DeepSeek API 涨价之后，到底应该换模型，还是换工具？
最近开源的 DeepSeek Harness，或许提供了第三种选择：不要把业务绑定在一个模型上，而是构建一套可以随时切换模型、工具和执行方式的 Agent 运行环境。

据媒体报道，DeepSeek 在 2026 年 8 月调整了 V4-Pro 和 V4-Flash API 价格，并引入峰谷计费机制，不同模型和 Token 类型的价格涨幅存在较大差异。相关报道

于是，很多开发者开始问：

• DeepSeek 涨价后还值得继续用吗？
• 能不能切换到其他大模型？
• DeepSeek Harness 是什么？
• DeepSeek Harness 和 OpenAI Codex 有什么区别？
• 写业务代码应该选谁？

本文不讨论“谁一定更强”，而是从可执行的角度介绍 DeepSeek Harness 的安装、使用方法，并与 Codex 进行一次尽量客观的对比。

一、先说结论：DeepSeek Harness 不是一个新模型

很多人看到 DeepSeek Harness，会误以为它是 DeepSeek 发布的新一代编程模型。

其实不是。

可以用一个简单公式理解：

AI Agent = 大模型 + Harness

大模型负责理解、推理和生成内容；Harness 则负责给模型提供工作环境，例如：

• 读取和修改项目文件
• 调用 Shell、Git、搜索等工具
• 维护任务计划
• 管理上下文
• 调度子 Agent
• 保存和恢复会话
• 设置沙箱及操作权限
• 记录模型执行过程

换句话说：

模型负责“想”，Harness 负责让模型真正“动手干活”。

DeepSeek Harness，简称 dsh，是 DeepSeek 开源的一套 Agent Harness。它目前采用 MIT 许可证，并处于开发者预览阶段。DeepSeek Harness 官方介绍

二、DeepSeek Harness 有什么优势？

1. 一切皆插件

DeepSeek Harness 最核心的设计理念是：

Everything is a Plugin

模型、工具、Skills、会话、沙箱、存储、Agent 循环、调度方式和 Web UI，都可以通过插件提供。

传统 AI 编程工具通常是一套完整产品：

固定模型 + 固定工具 + 固定界面 + 固定工作流

DeepSeek Harness 更接近一套可以自由组装的 Agent 操作系统：

可替换模型
+ 可替换工具
+ 可替换存储
+ 可替换执行循环
+ 可替换界面

这意味着，理论上你可以根据业务需要替换其中任意一层，而不必修改整个 Harness 的源码。

例如：

• 日常简单任务使用便宜、快速的模型
• 复杂重构任务切换高推理模型
• 内网项目连接企业自己的模型服务
• 加入自定义数据库查询工具
• 为特定业务编写专用 Skills
• 替换默认沙箱或日志存储方式

DeepSeek 官方将模型、工具、技能、会话、沙箱、存储、调度和 UI 都设计成可组合插件。官方架构说明

2. 不必完全绑定 DeepSeek 模型

这是 DeepSeek 涨价背景下，Harness 最值得关注的地方。

DeepSeek Harness 默认可以连接 DeepSeek API，但其模型配置支持其他提供方以及兼容 OpenAI API 格式的自定义端点。

因此，使用 DeepSeek Harness 并不等于所有任务都必须调用 DeepSeek 模型。

可以根据成本、延迟和任务难度进行模型路由：

简单问答、格式化、批处理
        ↓
低成本模型

复杂编码、架构分析、疑难 Bug
        ↓
高能力模型

敏感代码、离线环境
        ↓
企业内网或本地模型

所以，面对 API 涨价，一个更合理的问题可能不是“要不要彻底换掉 DeepSeek”，而是：

如何让自己的 Agent 系统具备随时换模型的能力？

3. 每次执行都有记录

DeepSeek Harness 会将模型看到的内容写入仅追加的会话日志，包括：

• 系统提示词
• 上下文注入
• 工具调用
• 工具执行结果
• 子 Agent 调度
• 会话状态变化

在 Trajectory 视图中，可以检查任务是如何一步步执行的。

这对下面几类业务很有价值：

• 排查 Agent 为什么修改错代码
• 分析 Token 消耗
• 复现一次失败任务
• 比较不同模型的执行过程
• 进行模型或 Agent 基准测试
• 审计自动化操作

