DeepSeek Harness 详解：为什么“模型 + Harness = 智能体”

DeepSeek Harness 最准确的定位，不是一个独立的 AI 模型，而是用于构建和运行智能体的基础设施。这个以 dsh 命令行工具提供的 MIT 许可开发者预览版，围绕一个简单公式展开：模型 + Harness = 智能体。模型负责推理，Harness 则负责把推理连接到文件、终端、工具、会话状态和实际执行环境中。69

8 月 21 日的一次上手评测显示，DeepSeek 的重点并不是先推出一个体验成熟的编程助手，而是把智能体背后的运行机制做成可配置、可扩展的开放运行时。

“模型 + Harness = 智能体”到底是什么意思？

语言模型可以制定计划、生成代码和提出操作指令，但它本身不会自动检查本地项目、修改文件、运行命令、保留完整执行历史，也不会独立协调多轮工具调用。Harness 就是围绕模型搭建的操作层，负责提供这些能力。

在 DeepSeek Harness 中，模型适配器、工具注册表、会话日志和智能体循环本身都可以作为插件替换。其底层架构 Cordis 允许插件向共享运行时上下文提供服务、类型化事件和可撤销的效果。17

这一区分带来两个重要结论：

• 模型并不等于完整的智能体。 模型负责判断、推理，并生成行动或下一步操作。
• Harness 在设计上也不绑定某一个模型。 运行时可以围绕不同的模型适配器和能力集合进行配置，而不是把模型与智能体应用做成无法拆分的一体化产品。16

因此，把 DeepSeek Harness 称为“新 AI 模型”其实抓错了重点。它更像一个执行运行时：将具备推理能力的模型，转变为能够采取行动的系统。

如何启动开发者预览版？

评测中采用的快速启动命令如下：

npx @deepseek-ai/dsh web

本地网页界面运行在 localhost:3080；另一份上手记录则将对应地址写作 127.0.0.1:3080。64

评测还记录了输入 DeepSeek API 密钥，以及看到名为 “Exploring the Uncharted” 的界面。这些属于上手过程中的具体观察，并不意味着每次安装都会显示完全相同的界面或采用相同的配置流程。7

对普通用户而言，最值得注意的是：这套预览版更适合熟悉本地运行时配置、并且能够自行准备模型访问权限的开发者，而不是想要“开箱即用”编程助手的用户。

四种工作模式，本质上是四套插件组合

DeepSeek Harness 并没有把四种模式做成四个互不相关的产品。它们更接近不同的运行时预设：每种模式在启动时加载一组不同的默认插件，以适应特定工作场景。1823

Standard：完整的通用智能体

Standard 是面向日常使用的通用预设。DeepSeek 将其描述为功能完整的编码智能体，支持文件编辑、Shell、文件和网页检索、Skills、计划、目标、子代理以及工作流。20

它最适合一般的智能体开发和任务执行。不过，考虑到当前版本仍处于开发者预览阶段，Standard 更适合尝鲜和实验，而不是直接替代已经成熟的编程智能体产品。

PTC：让模型用程序编排工具调用

PTC 是 Programmatic Tool Calling（程序化工具调用）的缩写，面向需要处理多步工具操作的工作流。模型不必逐次请求每一个工具，而是可以生成一段程序，统一编排连续的操作。20

这种方式更适合能力较强的模型和高级用户。它可能让工具密集型任务更加结构化，但也意味着用户需要更加仔细地检查模型生成的程序究竟会执行什么。

Minimal：受控的模型测试环境

Minimal 将运行时压缩到 Shell 工具和文件编辑器。DeepSeek 将其定位为一种有意限制能力的环境，用于评测或研究模型，减少完整 Harness 带来的额外帮助。20

当目标是进行模型能力评估，而不是追求使用便利时，这种模式尤其有价值。它能帮助开发者区分：任务结果究竟来自模型本身，还是来自完整智能体栈提供的辅助能力。

Creation：用来构建和改造运行时

Creation 面向希望修改或扩展 Harness 的开发者。它支持检查当前运行时、在内存中试验 Cordis 插件，以及组合自定义预设。20

已有文档介绍的一款 Creation 模式插件，还加入了 Cordis 自检、动态插件实验和预设编写指导。22 这使 Creation 成为 DeepSeek 更大野心的集中体现：系统不仅要运行智能体，也要让开发者能够重新塑造智能体所依赖的运行时。

