2026-08-14 是 AI 编程圈魔幻的一天:DeepSeek V4 Pro 正式版 + Harness 开源同时发布,GitHub 上线不到一天 8 万+ star。
但真正让我意外的不是”国产版 Codex”,而是 DeepSeek 居然直接用”Harness”作为产品名 — 这意味着 Harness Engineering 这个之前我们讲的概念(见 Harness = Agent − Model)已经从理论框架进入了产品落地阶段。
这篇不讲 4 步上手(user guide 那种),而是讲:
- 为什么 DeepSeek 把产品命名 Harness(命名哲学)
- CODIS 插件系统 — 核心差异化
- 4 种运行模式
- 5 大优势 vs Codex
- 3 AI 横评(一句话生成 MacOS 系统)
- 4 个实战项目
- 严肃的安全警告(必看)
- 跟现有博客系列的关系
一句话定论
DeepSeek Harness 是国产首个 Harness 概念落地的产品 — 不只是”DeepSeek Code”,而是一个**“AI Agent 操作系统”级别的共创平台**。命名直接点题 Harness Engineering,标志着这个概念从理论框架进入产品落地。
💡 命名巧合:NousResearch 做的 Hermes(我们 8/22 写的那篇全景博客)和 DeepSeek 做的 Harness — 一个是”AI Agent 操作系统”,一个是”可高度自定义的 AI Agent 平台”。两家公司在 2026 年 8 月几乎同时选择了 Agent 平台型方向。
速记表:DeepSeek Harness 一图速览
| 维度 | 值 |
|---|---|
| 发布时间 | 2026-08-14(开发者预览版) |
| GitHub 热度 | 不到 1 天 8 万+ star |
| 底层模型 | DeepSeek V4 Pro |
| 核心架构 | CODIS 插件系统(一切皆插件) |
| 运行模式 | 4 种(标准 / 极简 / PDC / 创造) |
| 价格(输入) | 3 元/百万 token |
| 价格(输出) | 6 元/百万 token |
| 价格(缓存命中) | 0.025 元/百万 token |
| 实测性价比 | 1.7 元做完整 MacOS 系统 |
| 安全状态 | ⚠️ 预览版,有 $home 变量 bug |
一、为什么 DeepSeek 把产品直接命名 Harness?
1.1 Harness Engineering 概念背景
之前我们写过 Harness = Agent − Model:给 AI 配缰绳的工程学(上篇·概念),核心论断是:
Harness = Agent − Model — 一个完整 agent 减去大模型,剩下的所有东西(权限管控、工具管理、Linter 闭环、独立评估)都是 Harness。
这个概念是 2026-03-10 LangChain《The Anatomy of an Agent Harness》首次系统化,之前一直停留在理论框架层面。
1.2 DeepSeek 命名的哲学选择
DeepSeek Harness 不是”DeepSeek Code”。名字的选择不是偶然:
“Harness 真正想做的,不只是 coding agent,而是先搭建一个所有人都能参与的共创生态——如果 DeepSeek 积累的用户对话记忆/习惯/偏好能串联到 harness 里的工具/技能/工作流,它会从通用模型成长为真正属于你的 Personal AI。” — GenJi
换句话说:
- “Code” 是单一工具 — 写代码
- “Harness” 是平台 — 可装插件的”AI 编程工作台”
这种命名哲学跟 OpenAI 把 GPT-4 + Code Interpreter + Plugins 一起叫”ChatGPT”是同一种产品思维:降低用户认知负担,强调”全功能平台”。
1.3 跟 Hermes 的命名巧合
| 工具 | 来源 | 命名来源 | 定位 |
|---|---|---|---|
| Hermes(NousResearch) | 希腊神话信使神 | 已有同名大模型,转型做 Agent | 7 大模块的本地优先 CLI Agent |
| Harness(DeepSeek) | 工程术语(马具) | 直接借 Harness Engineering 概念 | 一切皆插件的共创平台 |
两家公司在 2026 年 8 月几乎同时选择了”Agent 平台型”方向 — 2026-08-08 Hermes 桌面版正式版发布,2026-08-14 DeepSeek Harness 开源。这不是巧合,而是 AI 编程工具”卷到尽头,只能卷生态”的信号。
二、CODIS 插件系统 — 核心差异化
2.1 “一切皆插件”到底什么意思?
