DeepSeek Harness 深度评测：Agent 时代的「安卓」还是开发者的一次豪赌？

一句话结论

DeepSeek Harness（dsh）不是又一个编码 Agent，而是「造 Agent 的框架」——它以“一切皆插件”的 Cordis 微内核，把模型适配器、工具、会话、沙箱、乃至 Agent 循环本身全部变成可替换的插件。发布一周 GitHub 星数冲到 18.5 万，创下 Agent 类项目纪录。但它是 MIT 开源的开发者预览版，官方用大写字母警告“将发生破坏性变更”。它是 Agent 时代的「安卓」，但目前是一台让你亲手攒的安卓机，不是开箱即用的 iPhone。

---

一、它到底是什么：先纠正三个误解

核心架构：基于 Cordis 微内核（北大与 DeepSeek 联合论文）。内核只负责插件的加载、依赖解析与事件调度，业务逻辑为零。模型适配器、工具注册表、会话日志、Agent 循环、UI——每一个组件都是独立的 Cordis 插件，通过 ctx.plugin() 挂载，通过 YAML 配置自由组合，卸载时副作用自动撤销。

对比：Claude Code / Codex 是 Rust 单体核心 + 外部挂件（hooks、MCP、skills 挂在外面，你碰不到主干）。dsh 则把主干也拆给你了——这是开源哲学与闭源哲学的正面交锋（知乎作者：“Agent 时代的安卓 vs iPhone”）。

这一架构带来三个实打实的差异：

1. 可审计：运行中的 dsh 是一棵插件树，每个注册项都能追溯来源
2. 可替换：换模型、换 UI、换沙箱策略 = 改配置，不是 fork 源码
3. 可自我演化：创造模式下，模型可以自己写插件、自己装上（社区称“剑指自进化”）

---

二、上手实测：门槛确实低，但坑不少

安装（三选一）

# 最快：npx 启动（推荐）
npx @deepseek-ai/dsh web

# 源码安装
git clone https://github.com/deepseek-ai/deepseek-harness
cd deepseek-harness && pnpm install && pnpm run build && pnpm dsh web

# 无头模式（适合 CI）
dsh --profile headless "任务描述"

启动后浏览器打开 http://127.0.0.1:3080，三步配置：填模型 API Key → 选工作目录 → 开始干活。

实测数据点（综合多信源）

配置陷阱（实测踩坑，官方文档缺失）

模型条目必须显式声明 compat.thinkingFormat、contextWindow、maxTokens。不声明则继承默认值，同一任务 token 成本可能多耗 3.5 倍、耗时 2.8 倍（36 步 vs 15 步）。这两行 YAML 在官方文档网站上没有——靠 Trajectory 轨迹视图才定位到（atlascloud 实测）。

---

三、四种模式详解（不是等级，是场景）

实测发现：标准模式适合陌生任务探索；PTC 模式不会自动提速——陌生流程反而可能超 2 分钟无输出（觉醒AI），它只适合“步骤已稳定的重复任务”。别把四种模式当升级路线，它们是工具箱。

---

四、三大亮点：别人没有的

1. Trajectory 轨迹视图 —— 最好的 Agent 调试器

纯追加的 JSONL 事件流，记录模型看到的一切：系统提示词、思维链、工具调用与结果、子代理调度。可以按来源过滤、恢复、分叉、检索、回放。

• 实测价值：诊断配置问题从“几小时”缩到“几分钟”（atlascloud）
• 对比：Claude Code / Codex 没有这种插件级审计轨迹（MindStudio：“这是 AI 可观测性工具该有的能力”）

2. Token 消耗透明 + 高缓存命中

底部实时统计 token 消耗与缓存命中率。实测缓存命中率多在 98-99%，偶尔 100%，长任务成本控制出色。透明到“防止一不留神刷爆信用卡”（36氪）。

3. 权限边界清晰可配置

内置进程沙箱，三种权限模式（只读 / 工作区可写 / 完全访问）。实测越界写文件被沙箱拒绝后弹出权限升级请求（可拒绝或仅允许一次）。对比 Codex 的 OS 内核级沙箱（最安全但最不灵活）和 Claude Code 的应用层钩子（灵活但隔离弱），dsh 走的是“沙箱策略本身是插件”的第三条路。

---

五、正面交锋：dsh vs Claude Code vs Codex

关键判断（综合 5 篇英文深度评测）

• 选 dsh：需要源码审计/可 fork、拒绝模型锁定、要造自己的 Agent 框架、愿意承受破坏性变更（SpringBrand：“dsh 是框架，不是产品”）
• 选 Claude Code：要开箱即用的成品、五端覆盖、企业审批链、可预测计费（apidog：“它是更安全的选择”）
• 选 Codex：要处理不可信外部代码的最强隔离、跨端交接
• 务实路线：很多人两者并行——Claude Code 管生产，dsh 在可丢弃的分支上实验（SpringBrand 建议）

