昨夜，DeepSeek Harness首發新版本：14項更新，多模態能力拉滿！

昨晚，DeepSeek Harness 正式釋出公測以來的首次重要更新，版本編號 v0.1.0-rc.8 已全面上線。這次更新一口氣帶來 14 項調整，涵蓋多模態輸入、子代理協作、終端使用體驗、工具呼叫功能以及開發者支援等多個面向，其中最受關注的莫過於多模態能力的補強。這套甫於一週前開放測試的 Agent 框架，如今不僅能處理純文字任務，更能直接讀取圖片、進行圖文混合推理，讓整體應用場景大幅擴展。多模態能力是本次更新的核心亮點。新版 DeepSeek Harness 支援原生圖片請求，使用者可以在對話中直接上傳圖片，讓 Agent 根據視覺內容進行分析或生成回應。

除此之外，圖文混合輸入也正式上路，意即使用者可以在同一個指令中同時包含文字與圖片，例如要求 Agent 閱讀一份含有圖表的文件，並針對圖表內容進行提問。值得注意的是，包括 /goal、/plan 等在內的關鍵命令，現在也都能直接接收圖片作為輸入參數，進一步強化了指令式操作在視覺任務上的靈活性。子代理協作體系同樣在這波更新中獲得強化。DeepSeek Harness 原本就具備讓多個 Agent 分工合作的能力，而這次新版進一步接入了 Claude Code 與 Codex 等外部工具，讓這些第三方程式碼助手也能成為子代理的一環。

這意味著開發者可以在同一個工作流程中，調用不同模型或工具來分別處理程式碼生成、圖片分析、文字總結等任務，從而實現更高效率的協作模式。對於需要多步驟、多專業領域協同的複雜任務來說，這項更新無疑提升了框架的實用性。終端使用體驗方面，新版特別針對 Windows 環境進行了最佳化，修復了先前在 Windows 終端機上可能出現的相容性問題，讓使用 Windows 系統的開發者也能順暢運行 DeepSeek Harness。與此同時，圖片的請求流程、串流生成的穩定性，以及自訂閘道（custom gateway）的設定等，也都在更新清單中獲得修復與改良。

這些看似細節的調整，對於實際開發工作而言卻相當關鍵，能有效減少開發者除錯的時間成本。回顧 DeepSeek Harness 的發展時程，該專案於 8 月 13 日正式啟動 v0.1 版本的公開測試，並同步將原始碼開源釋出。公測當晚，就有開發者第一時間拉取原始碼進行實測，順利完成了 88 頁論文翻譯、貪食蛇遊戲開發等任務，展現出這套 Agent 框架在文字與程式碼處理上的潛力。而僅僅相隔不到一週，DeepSeek Harness 便迅速補上多模態這塊拼圖，這樣的迭代速度讓不少開發者感到驚喜。更新消息發布後，立刻在 DeepSeek Harness 社群中引發熱烈討論。

有中國開發者在社群平台上感嘆：「DSH 支援多模態了，奔走相告！」一句話道出許多人對這項新功能的期盼。海外開發者同樣將目光聚焦在多模態支援與子代理整合這兩項更新上，認為 DeepSeek Harness 正變得「越來越有意思」。多位評論者指出，多模態能力的加入以及子代理體系的進一步完善，是這次更新最明顯的推進，也讓這套框架的應用潛力變得更加引人注目。更有趣的是，有開發者進一步挖掘了 DeepSeek Harness 實現「看圖」能力的技術細節。

由於部分基礎模型本身並不支援圖像輸入，DeepSeek Harness 設計了一套巧妙的工具層機制：它會自動呼叫 OCR（光學字元辨識）、顏色統計、像素掃描等工具，先將圖片拆解成結構化的資訊，再將這些資訊輸入給純文字模型進行推理。換句話說，即使底層模型沒有視覺能力，DeepSeek Harness 也能透過工具層的輔助，讓純文字模型彷彿擁有了「視覺」，這項設計不僅大幅擴展了可支援的模型範圍，也展現了 Agent 框架在靈活度上的思考。整體而言，DeepSeek Harness v0.1.0-rc.

8 版本的 14 項更新，從多模態輸入到子代理協作，再到終端與工具調用的最佳化，為這套開源 Agent 框架注入了更完整的能力。對於開發者來說，無論是想打造能夠讀圖的智慧助手，還是需要複雜的多代理協作流程，這次更新都提供了更紮實的基礎。相關的版本釋出資訊與原始碼，目前已公開在 GitHub 上，供社群自由拉取與測試。隨著公測腳步持續推進，DeepSeek Harness 後續還會帶來哪些進展，值得密切關注。