关键认知:DeepSeek Harness 把”agent 是什么”这件事完全重构了:
模型、工具、技能、会话沙箱、UI、甚至 agent 运行循环本身——都是插件。 不满意随时替换/安装,无需改框架源码。
这意味着:
- 模型可换:不只 DeepSeek V4 Pro,可以接其他 LLM
- 工具可换:不只官方工具,可以装/写自己的
- UI可换:不只默认界面,可以加按钮、改颜色、调布局
- 运行循环可换:不只默认 agent 循环,可以写自己的 agent 模式
2.2 跟 Chrome 扩展类比
最贴近的类比:Chrome 浏览器 + Chrome 扩展。
- Chrome 本身是个”最小可用的浏览器”
- 用户装广告拦截 / 翻译 / 主题 / 密码管理 等扩展
- Harness 本身是个”最小可用的 AI Agent 平台”
- 用户装模型 / 工具 / 技能 / UI / 主题 / 自研 agent 等”插件”
💡 类比升华:Chrome 扩展生态成就了 Chrome 的护城河。Harness 插件生态如果做起来,就是 DeepSeek 的护城河 — 这是 GenJi 说的”先搭建共创生态”的真正含义。
2.3 自研插件全流程
切创造模式 → 用自然语言提需求 → AI 开发 + 人工审批 → 安装
→ GitHub MCP 插件推送代码 → 打 dsh-plugin 标签 → 分享社区鱼皮的实例:把 Codex 的”捉宠插件”搬到 Harness,改成”你干嘛”音效提示 — 整个过程他只是用自然语言提需求,AI 自己开发完成。
2.4 社区插件生态萌芽(8/15 状态)
按鱼皮在 8/14 实测看到的:
| 类别 | 实例 |
|---|---|
| 皮肤类 | 鲸鱼娘主题 / Excel 皮肤 / 终端风格 / 广告风(抽象) |
| 实用类 | 侧边栏优化 / @ 快速引用文件 / 视觉插件(帮助文本模型理解图片) |
鱼皮最看好视觉插件 — 文本模型+视觉插件 = 真·多模态,绕开多模态模型的训练成本。
三、4 种运行模式(本质 = 加载了哪些工具)
理解 4 种模式的关键:它们的本质区别是”加载了哪些工具”。
| 模式 | 加载工具 | 定位 | 适用场景 |
|---|---|---|---|
| 标准(默认) | 全套:文件编辑 / shell / 网页搜索 / 子 agent / skills | 完整 coding agent | 日常开发全覆盖 |
| 极简 / 基建 | 仅 bash + 文件编辑 | 最小环境 | 改代码 / 表格 / 文本,token 消耗少 |
| PDC(程序化工具调用) | 生成 TypeScript 代码串联多步调用 | 步骤多但逻辑清晰 | 批量重命名 / 自动化流程 / 网页射击游戏 |
| 创造 | 标准 + 检查运行时插件 + 实验插件组合 | 能力上限最高 | 开发插件 / 定制模式预设 / 造新 agent |
3 个关键洞察:
- 极简模式 = 官方跑基准测试用 — 没有工具干扰,考验纯编程能力
- PDC 模式 = 用 TypeScript 写”agent 流程代码” — 不是普通的”agent”,而是”程序化 agent”
- 创造模式 = “Pro Max” — 可直接创造全新的专属 agent
四、5 大优势 vs Codex(老麦的工具库)
老麦 8/14 晚上实测,5 大优势:
| # | 优势 | 实测证据 |
|---|---|---|
| 1 | 灵活程度 | 连 UI 都能改(加按钮/改颜色/布局);Codex 改不了自己的框架(架构级差异) |
| 2 | 处理速度 | 100 图批处理 1分40秒 vs Codex 9分钟(子代理并行 + 交叉验证) |
| 3 | 工具调用 | 指挥现成技能(视频合成/TTS/抠图),20 分钟做 B 站官网宣传片 |
| 4 | 任务记忆 | 跨会话记忆 + 持续化目标能力(Codex 新窗口不自动同步) |
| 5 | 换脑能力 | 每轮循环启动全新 agent,无对话污染,不带上一轮偏见 |
4.1 处理速度 — 杀手锏
100 张图处理实测:
- DeepSeek Harness:1 分 40 秒
- Codex:9 分钟
- 差距:~5.4 倍
怎么做到的:工作流编排 + 子代理并行 — 几十个独立小任务同时跑 + 交叉验证。
这是 Harness 在”批量任务”上的绝对优势。如果你的工作流是”对一批文件做同样的事”,DSH 跑得比 Codex 快 5 倍以上。