Cordis 与“万物皆插件”的架构

DeepSeek Harness 最具辨识度的地方，是它对架构的处理方式。它没有把模型、工具、历史记录和控制循环都锁在一个庞大而固定的核心里，而是通过 Cordis 插件系统暴露这些组成部分。

官方架构文档明确将以下组件列为可替换插件：

• 模型适配器；
• 工具注册表；
• 会话日志；
• 智能体循环。17

上手报道还将这一更广泛的方向延伸到 Skills、会话、沙箱、存储、调度和用户界面。不过，现有官方架构摘录并未逐一独立确认这些部分的全部实现细节，因此它们更适合被理解为项目所展示的设计方向，而不是同等程度上已经核实的功能清单。117

这一设计也解释了四种模式为何可以呈现出截然不同的工作方式，却不需要维护四个独立应用。不同 profile 可以在启动时按顺序组合插件层，从而针对普通编码、受控评测、程序化工具调用或插件开发，组装出不同的运行时。1723

从“只看结果”转向观察执行过程

如果智能体只展示最终答案，调试往往会变得困难。DeepSeek Harness 更重视执行路径：会话和轨迹属于运行时架构的一部分，会话日志组件也和其他组件一样可以被替换。17

另一份上手报告称，Trajectory 视图会将执行过程保存为磁盘上的追加式 JSONL 事件流，这帮助评测者迅速定位配置问题。4 但需要注意，官方架构摘录确认了“会话日志是插件”，并未单独验证追加式格式的每一个实现细节。

对开发者来说，这种可追溯性可能与模型的原始能力同样重要。它可以帮助回答：智能体调用了哪个工具、尝试执行了什么、以及一个长任务究竟从哪一步开始偏离目标。

早期测试暴露了怎样的性能取舍？

现有测试显示出一定的实际能力，但还不足以构成普遍适用的性能基准。在 8 月 21 日的一次测试中，使用 DeepSeek V4 Flash 0731 的智能体花费 46 分钟、执行 109 个步骤来构建一个插件，并消耗了 890 万输入 token。1 另一项上手测试在构建国际空间站追踪器时，约 35 分钟内消耗了约 2,000 万 token。2

这些结果支持一个相对谨慎的判断：在开发者预览版阶段，长时间自主任务可能既慢又昂贵；实际耗时会受到模型、任务类型、缓存情况和工作负载影响。它们不应被理解为 DeepSeek Harness 每次运行都必然达到的固定速度上限。

这组证据也说明了产品当前的取舍：DeepSeek 先提供了高度可配置的基础设施，但完整的用户体验仍未打磨成熟。项目被认为有潜力成为受控工程试点的基础，却还不能被视为已经适合生产环境的控制平面。56

最终定位：不是更漂亮的编程助手，而是可改造的智能体底座

目前最有说服力的表述，并不是“DeepSeek 做出了最好的编程智能体界面”，而是：DeepSeek 开源了一个范围较广的智能体运行时，在其中模型、工具、执行循环和其他能力都可以组合、替换。

这使 DeepSeek Harness 尤其适合以下人群：

• 正在构建自定义智能体的开发者；
• 需要在不同 Harness 辅助程度下评测模型的研究人员；
• 需要检查执行历史的工程团队；
• 希望通过插件和运行时组合进行实验的开源贡献者。

如果用户只是想找一个延迟稳定、配置简单、体验成熟的编程助手，那么它目前的吸引力相对有限。v0.1 的产品外壳仍然较早期，而长任务测试也表明，能力强并不自动意味着速度快，更不等于已经具备生产就绪性。56

简而言之，“模型 + Harness = 智能体”既是产品解释，也是战略宣言。DeepSeek 正在把“智能”与“让智能能够行动的运行机制”拆分开来，并押注一个可扩展的插件运行时，最终可能比某个固定形态的智能体应用更有价值。