實測DeepSeek Harness！梁文鋒憋的“黑色鯨魚”大招，有驚喜

（公眾號：zhidxcom） 作者 | 畢偉豪 編輯｜漠影 8月14日報道，昨夜，DeepSeek Harness的開發者預覽版（v0.1 版本）正式公測，並同步開源。DeepSeek Harness團隊負責人崔添翼在社交媒體上表示，這是一個預覽版本，可能存在很多粗糙之處，希望大家多提意見。消息一齣，半小時DeepSeek Harness的GitHub倉庫星數就超過了一萬，截至發稿已經超過了3萬。而就在宣佈公測兩小時前，DeepSeek官方才宣佈了DeepSeek-V4-Pro正式版上線以及價格即將大幅上漲的消息，這套閃電二連擊引爆了社交媒體。

國內外社交媒體上很多內測成員紛紛發表“解密感言”，還曬出了內測成員大合影，但也有開發者認為這更像是一個開發框架，而非Coding Agent。原因在於，與社區先前猜測不同的是，DeepSeek Harness並沒有採用Pi Agent架構，也沒有套用DeepSeek模型緩存命中率超高的Reasonix。據DeepSeek Harness團隊稱，DeepSeek Harness採用“一切皆插件”的設計思路，模型、工具、技能、會話、沙箱、存儲、循環、調度、UI等所有Agent能力，都由插件組合而成，可自由替換、靈活重組。

底層是Cordis插件系統，這個元框架只負責插件的加載、卸載和依賴關係，Agent Harness的所有具體組件都是不同的Cordis插件，元框架的理念來自北京大學和DeepSeek聯合署名的一篇論文《A Programming Paradigm for Spatiotemporal Composability》。倉庫地址： https://github.com/deepseek-ai/deepseek-harness 論文地址： https://github.com/cordiverse/paper/blob/main/paper.

pdf 看到消息的第一時間，就拉取源碼安裝了DeepSeek Harness，用上了這個期待許久的Agent底層框架。一、一切皆插件，內置四種模式，默認加載不同插件集 安裝其實也非常簡單，如果你有常用的Agent，直接把下面這段代碼丟給它即可： git clone github.com/deepseek-ai/deepseek-harness.git cd deepseek-harness pnpm install pnpm run build pnpm dsh web 安裝完成後，打開本地網關，可以看到這樣的界面，輸入DeepSeek的API Key即可進入DeepSeek Harness。

映入眼簾的是一個非常乾淨，但又有點熟悉的界面，不得不說和網頁版DeepSeek還是挺像的，不太一樣的地方在於DeepSeek Harness的鯨魚是黑色的。左側是新建對話的菜單欄，右側是輸入框和模式選擇區域，設置中可以選擇一些內置的插件，其他就什麼都沒有了。如開頭所說，DeepSeek Harness採用“一切皆插件”的設計思路，而這種設計思路反映在Agent上，演化成了標準、極簡、創造和PTC（程序化工具調用）四種模式，每種模式默認加載不同插件集合，開發者可以根據不同使用場景自由選擇。

標準模式提供完整工具組合； PTC模式由模型生成一段代碼組合多輪工具調用； 極簡模式只留一個shell工具和一個文件編輯工具，專門給最小環境下的模型基準測試使用； 創造模式可以檢查當前運行時、在內存中試驗 Cordis 插件，並據此組合和創作新的模式。DeepSeek Harness團隊強調“每一次運行都有跡可循”，這個有跡可循體現在一個非常有意思的設計上——軌跡。模型看到的一切都會寫入僅追加（append-only）設計的會話日誌，包括系統提示詞、思維鏈、工具調用與結果、子Agent調度，以及每一次上下文注入。在軌跡視圖中可以按來源查看這些信息，恢復、分叉、檢索與回放也都共享這一事件流。

下方的每一個彩色讀條都對應著一個運行節點，鼠標選中讀條即可查看對應部分的具體運行過程。二、體驗：88頁論文翻譯耗時22分鐘，做貪吃蛇遊戲只要50秒 也是在標準模式下，給了DeepSeek Harness一個非常簡單的任務，翻譯PDF文件，源文件是前文提到的Cordis元框架那篇論文，DeepSeek Harness確實是一窮二白，首次執行任務PDF提取工具也需要先安裝一下。很快DeepSeek Harness提取了PDF文件，但它識別出我桌面上存在一個對該論文的翻譯文件，只不過創建時間有點不太對，它推薦我在原文件的基礎上進行補充。

其實DeepSeek Harness的任務執行過程還是很順暢的，而且整體流程很透明，任務拆分比較合理，在補齊論文的過程中派發了10個子代理，對我原本的翻譯文件進行了複製、修正以及補齊。最後得到了一份格式比較完整、內容嚴謹的翻譯文件。從數據上看，DeepSeek Harness的任務執行速度尚可，88頁論文翻譯任務耗時22分鐘，首Token啟動速度平均在1.4秒，緩存命中率98%，輸入6.6M，輸出72.7k。任務完成後再打開軌跡頁面，可以看到密密麻麻的一片進度條，所有的工具調用、子代理派發都一覽無餘，所有過程都可以在這裡面查看，報錯信息亦然，對於開發者來說非常便利。

此外，我還分別使用極簡模式和PTC模式寫了貪吃蛇遊戲，極簡模式下，DeepSeek Harness僅用50多秒就完成了任務，而PTC用時一分零五秒，但極簡模式中的遊戲並沒有寫成HTML的格式，需要在python中運行。可以看到的是，極簡模式是專門為模型測試準備的，完全不會去做多餘動作。寫在最後：一款與用戶期待不太一樣的產品 初次體驗下來，DeepSeek Harness似乎真的不是一款面向C端用戶的產品，就像崔添翼所說，面向全球開發者進行測試。DeepSeek Harness所提供的功能非常簡潔，極簡模式、創造模式包括這個插件系統的架構，都是為開發者自主創造而設計的。

但這並不意味著DeepSeek Harness不是一款好產品，相反，它對於喜歡Agent的人來說，就像一款樂高玩具，你可以隨自己的心意將它組裝成任何樣子。的確，它現在不管是從生態，還是從功能上都算不上“頂尖”，但它是開源的，是可塑的，能夠隨著使用的過程不斷進化為用戶想要的樣子。閉源為用戶提供現在，開源讓用戶自己掌握未來。