官方还提供会话恢复、分叉、搜索和回放能力。

4. 提供多种运行模式

DeepSeek Harness 当前提供多种模式：

模式	特点	适合场景
标准模式	文件编辑、Shell、搜索、Skills、计划、子 Agent 等能力齐全	日常开发
PTC 模式	通过模型生成 TypeScript 程序组合多轮工具调用	复杂工具编排
极简模式	只保留 Shell 和文件编辑器	模型评测、变量控制
创造模式	检查运行时、实验插件、编写 Agent preset	Harness 二次开发

对于普通开发者，首先使用标准模式即可。

三、DeepSeek Harness 安装教程

1. 环境准备

快速体验至少需要：

• Node.js
• DeepSeek API Key，或者其他兼容模型的访问凭证
• 一个允许 Agent 读取和修改的测试项目

先检查 Node.js：

node -v
npm -v

建议使用当前受支持的 Node.js LTS 版本。如果安装时出现 Unsupported engine，应根据项目仓库中 package.json 的 engines 要求升级 Node.js。

首次测试不要直接选择重要生产项目，最好创建一个测试目录：

mkdir dsh-demo
cd dsh-demo

2. 一条命令启动 Web UI

在项目目录中执行：

npx @deepseek-ai/dsh web

默认情况下，DeepSeek Harness 会启动本地 Web UI，地址通常为：

http://127.0.0.1:3080

这是官方推荐的最快体验方式，无需先全局安装。官方快速开始文档

如果只想启动服务、不自动打开浏览器，可以使用：

npx @deepseek-ai/dsh web --no-open

3. 配置模型

进入 Web UI 后：

Settings
→ Models
→ 输入 DeepSeek API Key
→ Save

保存后无需重启服务，模型路由会立即生效。

DeepSeek API Key 可以在 DeepSeek 开放平台申请：

https://platform.deepseek.com

注意：不要把 API Key 写进 Git 仓库，也不要粘贴到公开截图中。

4. 选择工作区

点击：

Choose workspace

添加并选择刚才启动 dsh 时所在的项目目录。

未选择工作区时，会话输入框可能不可用。

5. 运行第一个任务

可以先使用只读任务测试：

请分析这个项目的目录结构，说明每个主要模块的作用，
不要修改任何文件。

确认能够读取项目后，再尝试一个小范围修改：

请为项目补充一份 README.md，
包括安装、启动和测试命令。
完成后说明修改了哪些文件。

如果涉及文件修改、命令执行等敏感操作，Web UI 会根据当前权限策略请求确认。

6. 从源码安装

如果需要研究源码、开发插件或修改 Harness，可以使用：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

源码仓库地址：

https://github.com/deepseek-ai/deepseek-harness

注意，DeepSeek 官方明确说明它目前仍是开发者预览版，后续可能出现破坏兼容性的改动。因此不建议在没有版本锁定、回归测试和权限隔离的情况下直接接入核心生产业务。GitHub 项目说明

