已经有 Codex 了，DeepSeek 为什么还要做一个 Harness？

最近，DeepSeek 发布了一个新项目：DeepSeek Harness。

很多人的第一反应是：

“等等，Harness 是什么？”

“Codex、Claude Code 已经能写代码、改文件、跑命令了，为什么还要再装一个？”

“这是不是又一个换了界面的 AI 编程工具？”

先说结论：

DeepSeek Harness 不是想再做一个普通的 AI 聊天框，而是想把 Agent 拆成一盒可以自由组装的乐高。

这个 Harness，它有什么不一样？

很多 AI 编程产品提供的是一辆已经组装好的汽车：模型、工具、界面和 Agent 循环已经搭配完成，用户上车就能开。

DeepSeek Harness 更像一间改装车厂。

它最核心的设计理念只有一句话：

Everything is a Plugin——一切皆插件。

模型是插件，工具是插件，技能是插件，会话、沙箱、存储、调度和 UI 也是插件，甚至连 Agent 如何循环思考和调用工具，都可以替换。

常规 Harness 通常允许你添加几个工具，或者更换部分模型；DeepSeek Harness 则试图把整个 Agent 运行系统都拆成可组合的模块。

所以，它最大的区别并不是“也能写代码”，而是：

你不仅能使用 Agent，还能拆开 Agent，研究它，改造它，再组装出新的 Agent。

我已经有 Codex 了，还用得着它吗？

如果 Codex 已经把你的活干得挺好，继续用就行。没必要因为又出了一个新项目，就给自己加一门安装课。而且，Codex 本身也支持技能、插件和外部工具。只想接个资料库、增加一套常用操作，不一定需要换。

如果你想：

• 在同一个界面里切换 DeepSeek、OpenAI、Anthropic、Kimi 或 GLM 等模型；
• 接入公司内部的 OpenAI 兼容网关；
• 修改 Agent 调用工具和管理上下文的方式；
• 自己开发工具、技能、存储或 UI 插件；
• 回放一次 Agent 运行，查看它每一步看到了什么；
• 从失败节点分叉，换一种模型或方案重新执行；
• 研究不同 Harness 设计对模型表现的影响；

那么 DeepSeek Harness 会更像一个 Agent 实验室。

假设你们团队每周都要从工单里找高频问题，整理成周报。一开始，让现成 Agent 帮忙汇总就够了。后来大家希望它能直接查内部工单、按统一口径分类、把结果存到固定位置。再后来，涉及客户信息的内容还要按权限处理。到这一步，你需要考虑的已经不只是哪个回答更漂亮，还有这些要求能不能长期维护。dsh 值得在这时拿出来试：把查询、处理、保存这些部分逐步接好，哪一块需要调整，就去改哪一块。

这也不是免费的午餐。模型要自己配，插件要自己维护，升级后可能还得排查哪里变了。如果你并不想承担这些工作，那“自由度高”对你可能只是另一种麻烦。先想清楚要解决什么，再决定值不值得折腾。

小白玩家：最快的傻瓜式操作来了

虽然听起来很复杂，但 DeepSeek Harness 最快的体验方式只有一条命令。

第一步：确保电脑已经安装 Node.js。

没装 Node.js 的，先去 Node.js 官网下载安装，装好后重新打开终端。

第二步：复制这一行，回车。

npx @deepseek-ai/dsh web

首次运行如果询问是否安装，输入 y。等它启动后，浏览器会打开页面；没自动打开，就访问终端里显示的地址，默认是 http://127.0.0.1:3080。使用时先别关掉终端。

第三步：填密钥，选文件夹。

在页面中进入 设置 → 模型，填入从 DeepSeek 开放平台获取的 API 密钥并保存。

选择一个本地项目文件夹作为工作区。

第四步：新建会话，直接告诉它要完成什么。

例如：看看这个文件夹里的文章和笔记，帮我整理一份阅读清单。每篇写出标题、主要内容，以及值得细读的地方，保存为“阅读清单。md”，保留原文件。

高端玩家，看这边！

如果你以为 DeepSeek Harness 只是一个 Web 版 AI 编程助手，那就低估它了。

玩法一：一个 Harness，连接多个模型

除了 DeepSeek，它还支持多种内置模型提供方，也可以接入使用 OpenAI Chat Completions、OpenAI Responses 或 Anthropic Messages 协议的自定义服务。

这意味着你可以为不同任务选择不同模型：

• 用一个模型分析需求；
• 用另一个模型编写代码；
• 用推理模型处理复杂问题；
• 用成本更低的模型执行重复任务。

Harness 不再与某一个模型绑定，模型变成了可以随时更换的“发动机”。

玩法二：从失败现场直接分叉

DeepSeek Harness 会用仅追加的会话日志记录运行过程，包括上下文注入、工具调用与结果、子 Agent 调度等信息。

如果 Agent 在第 20 步走错了，你不一定要从头再来。

你可以从某个节点恢复或分叉，修改指令、切换模型，再观察另一条执行路线会发生什么。

这不只是“查看聊天记录”，而是在调试一条 Agent 的思考与行动轨迹。

玩法三：切换不同运行模式

DeepSeek Harness 提供了多种运行模式：

• 标准模式：使用完整工具组合处理日常任务；
• PTC 模式：让模型生成代码，组合多轮工具调用；
• 极简模式：只保留少量工具，适合模型测试和基准评估；
• 创造模式：检查当前运行环境，试验并组合新的插件和模式。

普通用户在使用 Agent，高端玩家已经开始研究“怎样设计 Agent”。

玩法四：自己开发插件

因为模型、工具、技能、存储、沙箱、调度和 UI 都可以插件化，所以你可以围绕自己的业务搭建专用 Agent。

例如：

• 自动检查 GitHub PR 的代码评审 Agent；
• 连接内部知识库的企业问答 Agent；
• 定时检查服务状态的运维 Agent；
• 能读取业务数据并生成报告的分析 Agent；
• 带公司审批流程的自动化 Agent。

你不需要重新造一整套 Agent 系统，只需要替换或补充自己需要的能力。

今天的分享先到这里，更多玩法还需要各位玩家自己探索，快去试试吧！