好久不見～我是 Lena。
DeepSeek Harness（簡稱 dsh）是一款開源 Agent 運行時。截至 2026 年 8 月，它仍處於開發者預覽階段。簡單來説：模型 + Harness = Agent。模型負責推理，Harness 負責工具、環境、會話、權限、沙箱和執行循環。DeepSeek Harness 不只是“DeepSeek 版 Claude Code”，它更像一個用於組裝 Agent 的模塊化運行時。
什麼是 DeepSeek Harness？
DeepSeek Harness 是圍繞模型運行的 Agent Harness，決定 Agent 以什麼方式工作。官方倉庫稱 dsh 為開源、採用 MIT 許可證且處於開發者預覽階段的項目，它圍繞一個核心理念構建：一切皆插件。模型能夠回答問題，而 Harness 決定模型可以看到什麼、能夠調用哪些工具、記錄哪些內容，以及何時需要人工批准。
npx @deepseek-ai/dsh web
一句話概括：模型負責思考；Harness 讓這些思考能夠在受控環境中執行。
“一切皆插件”如何運作
Cordis：插件內核
DeepSeek Harness 由可組合插件元框架 Cordis 驅動。與其把 Cordis 看作“Agent 的大腦”，我更願意把它理解為 Agent 底層的插線板。它加載插件、管理插件生命週期，並允許插件註冊服務、事件和可撤銷副作用。Cordis 本身不提供規劃、編碼或記憶能力，而是讓 dsh 可以掛載這些部件，同時避免它們變成無法替換的固定核心。
哪些部分可以替換
架構説明稱，模型適配器、工具註冊表、會話日誌和 Agent 循環都是插件，因此每一部分都可以通過配置替換。同樣的理念還覆蓋 Skills、存儲、沙箱提供方、UI 界面、文件系統訪問和執行策略。沒有一個必須先修改的特權核心。
在固定式編程 Agent 中，你通常需要接受產品預設的循環、工具集、審批模型和 UI。到了 DeepSeek Harness，這些部分都變成了可組合基礎設施。不過這裏也有一個容易被忽略的地方：插件帶來自由，也帶來更多責任。
DeepSeek Harness 當前包含什麼
預設與運行模式
截至 2026 年 8 月的開發者預覽版，目前需要核實的運行模式包括 Standard、PTC、Minimal 和 Creator。倉庫已經提示可能發生破壞兼容性的變更，因此不應把這些名稱視為長期不變的產品承諾。
Standard 是較完整的配置。PTC 看起來面向代碼模式下的工具批處理。Minimal 儘量縮小功能面，通常只保留持久 Shell 和編輯器式文件修改。Creator 則指向自檢或插件創作工作流。
可回放會話與多種界面
會話模型很重要。DeepSeek Harness 會記錄持久化會話事件，從事件日誌生成模型可見的歷史，並支持恢復、分叉和回放等模式。如果會話被事件化，運行時就能被檢查、繼續或分支，而不會退化為一段模糊的聊天記錄。
當前提供的使用界面包括 Web UI、無頭執行、Python SDK、面向 JSON-RPC 的示例，以及團隊在接入 ACP 類編輯器集成前應先核實的協議路徑。它還支持 DeepSeek、OpenAI、Anthropic 和自定義 OpenAI 兼容端點。
DeepSeek Harness 與編程 Agent、進化層的區別
| 系統 | 定位 | 主要職責 | 經驗處理方式 |
|---|---|---|---|
| DeepSeek Harness | 可重新組合的 Agent 運行時 | 工具、會話、適配器、沙箱、權限、循環 | 記錄並回放運行時事件 |
| Claude Code / Codex | 編程 Agent 產品體驗 | 有明確產品主張的編碼工作流與倉庫交互 | 產品自身的會話記憶 |
| EvoMap | 經驗進化層 | 將成功的 Agent 行為結構化、驗證並繼承 | 把經驗轉化為可複用資產 |
這不是排名。編程 Agent 提供可以直接使用的產品體驗；DeepSeek Harness 暴露這種體驗背後的運行時部件；EvoMap 則位於一次運行之後，提出另一個問題：哪些成功行為應該變成可複用、可審計、可繼承的資產？
