开源五天暴涨12万Star！「DeepSeek harness一切皆插件」诠释了什么叫做国产之光！

yfj-unicorn

226人浏览 · 2026-08-17 19:12:26

yfj-unicorn · 2026-08-17 19:12:26 发布

上周四，DeepSeek 做了一件我觉得比发新模型更值得关注的事：他们把 DeepSeek Harness（dsh）的源码开源了。

新模型 V4-Pro 同步发布，但那是另一个话题。今天我想聊的，是 Harness 这个东西本身——以及它背后隐藏的一个信号。

从模型到"套"模型的基础设施

过去两年，DeepSeek 的打法很清晰：发模型、卷 benchmark、压价格。这条路他们走得很猛，也确实改变了行业。

但 Harness 的出现，说明他们开始打另一层了。

Claude Code、OpenAI Codex——这些工具的核心不只是接了个好模型，而是在模型外面搭了一整套"让模型能干活"的基础设施：工具调用、文件系统访问、会话持久化、子 agent 调度、沙箱隔离……这些能力组合在一起，才让 AI 从"会聊天"变成"能干活"。

DeepSeek Harness 要做的，就是这一层。

核心理念：Everything is a Plugin

DeepSeek 给 Harness 的定义是"agent harness"，底层基于一个叫 Cordis 的元框架，这个框架是围绕"时空可组合性（spatiotemporal composability）"设计的。

听起来有点绕，翻译成人话是：你可以在运行时随意增删组件，不需要重启，不会崩。

具体到 Harness 里，这个理念被推到了极致——模型适配器、工具注册表、会话日志、agent 循环本身，全都是插件。没有什么是"特权核心"，你不需要 fork 源码，挂载一个新插件就能替换任意能力。

The New Stack 的报道用了一句话：no privileged core to patch。我觉得这是对这个架构最精准的描述。

这和大多数 agent 框架的设计思路是反的。通常的做法是：有一个核心 runtime，然后提供扩展点让你挂载插件。Harness 的做法是：整个东西就是插件的组合，核心是 Cordis 的事件总线，不是任何具体功能。

四种模式，一个 runtime

Harness 开箱提供四套预设：

Standard 模式：完整工具集，文件读写、shell 执行、网络搜索、子 agent 调度、计划模式一应俱全。日常编程任务够用了。

PTC 模式：这个挺有意思。普通模式是模型一次调用一个工具，Code 模式让模型生成一段 TypeScript 代码，用 SDK 来批量编排多个工具调用，多步操作合并成单次请求。理论上能减少来回次数，提高效率。

极简模式：只留两个工具——bash 和 str_replace_editor。专门给 benchmark 用的，把环境变量降到最低，方便公平对比模型能力。顺便一提，DeepSeek V4-Pro 的部分 agent benchmark 成绩就是在这个模式下跑的。

Creator 模式：在 Standard 基础上加了运行时检查和插件实验能力。如果你想自己搭新的预设组合，用这个模式调试。

追加式会话日志：所有上下文都有迹可查

这个设计我觉得做得很扎实。

Harness 维护一个 append-only session log，模型看到的一切都被追加进去：系统提示、推理过程、工具调用、工具返回值、子 agent 调度记录、每一次上下文注入。

好处是什么？Resume、Fork、Replay 这些功能全建立在同一条事件流上，不是各自维护状态。你在 Trajectory 视图里可以按来源筛选——哪段是系统提示注入的、哪段是工具返回的、哪段是模型自己推理出来的，一目了然。

对于调试 agent 行为来说，这个功能价值很大。现在很多 agent 框架的问题就是"黑箱"——你不知道模型在某一步究竟看到了什么，出了问题很难排查。Harness 把这个问题从设计层面解决了。

沙箱：认真做了跨平台隔离

很多 agent 框架的沙箱是事后补的，Harness 这里看起来是设计进去的。

三个平台各有对应方案：

Linux：Landlock（内核级文件访问控制）
macOS：Seatbelt（沙箱 profile）
Windows：ACL 受限 token runner

不是说统一用一个方案，而是各用各平台的原生机制。对于要在生产环境跑 agent 的场景，这个细节挺重要。

不锁定 DeepSeek 模型

这一点说实话有点出乎我的预料。

Harness 的模型提供商列表：DeepSeek 官方、Anthropic、OpenAI、AWS Bedrock、Azure OpenAI、Google Gemini Enterprise，以及任何兼容 OpenAI 格式的自定义端点。

更有意思的是：Harness 还内置了 Claude Code 和 OpenAI Codex 作为子 agent 提供商——也就是说，你可以在 Harness 的主 agent 循环里，把部分任务委托给 Claude Code 或 Codex 去执行。它会从 PATH 里找对应的二进制，用户自己装、自己登录。

还有兼容层：Harness 可以读取用户现有的 Claude Code hooks.json，把里面的钩子映射到自己的拦截点上。README 里老实说这是"兼容路径，不是最优设计"——但能跑起来。

以及，它读 AGENTS.md 和 CLAUDE.md。

快速试一下

npx @deepseek-ai/dsh web

装好 Node.js 之后一行命令，浏览器访问 http://127.0.0.1:3080。

如果你想用 Python SDK 把它嵌进自己的流水线：

from deepseek_harness import DeepSeekHarness

with DeepSeekHarness(
    provider="deepseek-official",
    model="deepseek-v4-flash",
    cwd=str(workspace),
    session_root=str(sessions),
) as harness:
    result = harness.run(
        "检查仓库并修复失败的测试",
        session_id="task-001",
    )

SDK 里的 runtime 是打包进来的，不需要系统单独装 Node。