好久不见～我是 Lena。
DeepSeek Harness（简称 dsh）是一款开源 Agent 运行时。截至 2026 年 8 月，它仍处于开发者预览阶段。简单来说：模型 + Harness = Agent。模型负责推理，Harness 负责工具、环境、会话、权限、沙箱和执行循环。DeepSeek Harness 不只是“DeepSeek 版 Claude Code”，它更像一个用于组装 Agent 的模块化运行时。
什么是 DeepSeek Harness？
DeepSeek Harness 是围绕模型运行的 Agent Harness，决定 Agent 以什么方式工作。官方仓库称 dsh 为开源、采用 MIT 许可证且处于开发者预览阶段的项目，它围绕一个核心理念构建：一切皆插件。模型能够回答问题，而 Harness 决定模型可以看到什么、能够调用哪些工具、记录哪些内容，以及何时需要人工批准。
npx @deepseek-ai/dsh web
一句话概括：模型负责思考；Harness 让这些思考能够在受控环境中执行。
“一切皆插件”如何运作
Cordis：插件内核
DeepSeek Harness 由可组合插件元框架 Cordis 驱动。与其把 Cordis 看作“Agent 的大脑”，我更愿意把它理解为 Agent 底层的插线板。它加载插件、管理插件生命周期，并允许插件注册服务、事件和可撤销副作用。Cordis 本身不提供规划、编码或记忆能力，而是让 dsh 可以挂载这些部件，同时避免它们变成无法替换的固定核心。
哪些部分可以替换
架构说明称，模型适配器、工具注册表、会话日志和 Agent 循环都是插件，因此每一部分都可以通过配置替换。同样的理念还覆盖 Skills、存储、沙箱提供方、UI 界面、文件系统访问和执行策略。没有一个必须先修改的特权核心。
在固定式编程 Agent 中，你通常需要接受产品预设的循环、工具集、审批模型和 UI。到了 DeepSeek Harness，这些部分都变成了可组合基础设施。不过这里也有一个容易被忽略的地方：插件带来自由，也带来更多责任。
DeepSeek Harness 当前包含什么
预设与运行模式
截至 2026 年 8 月的开发者预览版，目前需要核实的运行模式包括 Standard、PTC、Minimal 和 Creator。仓库已经提示可能发生破坏兼容性的变更，因此不应把这些名称视为长期不变的产品承诺。
Standard 是较完整的配置。PTC 看起来面向代码模式下的工具批处理。Minimal 尽量缩小功能面，通常只保留持久 Shell 和编辑器式文件修改。Creator 则指向自检或插件创作工作流。
可回放会话与多种界面
会话模型很重要。DeepSeek Harness 会记录持久化会话事件，从事件日志生成模型可见的历史，并支持恢复、分叉和回放等模式。如果会话被事件化，运行时就能被检查、继续或分支，而不会退化为一段模糊的聊天记录。
当前提供的使用界面包括 Web UI、无头执行、Python SDK、面向 JSON-RPC 的示例，以及团队在接入 ACP 类编辑器集成前应先核实的协议路径。它还支持 DeepSeek、OpenAI、Anthropic 和自定义 OpenAI 兼容端点。
DeepSeek Harness 与编程 Agent、进化层的区别
| 系统 | 定位 | 主要职责 | 经验处理方式 |
|---|---|---|---|
| DeepSeek Harness | 可重新组合的 Agent 运行时 | 工具、会话、适配器、沙箱、权限、循环 | 记录并回放运行时事件 |
| Claude Code / Codex | 编程 Agent 产品体验 | 有明确产品主张的编码工作流与仓库交互 | 产品自身的会话记忆 |
| EvoMap | 经验进化层 | 将成功的 Agent 行为结构化、验证并继承 | 把经验转化为可复用资产 |
这不是排名。编程 Agent 提供可以直接使用的产品体验；DeepSeek Harness 暴露这种体验背后的运行时部件；EvoMap 则位于一次运行之后，提出另一个问题：哪些成功行为应该变成可复用、可审计、可继承的资产？