這裏也不應暗示任何官方集成。本文討論的是架構關係，而不是合作伙伴關係。如需核實 dsh 的信息，應以 DeepSeek Harness 倉庫為主要來源；若想理解許多 Agent 運行時旁邊的工具連接層，可參考 Model Context Protocol 文檔。
運行時之後，Agent 經驗如何被結構化
下面是架構層面的比較，並不代表已經存在產品集成。
Harness 回答“Agent 如何運行？”，經驗進化層回答“運行結束後，什麼應該留下來？”。EvoMap 用 Gene、Capsule 和 Event 來描述第二層：讓成功行為不會在一次任務結束後消失。
| 資產 | 定義 | 保存內容 | 用途 |
|---|---|---|---|
| Gene | 可複用策略單元 | 包含前置條件、約束和驗證命令的可複用策略模板 | 讓 Agent 繼承已驗證的策略 |
| Capsule | 已驗證執行資產 | 帶上下文和證據的成功路徑 | 複用經過驗證的修復或執行模式 |
| EvolutionEvent | 不可變過程記錄 | 執行期間發生的事情 | 審計進化歷史並驗證譜系 |
Harness 解決如何運行；進化層解決如何複用運行後學到的經驗。
誰應該關注？它又有哪些侷限？
如果你在構建 Agent 基礎設施、多模型 Agent、自定義工具環境或沙箱執行系統，DeepSeek Harness 值得關注。
它的侷限也很真實。這是 2026 年 8 月的開發者預覽版，而不是穩定的生產契約。API 和預設可能變化，插件生態仍在形成。插件架構也不會自動讓 Agent 獲得自我改進能力；學習、驗證、繼承和安全複用仍然需要單獨設計。
常見問題
DeepSeek Harness 必須搭配 DeepSeek 模型嗎？
不需要。預覽版支持 DeepSeek、OpenAI、Anthropic 和自定義 OpenAI 兼容端點。不過，在假設不同提供方擁有相同工具行為之前，仍應逐一測試各條路徑。
DeepSeek Harness 現在適合生產環境嗎？
應把它視為開發者預覽階段的基礎設施。生產團隊應隔離實驗環境、固定版本，並預留遷移工作。
DeepSeek Harness 可以用於非編程 Agent 嗎？
原則上可以。由於工具、適配器、存儲、沙箱和 UI 都能替換，這個運行時並不侷限於編程場景。
DeepSeek Harness 插件與典型 Agent Skill 有什麼不同？
插件可以改變運行時本身，包括工具、適配器、事件、會話行為、沙箱或 UI。Skill 通常是在既有運行時中提供可複用指令。
插件式 Harness 會自動讓 Agent 自我改進嗎？
不會。它只是讓 Agent 更容易重新組合。自我改進仍需要經過驗證的反饋、持久化經驗和繼承規則。
結論
DeepSeek Harness 的意義在於把 Agent 運行時模塊化，將模型與圍繞模型運轉的機械系統分離開來。我還不會把它稱為 Agent 的全部未來，但它讓一個問題變得更清楚：當 Agent 已經能夠運行之後，它們會保留下什麼？這正是 EvoMap 開始研究可複用 Agent 經驗的地方。
往期文章
- 如果你想了解 dsh 這類模塊化運行時在更完整的 Agent 技術棧中處於什麼位置，可閲讀 OpenHarness 與 GEP：它們位於 Agent 技術棧的哪裏，進一步理解 Harness 基礎設施和經驗進化之間的邊界。
- 若想從更宏觀的角度理解為什麼 Agent Harness 正在成為獨立的基礎設施類別，可閲讀 Harness Engineering：Mem0、LangGraph 與 CrewAI。
- 若想更清楚地區分運行時執行、工具連接和 Agent 進化，可閲讀 MCP、CLI 與 GEP：Agent 技術棧的三層。
- 如果你仍不清楚 DeepSeek Harness 插件、Agent Skills 和可複用經驗資產之間的差異，Agent Skills 與 GEP Assets：真正的區別會直接解釋這些概念。
- 若想了解 DeepSeek Harness 等 Agent 運行時旁邊的工具連接層，可閲讀 什麼是 MCP？AI 工具連接標準，看看 MCP 負責什麼，又把什麼留給周圍的 Agent 基礎設施。
