DeepSeek Harness 是什么
DeepSeek Harness（简称 DSH）是杭州深度求索 2026 年 8 月开源的智能体运行时框架，采用 MIT 协议，官方仓库在 GitHub 已收获超过 24 万颗星。它基于自研 Cordis 内核的「一切皆插件」架构：模型、工具、技能、会话、沙箱、存储、调度、界面等 Agent 能力全部以插件形式提供，开发者不改动源码就能在配置层自由替换、重组任一能力。它既能作为桌面应用装好即用，也能装好 Node.js 后用一行命令把 Web 界面跑起来；框架本身完全免费，费用只产生在模型调用一侧，当前处于开发者预览阶段，接口与插件契约仍可能变动。
如果把 AI 模型比作一匹马，那 Harness 就是你驾驭 AI 模型这匹马所需要的一切工程。所谓 Harness 工程，就是研究怎么让 AI 模型这匹马跑得更快、更稳，顺利完成任务。你给 AI 写的项目规则文件、配置的各种工具、安排的任务拆分和执行顺序、设计的测试检查流程，这些统统都算 Harness。
DeepSeek Harness 的主要功能
- 日常工作代办：整理资料、分析表格、撰写文档、制作汇报，Word、Excel、PDF、Markdown 等文件在工作区内直接预览，通过对话持续修改完善。
- 编写代码与改仓库：理解项目结构、修复问题、开发功能、运行测试，配合终端插件执行命令，改动以diff形式逐轮呈现。
- 资料查证：联网搜索资料、交叉核对信息，给出标注来源的结论。
- 后台与定时任务：脚本批量处理、文件批量转换在后台执行、随时查看进度；自动化任务插件支持按计划触发，比如每周五定时汇总项目周报。
- 插件生态：官方插件覆盖终端、Agent 循环、子智能体、智能体团队、自动授权审查、自动化任务、语音输入等，社区插件市场持续扩充。
- 创造模式：用对话直接生成新插件，比如让它写一个悬浮番茄时钟，装好即用，把临时需求固化成自己的工具。
- 开发者工具：执行轨迹逐轮可查，每一步工具调用的参数、结果与耗时都能展开核对，排障不用猜。
DeepSeek Harness 的计费方式
计费方式：框架本身完全免费——MIT 开源协议，桌面端安装包、源码与插件生态均不收费，也没有账号或订阅体系。费用产生在模型调用一侧：默认连接 DeepSeek 模型时按 DeepSeek 官方 API 计费标准付费；模型能力本身也是插件，可按开发者文档改配其他 OpenAI 兼容端点（含本地模型，边际调用成本为零）。以上为 2026 年 10 月整理，仅供参考，具体以 DeepSeek 官网价格公示为准。
如何使用 DeepSeek Harness
- 装桌面端：从官网下载 macOS（Apple 芯片）或 Windows（64 位）安装包，像普通软件一样安装，进入工作台即用，不需要提前装 Node.js 或开终端。
- 命令启动 Web 界面：装好 Node.js 后执行
npx @deepseek-ai/dsh web即可从代码启动网页版；想深入定制就克隆官方 GitHub 仓库按说明从源码安装。 - 配置模型：框架与密钥无关、装完就能跑，首次真正派活时在设置里填入模型提供方的 API Key（官方 DeepSeek API 或其他 OpenAI 兼容端点）。
- 派发任务：用自然语言描述要做的事，也可以用斜杠指令、@文件精准指定对象；工作区里直接预览成果，不满意继续对话修改。
- 装插件与定时任务：在插件面板安装官方或社区插件；启用自动化任务插件后，可创建按周、按天重复执行的定时任务。
- 留意预览版边界：官方以大写字母声明预览阶段可能有不兼容变更，接入生产流程前建议锁定版本，并留意仓库更新说明。
同类产品对比
- 对比 DeepSeek：同门两条产品线——官网助手是打开就能聊的对话入口，网页和 App 直接用；Harness 把重心放在「持续干活」，接手文件、代码仓库与定时任务，需要自己配模型密钥，门槛和自由度都高了一截。
- 对比 爱派AiPy：两者都是「软件免费、模型自带钥匙」的本地执行型智能体；爱派AiPy 主打一句话派活、装完即用的轻量路子，DeepSeek Harness 靠插件架构和工作区更适合搭一套长期演进的个人工作台，初次配置要花的心思也更多。
- 对比 Loomy：同为桌面端 AI 干活搭子，Loomy 屏蔽配置、开箱即用，模型消耗走积分与订阅；DeepSeek Harness 免费开源、模型可换可本地化，代价是 API Key、权限审批这些都要自己拿主意。
DeepSeek Harness 的应用场景
- 个人工作台搭建：把文档整理、表格分析、汇报制作和定时周报交给一个常驻桌面的 Agent，按自己的流程装插件逐步定制，适合想把重复工作固化成工具链的效率人群。
- 代码仓库维护：让 Agent 理解项目、修缺陷、补测试、跑构建，用执行轨迹核对每一轮改动，适合维护中大型项目的开发者与小型团队。
- 数据批量处理：批量转换、清洗、汇总文件的任务交给后台执行，不占前台时间，适合天天跟数据表格打交道的分析师与运营。
- 私有化与本地化部署：源码 MIT 开放、可自建部署，再把模型指到本地或自有服务，把整套 Agent 工作流留在自己机器上，适合对数据流向敏感的团队。
- 工作流玩家定制：在创造模式里把临时需求写成专属插件，如悬浮番茄钟、周报模板生成器，适合喜欢折腾、想定制自己工具的人。