一个被多数评测忽略的事实：dsh 可以通过插件把 Claude Code / Codex 当作子代理调用——它们不是竞争对手，而是 dsh 的一个“工具”。

---

六、插件生态：机会与风险并存

机会：空白还是蓝海

• GitHub dsh-plugin topic 已有 900+ 公开插件（官方 + 社区）
• 空白很多：如“会话→日报/周报/交接文档”直到 8 月中才有人做（dsh-report-studio 作者）
• 官方内置 100+ 插件，含专为开发设计的 Skill：dsh-code-review（审 PR）、dsh-doc-standards（文档规范）、dsh-find-simplifications（找可简化代码）等

风险：三个必须知道的坑

实战：第一个插件有多难

最小插件只需四个导出（name/inject/Config/apply）+ 一个 defineTool，约 20 行代码。但要做出能发布的产品级插件，要处理：数组入参、结构化输出、并发、取消、输入校验、部署限额、peer 依赖、README 写明平面与 realm——复杂度全在后半段。

---

七、安全模型与争议点

安全模型：三档沙箱（只读/工作区可写/完全访问）+ 审批弹窗 + 插件化沙箱策略。但对生产环境：

• ❌ 无 SOC 2 / ISO 27001（Anthropic 有）
• ❌ 无安全审计的插件生态
• ⚠️ 创造模式 = shell 权限，等同信任模型执行任意代码

社区争议（小红书高赞帖）：

• 👍 “二开真的太爽了”（779 赞）—— 可定制性碾压
• 👎 “恕我直言 DeepSeek Harness 根本不是个 Agent”（95 赞）—— 认为它更多是框架不是产品，普通用户用不上
• 👍 “保姆级入门教程”（1002 赞）—— 学习资源正在快速补齐

真正的争议点：dsh 发布前两小时，DeepSeek V4-Pro 正式版宣布大幅涨价（API 价格约为原来的 3 倍）。这一冷一热形成强烈反差——框架是免费的，但喂它的模型 API 变贵了。VentureBeat 评价：“DeepSeek 同时追逐两个可能冲突的优势：让 Agent 栈更开放，同时让自家 API 更贵。” 对深度用户，缓存命中率高（98%+）+ 离线权重可选，部分抵消了涨价影响。

---

八、独立判断与结论

它值不值得用？

适合 dsh 的：

• ✅ Agent 开发者 / 研究者：想理解、改造 Agent 运行时的最佳学习对象（“开发者天选的马鞍”）
• ✅ 要造内部 Agent 产品的团队：反正要写 harness，dsh 是现成底板（SpringBrand：“这正是 dsh 设计的场景”）
• ✅ 拒绝模型锁定的团队：一个框架驱动任意模型，dsh 的结构性优势
• ✅ 需要可审计自动化流程：权限边界 + 轨迹视图 + 完全开源
• ✅ 预算敏感的批量自动化：框架免费 + DeepSeek 模型 + 高缓存命中

不适合的：

• ❌ 要开箱即用的普通用户：学习成本高、装插件要懂依赖和 realm
• ❌ 生产关键路径：README 用大写字母承诺“将发生破坏性变更”，别赌
• ❌ 追求稳定性的企业：无合规认证、无成熟支持、配置格式可能下月就变

最终评价

DeepSeek Harness 用“一切皆插件”把过去藏在 Agent 产品内部的运行结构，摆到了每个开发者面前。代价是复杂，回报是可以动手改。 它不是最好的对话工具，也不是成熟的生产平台——它是 Agent 时代最值得研究的“底板”，是一场关于“开源能否驯服 Agent”的豪赌。

一句话选型：想用 Agent → Claude Code/Codex；想造 Agent → dsh；两个都想要 → 并行跑，dsh 放可丢弃的分支上。

社区金句：“闭源为用户提供现在，开源让用户自己掌握未来。”（智东西）——只是记住，掌握未来要自己动手。

---

编辑手记 · 再想一层

DeepSeek Harness 的价值是「把 Agent 内部结构摆到桌面上」：一切皆插件意味着可审计、可替换、可自我演化——这是它与 Claude Code（单体成品）的哲学对决。但它仍是被官方明确警告「将发生破坏性变更」的开发者预览版：它是学习与自建 Agent 的底板，不是生产依赖。用它请遵循「可丢弃分支实验」原则，无合规认证前别赌关键路径。

评测日期：2026-08-23。本文综合以下信源：智东西《实测DeepSeek Harness》、36氪《深度体验DeepSeek Harness，我原谅它涨价了》、觉醒AI《实测四种模式》、atlascloud《3次运行声称完成，仅1页生效》、实在智能《好用吗？真实体验》、MindStudio《vs Claude Code vs Codex》、VentureBeat、4sAPI《vs Codex vs Claude Code》、apidog《vs Claude Code》、agentpedia《vs Claude Code vs Codex vs Cursor》、SpringBrand《vs Claude Code》、DeepSeek Harness 官方架构文档、GitHub 插件开发实战（dsh-report-studio）。安装体量/内存占用等为本评测独立复核。模型与框架版本可能变动，请以官方为准。