问题后，再给一个很小的修改任务，例如补一段缺失的错误提示，并要求它运行现有测试。完成以后不要只看最终回答，还要打开 trajectory，看它中间经历了什么。

如果第一次就给它一个“重构整个项目、顺便升级依赖、自动修复所有问题”的大任务，你很难判断失败发生在哪里：是模型理解错了，是工具权限不足，是上下文太长，还是某个插件改变了行为。先走短路，再走长路，反而更快。

本地模型也是类似。社区已经有人把 Qwen 等本地模型接入 DSH，并跑了很长的任务；但这些结果高度依赖显卡、推理后端、上下文窗口、最大输出长度和自动压缩设置。一项长任务体验很亮眼，却仍然只是特定机器和配置下的个案。正确的阅读方式是“这条路走得通”，而不是“所有人照抄都会一样快”。

如果只记住一个上手原则，就是：先固定模型、工作区和模式，只改变一个变量。 等你知道基础组合怎样工作，再换模型、加插件或改 Agent loop。这样即使出问题，也容易找到原因。

真正值钱的，是你能看见 AI 走过的路

很多 AI 工具都有聊天记录，但聊天记录往往只保留“你问了什么、它回答了什么”。Agent 真正工作时，还发生了不少中间步骤：它读了哪些文件、把什么内容放进上下文、调用了什么工具、工具返回了什么、在哪一步改变了计划。

DeepSeek Harness 把这条过程记录称为 trajectory。它的会话采用追加式事件记录，官方强调可以恢复、分叉、搜索和重放。

可以把它想成游戏存档加行车记录仪。

AI 做到一半走错了，你不一定只能从头再来；可以回到一个较早的节点，从那里开出另一条分支。任务最后虽然完成了，但你想知道它为什么花了这么多 Token，也能顺着轨迹检查究竟在哪些步骤反复读取了大量内容。

这对普通开发者有两个直接好处。

第一个是更容易排错。当 Agent 说“任务完成”，但测试其实没跑成功，你可以分辨它是真的误读了命令结果，还是根本没有执行测试。

第二个是更容易学习 Agent。如果你正在研究怎样写 Skill、怎样安排上下文、怎样让模型选择工具，trajectory 比最终答案更有教学价值。它让你看到模型实际接收了什么，而不是只猜“AI 大概是这样想的”。

这也是 DeepSeek Harness 目前最不容易被其他卖点替代的优势。插件很吸引眼球，但插件多了也可能变成管理负担；trajectory 的可见性则几乎从第一天就能帮助调试和理解。

不过，记录得更完整不等于结果自动正确。行车记录仪能告诉你车在哪里转错了，却不会替你把方向盘打回来。它提高的是可观察性和可恢复性，不是模型智力本身。

它和 Claude Code、Codex 不是简单的输赢关系

“DeepSeek Harness 和 Claude Code、Codex 谁更强？”这是最自然的问题，也是目前最容易得到误导性答案的问题。

原因很简单：最终效果同时受到模型、系统提示、工具、上下文整理、权限、任务类型和机器环境影响。只换 Harness，其他条件也可能跟着变。现在并没有足够可靠的独立基准，证明 DSH 在速度、代码质量或 Token 成本上普遍优于 Claude Code 或 Codex。

社区反馈也彼此冲突。一位早期使用者看到了很高的缓存命中和不错的结果，同时抱怨速度慢、Token 用量大、插件说明难懂；讨论中又有人认为自己的效率更好。另一个跨模型体验帖认为某些 GPT 模型在 DSH 里的工具调用不够顺，而 Codex 的默认组合更省心。

所以，更有用的比较不是“冠军是谁”，而是“你愿意自己调多少东西”。

你的真实需要	更自然的选择
打开就做日常开发，少研究运行时	Claude Code、Codex 等成熟成品
想换模型，但不想重做整个工作流	先看现有成品是否已支持你的供应商
想研究 Agent 怎样装配、怎样记录上下文	DeepSeek Harness
想自己做插件、审批、存储或专用界面	DeepSeek Harness
团队最在意稳定版本和成熟支持	目前优先成熟产品，继续观察 DSH

