DeepSeek Harness 入门:一切皆插件的开源 Agent 框架
DeepSeek Harness(dsh)是 DeepSeek AI 官方的开源 agent harness。2026-10-18 打开 GitHub 组织页时为 252,529 stars,MIT,README 仍标 developer preview。架构核心是「一切皆插件」。changelog 建议 0.2.1-rc.1 及以上配合 V4.1-Flash-1017。
核查日 2026-10-18。重新打开了 github.com/deepseek-ai、仓库 README(master),以及 DeepSeek API changelog 里 2026-10-17 那一条。
README 仍写 developer preview,会有破坏性变更。组织页打开时
deepseek-harness是 252,529 stars。几分钟后 GitHub API 返回 252,533。数字在变,以你打开时为准。
2026-10-17 的 API changelog 写:DeepSeek Harness 0.2.1-rc.1 及以上,对新的 V4.1-Flash-1017 体验最好。这是官方对模型和 Harness 版本的搭配提示,不是说更低版本不能跑。
先说结论
DeepSeek Harness(CLI 命令 dsh)不是又一个 AI 编程工具。它是 DeepSeek AI 官方开源的 agent harness——一个让你构建、编排和运行 AI Agent 的框架。
和 Claude Code、Codex 这类”拿来就用的 coding agent”不同,DeepSeek Harness 更像一个Agent 工厂:它提供插件化的架构底座,你把模型、工具、工作流作为插件接入,组装出你自己的 Agent。
一、DeepSeek Harness 是什么
DeepSeek Harness(dsh)是 DeepSeek AI 开发的开源 agent 框架,MIT 许可,TypeScript 编写。2026-10-18 打开组织页时是 252,529 stars。
它的核心设计理念就一句话:Everything is a Plugin(一切皆插件)。
这个理念不是口号,而是由底层引擎 Cordis 驱动的架构约束。Cordis 的设计思想来自论文《A Programming Paradigm for Spatiotemporal Composability》(时空可组合性编程范式)——简单说,就是让软件组件在时间和空间两个维度上都能自由组合。
在 DeepSeek Harness 里:
- 模型是插件:你可以接 DeepSeek 自己的模型,也可以接 OpenAI、Anthropic 或其他 provider
- 工具是插件:文件读写、Shell 执行、网络请求、MCP server——都是插件
- 工作流是插件:agent 的生命周期、任务编排、上下文管理——也是插件
这意味着你不需要”在 LangChain 里写 chain、在 AutoGen 里配 agent”——在 DeepSeek Harness 里,一切都是同一种抽象:插件。
二、核心架构:一切皆插件
与传统 agent 框架的区别
| 维度 | 传统框架(LangChain/AutoGen) | DeepSeek Harness |
|---|---|---|
| 架构模型 | 管线式:chain → agent → tool 逐层抽象 | 插件式:一切是插件,统一抽象 |
| 组合方式 | 预定义链(SequentialChain、RouterChain) | 时空可组合:插件在时间和空间维度自由组合 |
| 扩展性 | 继承或实现特定接口 | 注册插件即可,无需改框架代码 |
| 底层引擎 | 自研或基于 LangChain 表达式语言 | Cordis(独立开源项目,有正式论文) |
| 编码 agent 能力 | 依赖工具调用(function calling) | 原生支持 agent harness,工具执行管线内置 |
关键区别:传统框架是”给你一套积木,按说明书搭”;DeepSeek Harness 是”给你一套乐高,插件就是积木本身,怎么搭你自己定”。
Cordis 引擎
Cordis 是 DeepSeek Harness 的运行时核心。它的”时空可组合性”解决了一个实际问题:agent 的行为不是线性的——它可能在执行任务 A 的过程中被中断、去处理事件 B、然后回来继续 A。传统框架用回调或状态机处理这种场景,Cordis 用插件组合天然支持。
对使用者来说,你不需要理解 Cordis 的论文才能用 DeepSeek Harness。但知道底层有这个引擎,能帮你理解为什么它和 LangChain 的”感觉”不一样。
三、和 Claude Code / Codex 等工具的关系
这不是一个”选 DeepSeek Harness 还是选 Claude Code”的问题——它们是不同层级的东西。
| 维度 | Claude Code / Codex | DeepSeek Harness |
|---|---|---|
| 定位 | Coding Agent(帮你写代码) | Agent Harness(帮你构建 Agent) |
| 使用方式 | 开箱即用,CLI 或 IDE 插件 | 框架,需要组装插件和配置 |
| 模型绑定 | 绑定 Claude / GPT 模型 | 模型无关,插件化接入任意 provider |
| 适用场景 | 个人开发者日常编码 | 构建自定义 Agent 工作流、Agent 产品 |
| 成熟度 | 生产可用 | Developer preview |