四、如何正确使用 DeepSeek Harness？

建议按照“先只读、再小改、最后自动化”的顺序使用。

第一步：让它理解项目

请分析当前仓库：

1. 说明项目使用的技术栈；
2. 找出程序入口；
3. 说明主要目录的职责；
4. 给出本地启动和测试命令；
5. 不要修改文件。

第二步：执行范围明确的小任务

请修复用户注册接口中邮箱为空时返回 500 的问题。

要求：
1. 先定位原因；
2. 只修改与该问题直接相关的文件；
3. 增加一个失败用例；
4. 运行相关测试；
5. 最后汇总修改文件和测试结果。

第三步：加入验收标准

不要只说：

帮我优化一下这个项目。

更好的写法是：

将首页接口的平均响应时间降低，
但不能改变返回字段。

验收标准：
1. 原有测试全部通过；
2. 增加性能测试脚本；
3. 不引入新的运行时依赖；
4. 输出修改前后的测试数据。

Agent 最怕的不是任务复杂，而是“完成”的定义不清楚。

五、DeepSeek Harness vs Codex：核心区别

这里需要先纠正一个常见说法：

DeepSeek Harness 是开源 Harness，Codex 是完全封闭的 AI 编程工具。

这种说法已经不够准确。

OpenAI 官方目前也将 Codex 的底层 Harness、CLI、SDK 和 App Server 作为可检查、可集成的开放组件。Codex Harness 同样负责上下文、工具调用、沙箱、审批和跨轮任务状态。OpenAI 官方说明

二者真正的区别，不是简单的“开源与闭源”，而是产品侧重点不同。

对比维度	DeepSeek Harness	Codex
核心定位	高度可组合的 Agent 运行框架	完整的工程 Agent 产品与开发平台
设计重点	一切皆插件，强调自由替换	从需求到修改、测试、审查和交付
模型策略	强调模型提供方可配置、可替换	与 OpenAI Codex 模型及产品体验结合更紧密
使用门槛	需要一定 Agent、插件和模型配置知识	开箱即用程度更高
使用界面	本地 Web UI、SDK 及多种模式	桌面端、CLI、IDE、云端和 SDK
执行追踪	强调追加式会话日志和 Trajectory	强调进度、命令、Diff、审批和任务交付
定制能力	适合修改运行时和插件组合	适合通过 Skills、Plugins、MCP、SDK 扩展
成熟度	开发者预览，API 可能发生破坏性变化	产品化程度及工程工作流更完整
典型用户	Agent 开发者、平台团队、研究人员	应用开发者、工程团队和自动化团队

六、DeepSeek Harness 擅长哪些业务？

1. 企业内部 Agent 平台

如果企业需要接入多个模型供应商，同时控制成本和数据流向，DeepSeek Harness 的插件化架构更有吸引力。

例如：

业务请求
  ↓
模型路由插件
  ├─ 简单任务：低成本模型
  ├─ 复杂任务：高推理模型
  └─ 敏感任务：内网模型

2. 多模型评测平台

极简模式可以减少工具和运行环境差异，适合比较：

• 不同模型的代码能力
• 工具调用成功率
• Token 消耗
• 任务完成时间
• Agent 轨迹差异

3. 垂直领域 Agent

例如：

• 数据库运维 Agent
• 日志分析 Agent
• 内部知识库 Agent
• 自动化测试 Agent
• 代码迁移 Agent
• 安全审计辅助 Agent

这类系统往往需要自定义工具、权限和执行流程，DeepSeek Harness 的插件结构更适合深度改造。

4. 对模型成本敏感的高频任务

如果业务每天需要执行大量 Agent 循环，只依赖一个模型风险较高。价格调整、限流或模型下线，都可能影响业务。

使用可替换模型的 Harness，可以降低单一供应商依赖。

七、Codex 擅长哪些业务？

Codex 更适合“直接把工程任务交付出来”的场景。

OpenAI 官方将其典型能力概括为理解代码库、修改代码、执行命令、运行测试、代码审查以及自动化工作流。Codex CLI 官方文档

1. 复杂代码库理解

例如：

• 梳理陌生项目调用链
• 定位跨模块 Bug
• 分析大型 Pull Request
• 找出某个接口的完整数据流
• 解释遗留代码结构

2. 功能开发和 Bug 修复

Codex 的优势是围绕完整软件工程闭环工作：

理解需求
→ 检查代码
→ 制定计划
→ 修改文件
→ 运行测试
→ 检查 Diff
→ 汇总结果

3. 代码审查和安全检查

适合：

• 本地代码审查
• PR 回归检查
• 依赖安全分析
• 漏洞修复
• 测试覆盖率补充

4. 长时间工程任务

Codex 支持 CLI、桌面端、IDE、云端任务和 SDK，更适合需要持续执行、反复验证和多人协作的工程任务。

5. CI 和自动化流程

Codex CLI 可以通过非交互方式运行：

codex exec "运行测试并分析失败原因"