换个比喻：高铁适合沿成熟线路快速到站，汽车适合日常灵活出行，模块化工作车适合带着工具去没有现成道路的地方。你不会因为工作车可以换轮胎，就断言它在高速路上一定最快。

DeepSeek Harness 的优势是“可以改造”和“看得更清楚”。Claude Code、Codex 的优势通常是默认体验完整、日常路径顺畅。两者并不互相否定，甚至可以同时使用：成熟工具承担日常工作，DSH 用来实验新的 Agent 组合。

现在该不该用？先看你想解决什么问题

如果你是下面几类人，现在就值得花时间试一试：

• 你想真正理解 Agent runtime，而不只是在不同聊天框之间切换；
• 你在设计公司内部的专用 Agent，需要自定义模型、工具、审批或存储；
• 你想开发插件，或者研究 Skill 如何影响上下文和工具选择；
• 你需要检查长任务的完整过程，并从中间节点恢复或分叉；
• 你在测试本地模型或 OpenAI-compatible 接口，希望有一个更开放的实验台。

如果你的目标只是“今天把需求做完”，而且 Claude Code 或 Codex 已经顺手，完全没有必要因为新品热度立即迁移。一个更开放的运行时，不会自动替你省掉配置、维护和学习成本。

生产使用则需要更谨慎。DSH 确实提供审批、guard 和 sandbox 等可配置控制点，但“存在安全开关”与“默认就安全”不是一回事。一项A.I.G. 间接提示注入评估在固定版本、模型、persona 与基线下进行了 14,560 次受控运行，不同攻击通道仍出现了不同程度的成功。这个研究不能代表所有版本和组合，却足以提醒我们：Agent 能读文件、调用工具、执行命令时，安全必须靠实际测试，而不是靠架构名称。

插件系统也有同样的问题。在Hacker News 发布讨论里，很多人喜欢“一切皆插件”的开放感，也有人担心插件疲劳、供应链、权限和 Node/npm 带来的治理成本。双方说的其实都对：插件给了你更大的房子，也意味着你要检查更多扇门。

因此，一个朴素的采用顺序会更稳：先在个人或隔离环境里完成几个真实小任务；再固定版本和配置，记录表现；然后检查审批、工作区边界和插件来源；只有当这些环节都可重复时，才考虑接入更重要的项目。

DeepSeek Harness 当前最吸引人的身份，不是“已经赢下所有 AI 编程工具的新王”，而是一间终于把门打开的 Agent 工作室。你可以走进去，看见模型、工具、记忆和权限怎样配合，也可以动手换掉其中一部分。

对只想坐车的人，它现在可能还不够省心。对想学会造车、修车，甚至设计新交通工具的人，它非常值得认真看看。

延伸观看

下面三个 YouTube 视频与主题高度相关，可以作为不同创作者视角的延伸材料。本次自动获取受到 YouTube 反机器人校验阻断，未取得可审计字幕和画面，因此本文没有用它们支持事实结论：

• Better Stack：DeepSeek Harness Just Changed AI Forever
• Prompt Engineering：Qwen 3.8-27B in DeepSeek Harness
• Turing Post TV：DeepSeek Just Killed Proprietary Coding Agents

参考资料与来源

• DeepSeek Harness 官方介绍
• DeepSeek Harness 官方 GitHub 仓库
• Cordis 论文草稿仓库
• Zicode：DeepSeek Harness Agent Runtime Source Analysis
• Kondasamy：DeepSeek Harness and the Cordis Kernel Architecture
• A.I.G.：DeepSeek Harness 间接提示注入安全评估
• Hacker News 发布讨论
• Reddit：首批使用体验
• Reddit：跨模型使用反馈
• Reddit：本地 Qwen 长任务实验

本文依据截至 2026 年 8 月 20 日可获得的官方资料、独立分析、安全研究和社区讨论撰写。Developer Preview 变化较快，实际使用前请再次核对官方文档。