这里也不应暗示任何官方集成。本文讨论的是架构关系，而不是合作伙伴关系。如需核实 dsh 的信息，应以 DeepSeek Harness 仓库为主要来源；若想理解许多 Agent 运行时旁边的工具连接层，可参考 Model Context Protocol 文档。
运行时之后，Agent 经验如何被结构化
下面是架构层面的比较，并不代表已经存在产品集成。
Harness 回答“Agent 如何运行？”，经验进化层回答“运行结束后，什么应该留下来？”。EvoMap 用 Gene、Capsule 和 Event 来描述第二层：让成功行为不会在一次任务结束后消失。
| 资产 | 定义 | 保存内容 | 用途 |
|---|---|---|---|
| Gene | 可复用策略单元 | 包含前置条件、约束和验证命令的可复用策略模板 | 让 Agent 继承已验证的策略 |
| Capsule | 已验证执行资产 | 带上下文和证据的成功路径 | 复用经过验证的修复或执行模式 |
| EvolutionEvent | 不可变过程记录 | 执行期间发生的事情 | 审计进化历史并验证谱系 |
Harness 解决如何运行；进化层解决如何复用运行后学到的经验。
谁应该关注？它又有哪些局限？
如果你在构建 Agent 基础设施、多模型 Agent、自定义工具环境或沙箱执行系统，DeepSeek Harness 值得关注。
它的局限也很真实。这是 2026 年 8 月的开发者预览版，而不是稳定的生产契约。API 和预设可能变化，插件生态仍在形成。插件架构也不会自动让 Agent 获得自我改进能力；学习、验证、继承和安全复用仍然需要单独设计。
常见问题
DeepSeek Harness 必须搭配 DeepSeek 模型吗？
不需要。预览版支持 DeepSeek、OpenAI、Anthropic 和自定义 OpenAI 兼容端点。不过，在假设不同提供方拥有相同工具行为之前，仍应逐一测试各条路径。
DeepSeek Harness 现在适合生产环境吗？
应把它视为开发者预览阶段的基础设施。生产团队应隔离实验环境、固定版本，并预留迁移工作。
DeepSeek Harness 可以用于非编程 Agent 吗？
原则上可以。由于工具、适配器、存储、沙箱和 UI 都能替换，这个运行时并不局限于编程场景。
DeepSeek Harness 插件与典型 Agent Skill 有什么不同？
插件可以改变运行时本身，包括工具、适配器、事件、会话行为、沙箱或 UI。Skill 通常是在既有运行时中提供可复用指令。
插件式 Harness 会自动让 Agent 自我改进吗？
不会。它只是让 Agent 更容易重新组合。自我改进仍需要经过验证的反馈、持久化经验和继承规则。
结论
DeepSeek Harness 的意义在于把 Agent 运行时模块化，将模型与围绕模型运转的机械系统分离开来。我还不会把它称为 Agent 的全部未来，但它让一个问题变得更清楚：当 Agent 已经能够运行之后，它们会保留下什么？这正是 EvoMap 开始研究可复用 Agent 经验的地方。
往期文章
- 如果你想了解 dsh 这类模块化运行时在更完整的 Agent 技术栈中处于什么位置，可阅读 OpenHarness 与 GEP：它们位于 Agent 技术栈的哪里，进一步理解 Harness 基础设施和经验进化之间的边界。
- 若想从更宏观的角度理解为什么 Agent Harness 正在成为独立的基础设施类别，可阅读 Harness Engineering：Mem0、LangGraph 与 CrewAI。
- 若想更清楚地区分运行时执行、工具连接和 Agent 进化，可阅读 MCP、CLI 与 GEP：Agent 技术栈的三层。
- 如果你仍不清楚 DeepSeek Harness 插件、Agent Skills 和可复用经验资产之间的差异，Agent Skills 与 GEP Assets：真正的区别会直接解释这些概念。
- 若想了解 DeepSeek Harness 等 Agent 运行时旁边的工具连接层，可阅读 什么是 MCP？AI 工具连接标准，看看 MCP 负责什么，又把什么留给周围的 Agent 基础设施。