适合接入脚本、CI/CD 或定时工程任务。

八、到底应该选择谁？

选择 DeepSeek Harness，如果你：

• 希望自由切换模型提供方
• 需要开发自己的 Agent 平台
• 需要深度修改工具、沙箱或执行循环
• 想研究 Agent 的完整运行轨迹
• 需要控制大规模调用成本
• 能够接受开发者预览阶段的兼容性变化

选择 Codex，如果你：

• 希望安装后直接开始处理工程任务
• 更看重代码修改、测试和审查的完整闭环
• 经常处理大型或陌生代码库
• 需要桌面端、CLI、IDE 和云端协同
• 不想投入太多精力维护 Agent 运行时
• 更看重成熟体验和任务交付效率

两者也可以同时使用

它们并不是非此即彼。

一种现实的组合是：

Codex
→ 负责核心项目开发、复杂重构和代码审查

DeepSeek Harness
→ 负责多模型实验、内部 Agent 和高频自动化任务

对于公司内部平台，也可以先用 DeepSeek Harness 验证模型路由和插件设计，再根据任务质量、成本和维护难度决定最终方案。

九、DeepSeek 涨价后，我会换吗？

我的答案是：

不会因为一次涨价立刻完全换掉，但一定会减少对单一模型的绑定。

真正需要关注的不只是“每百万 Token 多少钱”，还包括：

• 完成一个任务需要调用多少轮
• 每轮上下文有多长
• 缓存命中率是多少
• 失败后需要返工几次
• 是否需要人工检查和修复
• 模型能否一次通过测试

便宜但需要反复修改的模型，最终不一定便宜；单价更高但一次完成任务的模型，总成本也可能更低。

因此，正确的对比单位不是单纯的 Token 单价，而是：

单个有效任务的最终交付成本

建议先选取 20～50 个真实业务任务，对不同模型记录：

模型费用
+ 执行时间
+ 成功率
+ 人工返工时间
+ 测试通过率

再决定是否迁移。

十、常见问题 FAQ

DeepSeek Harness 是免费的吗？

DeepSeek Harness 本身采用 MIT 许可证开源，但调用 DeepSeek 或其他云端模型通常仍会产生 API 费用。

DeepSeek Harness 只能使用 DeepSeek 模型吗？

不是。其模型配置支持其他提供方和兼容 OpenAI API 格式的自定义端点，但具体兼容情况需要根据插件及版本验证。

DeepSeek Harness 能完全替代 Codex 吗？

不能简单这么说。DeepSeek Harness 更强调运行时组合和二次开发；Codex 更强调成熟的工程执行体验。两者目标有重合，但侧重点不同。

Windows 可以安装 DeepSeek Harness 吗？

可以先安装 Node.js，然后在 PowerShell 中运行：

npx @deepseek-ai/dsh web

如果遇到 Node.js 版本或原生依赖问题，也可以考虑使用 WSL。

DeepSeek Harness 可以直接用于生产环境吗？

当前版本仍是开发者预览版。建议先在测试环境中验证，并做好版本锁定、权限限制、日志审计和回归测试。

总结

DeepSeek 涨价带来的真正启示，不是“立刻换成哪个更便宜的模型”，而是不要让业务被某一个模型永久锁定。

DeepSeek Harness 的价值在于：

• 模型可以替换
• 工具可以组合
• 执行过程可以追踪
• Agent 运行时可以二次开发

Codex 的价值则在于：

• 工程体验完整
• 开箱即用程度高
• 擅长复杂代码任务
• 修改、测试和审查能够形成闭环

一句话概括：

想直接完成软件工程任务，优先考虑 Codex；想搭建自己的多模型 Agent 平台，重点关注 DeepSeek Harness。

面对模型涨价，我不建议盲目“换模型”，更建议先让自己的系统具备“随时能换”的能力。

---