DeepSeek Harness v0.1.0-rc.8 是一次以協調能力與輸入方式為主的升級，而不是「所有 DeepSeek 模型突然都具備視覺能力」。這個版本於 2026 年 8 月 19 日發布，距離公開測試與開源發布約 6 天；部分報導則在 8 月 20 至 21 日討論這次更新。916

RC.8 共帶來 14 項調整，範圍涵蓋圖片輸入、子代理、Windows 終端機、工具呼叫、儲存效能，以及不同閘道器的相容性。4

最大變化：圖片正式進入 Agent 循環

RC.8 為 DeepSeek 模型介面卡加入可設定的原生圖片請求路徑。當指定的模型或後端支援圖片輸入時，Harness 可以把圖片直接送給模型，而不是將附件與任務分開處理。28

這項能力也延伸到幾個核心規劃指令：

• /goal 支援文字與圖片混合輸入。
• /plan 支援文字與圖片混合輸入。
• @ 選單可以在工作過程中引用本機檔案與先前的工作階段。21215

對程式開發型 Agent 來說，這代表使用者可以直接把錯誤截圖、介面草圖、流程圖或 UI 異常畫面放進目標與計畫裡，不必先花時間用文字描述整張圖片。

但要注意關鍵前提：RC.8 提供的是圖片傳輸與 Agent 協調路徑，並不會自動替純文字模型增加獨立的視覺理解能力。圖片能否被原生解讀，仍取決於設定的模型或相容後端。89

14 項更新涵蓋哪些部分？

Claude Code 與 Codex 可作為可安裝子代理

Claude Code 與 Codex 現在可以在子代理系統中，以按需安裝的設定檔套件形式使用。Codex 另外新增非互動式權限模式，以及多個具名實例的支援，讓同一個工作流可以執行設定各自獨立的 Codex 子代理。24

Windows 終端機保留 Shell 狀態

Windows PTY 終端機新增持久化 PowerShell 工作階段。這項行為在 minimal 預設模式中預設啟用，因此連續執行指令時，不必每次都重新建立 Shell 狀態。2

工具執行更完整

這次更新改善了工具呼叫流程，包括讓 web_search 支援並行執行、在子代理交付報告後喚醒父任務，以及執行 dsh web 時自動開啟本機瀏覽器。同時，大型工作階段分支與 SQLite 儲存的效能也有所改善。24

圖片、串流與閘道器錯誤獲得修正

RC.8 修正單張圖片過大，或長時間對話中累積太多圖片而導致請求失敗的問題；當串流回應被取消後繼續對話或建立分支時，也能保留回覆前綴。此外，版本還改善自訂 OpenAI 相容閘道器的互通性，處理請求格式差異與缺少推理內容回傳等情況。24

因此，這不只是一次簡單的「圖片上傳」更新。圖片可以參與目標設定、規劃、工作階段歷史與委派任務，執行環境也更能承受長時間或高度依賴工具的工作流。213

純文字模型如何透過「工具層視覺」處理圖片？

當指定模型沒有宣告支援圖片輸入時，Harness 可以改用工具把圖片轉換成結構化的文字證據。據報導，這條流程可能包含帶座標的 OCR 文字、顏色比例統計、特定像素列掃描、圖片尺寸，以及色彩模式等中繼資料，之後再把這些資訊交給文字模型推理。12

這並不等於模型收到了完整的原始影像。它實際上是根據量測結果與擷取出的描述來推斷圖片內容，因此是一種有用、但資訊有所損失的替代方案。

這種方法最適合哪些圖片？

「工具層視覺」較適合具有明確結構、可從文字與幾何訊號中還原的內容，例如：

• 應用程式與使用者介面截圖
• 簡報或投影片截圖
• 流程圖、示意圖與簡單圖形
• 版面清楚、對比度高的文字型圖片。2

這些任務往往著重於文字是否正確、元件如何排列、邊界在哪裡、顏色比例是否改變，OCR 與針對性的像素檢查通常能提供一定程度的證據。

哪些情況仍需要原生視覺模型？

對自然照片、細粒度物件辨識、視覺風格、細微情境，以及複雜的空間或場景關係，這種方法會明顯較弱。OCR 和抽樣像素統計無法可靠重建所有需要的視覺細節。12

實務上的判斷很直接：需要真正理解圖片時，應使用原生視覺模型；若主模型只有文字能力，或任務只是擷取特定證據，才使用工具層視覺作為替代或輔助。它可以協助擷取文字、檢查主要顏色、找出簡單邊界，或驗證介面在像素層級的差異，但不應被視為等同於原生視覺推理。23

社群外掛如何延伸圖片工作流？

在 RC.8 之前，社群已經探索多種讓純文字 Harness Agent 取得視覺證據的方法。相關工具包括 dsh-vision、dsh-vision-toolkit 與 modlens，外掛目錄也列出本機 OCR 和偽視覺橋接工具。1023

其中兩個例子呈現了不同的設計方向：

• ModLens：為純文字模型整理 OCR、版面、實體與關係等結構化證據。18
• dsh-vision-toolkit：聚焦長截圖 OCR、視覺定位、UI 重建與像素比較等工作流。1821

這些外掛不是用來取代 RC.8 的原生圖片路徑，而是與之互補。相容的視覺模型可以直接接收圖片；外掛則能提供更專門的 OCR、版面、像素分析或外部模型工具；純文字模型最後再根據這些證據進行推理。

換句話說，開發者可以在較完整的原生感知能力，與更聚焦、較容易檢查的工具輸出之間作選擇。RC.8 的真正進展，不是讓每一個模型都長出「眼睛」，而是讓圖片更自然地成為 Agent 工作流中的一級輸入。

