deepseek-harness

一句话定位

官方公式是「模型 + Harness = Agent」：它不产模型，也不只是一个聊天界面，而是把工具、技能、会话、沙箱、存储、循环、调度、UI 全部拆成可替换插件的一套本地 agent 运行时。

做这个东西的人

DeepSeek 官方仓库（deepseek-ai/deepseek-harness）。2026-08-13 晚发布开发者预览版 v0.1，MIT 协议全量开源。底层插件系统 Cordis 的理念来自北京大学与 DeepSeek 联合署名的论文《A Programming Paradigm for Spatiotemporal Composability》。据智东西报道，团队负责人崔添翼公开表示这是预览版、可能很粗糙。

判断：一家模型公司把「模型之外的那一层」开源，等于明牌——竞争已经转移到 harness 层，而它想成为那层的默认底座。同一天它先宣布 V4-Pro 上线和 API 涨价，两小时后放 Harness，这个节奏是算过的。

它到底能做哪几件事

• 四种运行时模式 → Standard（完整工具集）、Code 模式（模型写 TypeScript 程序编排多轮工具调用）、Minimal（只留 shell 和文件编辑器，用于公平评测模型）、Creator（检查当前运行时、在内存中试验插件、组合新模式）
• 每次运行可追溯 → 模型看到的一切（系统提示、推理、工具调用与结果、子 agent 调度、每次上下文注入）写入 append-only 会话日志，Trajectory 视图按来源检查，resume / fork / search / replay 都跑在同一个事件流上
• 一切皆插件 → 模型、工具、技能、会话、沙箱、存储、循环、调度、UI 都是 Cordis 插件，配置层组合，不改源码
• 本机沙箱 → 仓库带 Landlock 沙箱运行时（native/），不是只有提示词约束
• 一条命令启动 → npx @deepseek-ai/dsh web 起本地 Web UI

它在替代什么旧行为

以前做一个 coding agent，流程是选一个封闭 harness（Claude Code、Codex、Cursor），然后在里面做有限的工具和技能扩展——可替换范围基本停在「工具与技能层」，循环、调度、会话、UI 是黑盒，模型是被绑死在 harness 里的 API。

DSH 把替换边界下探到整个运行时，模型本身也只是一个可替换插件。旧工作流的画面：团队先选 harness，再往里塞工具，模型厂商只是接口。新画面：模型和 harness 解耦成两层，各自可换。DeepSeek 赌的组合是「最便宜的 token + 开源的 harness」，这是其它闭源 harness 厂商给不了的。

商业模式

Harness 开源免费，钱在模型调用上。2026-08-13 宣布 API 峰谷定价：高峰时段（北京时间 9:00–12:00、14:00–18:00）价格为空闲时段的两倍，新价格 2026-08-17 生效。

判断：把壳送出去，让换大脑变成一行配置——这正是拥有最便宜 token 的模型公司想要的世界。免费不是慈善，是获客。

硬数字

• 73360 star / 6265 fork（2026-08-14 抓取），发布半小时 star 破万，媒体报道时已超三万
• 仓库 12000+ 次提交，版本 v0.1.0-rc.5，2026-08-13 起 221 个 packages/apps 以 public 身份发布到 npm
• 同日 DeepSeek-V4-Pro 正式版上线
• 团队规模、企业用户数：未披露

四维评估

判断

这是模型公司打「harness 层战争」的标准动作，但比同类激进：连 agent loop、调度、UI 都做成插件。 激进换来的东西很明确——生态进入门槛低到一个人也能写插件，而它眼下最需要的恰恰是插件生态（这也是本期同批 DSH 插件值得一起看的原因）。

对从业者：DSH 把「换模型」变成一行配置，模型选型成本趋近于零。如果你在卖模型，这是最坏的剧本；如果你在模型之上做产品，这是目前最好的地基。

代价：v0.1 预览版官方明说会快速迭代、有破坏性变更；早期插件生态的质量几乎必然参差。它现在的价值在「架构示范」，不在「开箱即用的产品」。

下一步看什么

① 三个月后 star 能否从 7 万级继续向上——发布冲量 vs 持续吸纳 ② dsh-plugin 主题与 dsh-external 目录里「被企业实际使用」的插件数量（插件数量 ≠ 插件质量） ③ 破坏性变更的节奏——RC 阶段每两周断一次接口是早期常态，三个月还这样说明还没到稳定期

可借鉴的做法

产品逻辑：如果你正站在「平台 vs 工具」的岔路口，可以照这个分层法——把核心循环做成可替换层，模型、工具、UI 全部插件化，先亏着把壳送出去，再在另一层（模型调用）的用量上收钱。前提是另一层边际成本够低，且你承受得了生态初期的质量参差。

定价结构：峰谷定价值得抄——高峰两倍、空闲半价，不动总价就把需求引导到空闲时段，等于免费扩容了高峰之外的收入。对推理成本本身有峰谷的 AI 产品尤其适用。

结论

强烈推荐。 这是 2026 年 agent 基础设施领域最重要的事件之一，做 AI 产品的人都值得花一小时读完它的架构文档。三个月后拿上面三条验证生态是否真的起来。