你可以两者都用:在 DeepSeek Harness 里接 DeepSeek 模型构建一个代码审查 Agent,同时日常编码继续用 Claude Code。它们不冲突。
四、快速上手
5 分钟跑起来
# 前置条件:Node.js 已安装
npx @deepseek-ai/dsh web
Web UI 默认在 http://127.0.0.1:3080 启动。打开浏览器就能看到界面。
从源码跑
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
配置 Provider
在 Web UI 中配置你的模型 provider(DeepSeek API、OpenAI API 等),然后就可以创建 Agent 并开始使用了。README 指向的文档站是 deepseek-harness.github.io,仓库里的 Web UI 说明在 docs/user/guide/index.md。
若模型用的是 2026-10-17 的 deepseek-flash(V4.1-Flash-1017),官方 changelog 建议 Harness 0.2.1-rc.1 或更高。
2026-10-18 读到的英文 README 没有 Python SDK 这一节。有没有单独的 Python 包:未知。
五、插件生态与社区
插件
DeepSeek Harness 的插件通过 GitHub 的 dsh-plugin topic 来发现。你可以:
- 浏览社区已有的插件
- 在社区目录 dsplugin.app(dsh plugin registry) 按来源与 Manifest 状态筛选可安装插件(社区维护,非官方)
- 把自己的插件打上
dsh-plugintopic 让它被搜索到 - 参考官方文档 插件开发指南 写自己的插件
社区
- Discord:英文 README 里的邀请是 discord.gg/4MrtZUhpxg。旧稿里的另一条邀请这次没再核对是否还能用。
- 国内群:这次打开的英文 README 没写企微或公众号。中文 README 没打开,那些入口是否还在:未知。
- GitHub Discussions:反馈和 bug 报告
六、适合谁 / 不适合谁
适合:
- 想构建自定义 Agent 工作流的开发者(不只是”让 AI 写代码”,而是”让 AI 按你的流程干活”)
- 对插件化架构感兴趣、想深入理解 Agent 框架设计的工程师
- 已经在用 DeepSeek 模型、想基于它构建 Agent 产品的团队
- 愿意接受 developer preview 的不稳定性来换取早期体验
不适合:
- 只想找一个开箱即用的 AI 编程工具——直接用 Claude Code、Codex 或 Cursor
- 对破坏性变更零容忍的生产环境——等 stable release
- 不想学新框架、只想用现成方案——DeepSeek Harness 的学习曲线比直接用 coding agent 高
总结
DeepSeek Harness 的价值不在”又一个 agent 工具”,而在”一种不同的 agent 构建方式”。
当你不再满足于”让 AI 帮我写这段代码”,而是想”让 AI 按我设计的流程、用我指定的工具、在我定义的边界内持续工作”——这时候你就需要一个 agent harness。DeepSeek Harness 的插件化架构,是目前开源世界里对这个需求最激进的回答之一。
它还在 developer preview,但方向已经很清楚:不是给你一个 agent,而是给你一个造 agent 的工厂。
延伸阅读:站内 Harness 品类综述 对比了 Omnigent、Conductor、Zed ACP 等同类 harness 产品,可配合阅读。
📚 继续阅读
📚 相关指南
DeepSeek Search 与 Fetch:免费到 2026-11-01 00:00
核查日 2026-10-23。Harness、Claude Code、Codex 的服务端 Search 与 Fetch 在北京时间 2026-11-01 00:00 前不计次。英文价格页是 $0.75/千次成功请求,中文价格页是 5元。独立 API 现在就按成功请求计费。本文没有实测调用。
国内 Coding API 横评 2026:方舟 / 百炼 / MiniMax / 智谱 / DeepSeek 谁最值得买?
国产 AI 编程 API 套餐 2026 年最全横评:火山方舟 Lite ¥40/月(首月 ¥9.9)、阿里百炼 ¥200、MiniMax ¥29、智谱 GLM ¥49 起、DeepSeek 按量。一张大表 + 6 个场景 + 决策树,30 秒锁定最适合你的方案。
把 PDF 需求书交给 DeepSeek,流程图为什么没被读到?
先检查解析用途,再检查图有没有被裁出。讲清 PDF 上传、file_id 引用、超时对账和两笔费用;不把文档核对写成识图实测。
📖 相关对比文章
Augment Code vs Cursor 2026:插件派 vs IDE 分叉派,谁更适合你?
Augment Code 是插件优先的企业级 AI 编程工具,Cursor 是最流行的 AI IDE 分叉。两者核心架构不同,适合截然不同的开发场景。本文帮你判断哪个更适合你的工作流。
GLM-5.3、DeepSeek Flash、Kimi K3:只比同一张官方表上的数字
2026-10-18 重开 DeepSeek 官方页。旧稿里的「参数未公开」「约 ¥0.5–2/百万 token」「DeepSeek 没有高峰差价」都不成立。GLM 与 Kimi 只采用 DeepSeek 模型卡同表数字,并标明是官方自报、对比项自选。没有同口径的旧跑分已删。
🎁 领取优惠 & 免费试用
汇总各工具与 Coding Plan 的免费额度、首月折扣与注册入口,随时更新。
查看优惠福利 →