DeepSeek Harness v0.1.0-rc.8 是一次以協調能力與輸入方式為主的升級，而不是「所有 DeepSeek 模型突然都具備視覺能力」。這個版本於 2026 年 8 月 19 日發布，距離公開測試與開源發布約 6 天；部分報導則在 8 月 20 至 21 日討論這次更新。916

RC.8 共帶來 14 項調整，範圍涵蓋圖片輸入、子代理、Windows 終端機、工具呼叫、儲存效能，以及不同閘道器的相容性。4

最大變化：圖片正式進入 Agent 循環

RC.8 為 DeepSeek 模型介面卡加入可設定的原生圖片請求路徑。當指定的模型或後端支援圖片輸入時，Harness 可以把圖片直接送給模型，而不是將附件與任務分開處理。28

這項能力也延伸到幾個核心規劃指令：

• /goal 支援文字與圖片混合輸入。
• /plan 支援文字與圖片混合輸入。
• @ 選單可以在工作過程中引用本機檔案與先前的工作階段。21215

對程式開發型 Agent 來說，這代表使用者可以直接把錯誤截圖、介面草圖、流程圖或 UI 異常畫面放進目標與計畫裡，不必先花時間用文字描述整張圖片。

但要注意關鍵前提：RC.8 提供的是圖片傳輸與 Agent 協調路徑，並不會自動替純文字模型增加獨立的視覺理解能力。圖片能否被原生解讀，仍取決於設定的模型或相容後端。89

14 項更新涵蓋哪些部分？

Claude Code 與 Codex 可作為可安裝子代理

Claude Code 與 Codex 現在可以在子代理系統中，以按需安裝的設定檔套件形式使用。Codex 另外新增非互動式權限模式，以及多個具名實例的支援，讓同一個工作流可以執行設定各自獨立的 Codex 子代理。24

Windows 終端機保留 Shell 狀態

Windows PTY 終端機新增持久化 PowerShell 工作階段。這項行為在 minimal 預設模式中預設啟用，因此連續執行指令時，不必每次都重新建立 Shell 狀態。2

工具執行更完整

這次更新改善了工具呼叫流程，包括讓 web_search 支援並行執行、在子代理交付報告後喚醒父任務，以及執行 dsh web 時自動開啟本機瀏覽器。同時，大型工作階段分支與 SQLite 儲存的效能也有所改善。24

圖片、串流與閘道器錯誤獲得修正

RC.8 修正單張圖片過大，或長時間對話中累積太多圖片而導致請求失敗的問題；當串流回應被取消後繼續對話或建立分支時，也能保留回覆前綴。此外，版本還改善自訂 OpenAI 相容閘道器的互通性，處理請求格式差異與缺少推理內容回傳等情況。24

因此，這不只是一次簡單的「圖片上傳」更新。圖片可以參與目標設定、規劃、工作階段歷史與委派任務，執行環境也更能承受長時間或高度依賴工具的工作流。213

純文字模型如何透過「工具層視覺」處理圖片？

當指定模型沒有宣告支援圖片輸入時，Harness 可以改用工具把圖片轉換成結構化的文字證據。據報導，這條流程可能包含帶座標的 OCR 文字、顏色比例統計、特定像素列掃描、圖片尺寸，以及色彩模式等中繼資料，之後再把這些資訊交給文字模型推理。12

這並不等於模型收到了完整的原始影像。它實際上是根據量測結果與擷取出的描述來推斷圖片內容，因此是一種有用、但資訊有所損失的替代方案。

這種方法最適合哪些圖片？

「工具層視覺」較適合具有明確結構、可從文字與幾何訊號中還原的內容，例如：

• 應用程式與使用者介面截圖
• 簡報或投影片截圖
• 流程圖、示意圖與簡單圖形
• 版面清楚、對比度高的文字型圖片。2

這些任務往往著重於文字是否正確、元件如何排列、邊界在哪裡、顏色比例是否改變，OCR 與針對性的像素檢查通常能提供一定程度的證據。

哪些情況仍需要原生視覺模型？

對自然照片、細粒度物件辨識、視覺風格、細微情境，以及複雜的空間或場景關係，這種方法會明顯較弱。OCR 和抽樣像素統計無法可靠重建所有需要的視覺細節。12

實務上的判斷很直接：需要真正理解圖片時，應使用原生視覺模型；若主模型只有文字能力，或任務只是擷取特定證據，才使用工具層視覺作為替代或輔助。它可以協助擷取文字、檢查主要顏色、找出簡單邊界，或驗證介面在像素層級的差異，但不應被視為等同於原生視覺推理。23

社群外掛如何延伸圖片工作流？

在 RC.8 之前，社群已經探索多種讓純文字 Harness Agent 取得視覺證據的方法。相關工具包括 dsh-vision、dsh-vision-toolkit 與 modlens，外掛目錄也列出本機 OCR 和偽視覺橋接工具。1023

其中兩個例子呈現了不同的設計方向：

• ModLens：為純文字模型整理 OCR、版面、實體與關係等結構化證據。18
• dsh-vision-toolkit：聚焦長截圖 OCR、視覺定位、UI 重建與像素比較等工作流。1821

這些外掛不是用來取代 RC.8 的原生圖片路徑，而是與之互補。相容的視覺模型可以直接接收圖片；外掛則能提供更專門的 OCR、版面、像素分析或外部模型工具；純文字模型最後再根據這些證據進行推理。

換句話說，開發者可以在較完整的原生感知能力，與更聚焦、較容易檢查的工具輸出之間作選擇。RC.8 的真正進展，不是讓每一個模型都長出「眼睛」，而是讓圖片更自然地成為 Agent 工作流中的一級輸入。