4.2 工具调用 — 间接多模态
DSH 自己不是多模态模型(基于 V4 Pro 文本模型),但可以指挥别人干活:
- 调用视频合成技能
- 调用 TTS
- 调用转写
- 调用抠图
- 调用 AI 视频生成
- …
实测:20 分钟做出 B 站官网宣传片(调用几十个工具)。
4.3 换脑能力 — 直击上下文污染痛点
迭代式任务每轮循环启动全新 agent → 没有对话污染 + 共享工作区长期记忆 → 一直迭代逼近目标。
Codex 的痛点:容易同一上下文一路走到底,上下文里堆积的”试错”和”偏见”会污染后续判断。 DSH 的解法:每轮循环都重新启动 agent,新 agent 不带上一轮的对话历史,但能访问共享工作区。
💡 跟 Harness 概念呼应:之前我们讲的”六大层防护”(BLOG-MAINTENANCE 1.4 提到的”约束校验失败恢复”)的本质就是”每轮重新评估 + 隔离状态”。DSH 的”换脑”是这个理念的产品化。
五、3 AI 横评(GenJi 实测):Kimi K3 / Codex 5.6 / DSH
任务:一句话生成 MacOS 系统(网页版)。
| 维度 | 🥇 Kimi K3 | 🥈 Codex 5.6 Solo | 🥉 DeepSeek Harness(创造模式 + Pro Max) |
|---|---|---|---|
| 耗时 | 21 分钟 | ~27 分钟 | 80 分钟+ |
| 视觉设计 | 各种缩放动画/光效 | 局部光效 | 开屏动画+音效(唯一做音效) |
| 功能完整性 | 一般 | 一般 | 🥇 App 最多、可用性最高(音乐播放/深色模式/启动台) |
| 成本 | — | — | 🥇 1.7 元(输入 10M token,缓存命中 99%,输出 230K) |
GenJi 结论:
“DeepSeek Harness 慢,但功能完整度领先,上手难度和 coding 能力已跻身闭源前列 — 最重要的还是便宜。”
“便宜,可能只是它最不起眼的优点。”
5.1 缓存命中率 — 成本优势的核心引擎
DSH 价格表:
| 项目 | 价格 |
|---|---|
| 输入 | 3 元/百万 token |
| 输出 | 6 元/百万 token |
| 缓存命中 | 0.025 元/百万 token |
缓存命中价比未命中低 120 倍。实测任务中缓存命中率 99%+,所以即使是 10M token 的输入,实际成本只算 1% 不到。
这就是为什么 1.7 元能跑 80 分钟 + 完整 MacOS 系统。
六、4 个实战项目(鱼皮,总成本 < 5 元)
| # | 任务 | 耗时 | 亮点 |
|---|---|---|---|
| 1 | 分析自己的源码仓库 → 绘制架构图 | 快 | Mermaid 语法输出,需外部渲染;执行步骤清晰展示 |
| 2 | 交互式动画讲解知识的网站 | ~20 分钟 | 缓存命中 99%,成本极低;含总结+小测验功能,对标 Claude Opus 4.5 |
| 3 | 3D 网页小游戏(竹知了,摄像头手势控制) | ~40 分钟 | 缓存命中接近 100%;影子细节 + 摄像头手势交互”顶级” |
| 4 | 内置 AI 大模型的全栈应用(网页 PPT 生成器) | ~30 分钟 | 可自定义 PPT 风格/推理模式/多主题;安全确认到位 |
鱼皮总结:
“DeepSeek 模型还是得用自家的 Harness 工具,官方那个只差 0.1 的跑分,诚不欺我。”
“开源 + 一切皆插件 = 极致开放 — 也许用不了多久,每个人手里的 AI 编程工具都长得不一样,因为每个人都可以自由组装。”
七、⚠️ 严肃安全警告(必看)
7.1 PowerShell $home 变量 bug
问题:DSH 测试脚本试图把测试目录保存到 $home,但 PowerShell 变量名不区分大小写:
$home在 PowerShell 里 =$HOME= ReadOnly 系统变量- 赋值失败 → 后续
Remove-Item $home -Recurse -Force实际指向了真正的$HOME路径 Remove-Item删除了整个%USERPROFILE%用户目录
后果:评论区首批受害者 — 整个用户目录被删。
7.2 防御措施
| 措施 | 怎么做 |
|---|---|
| ⛔ 暂时不要开 full access | 用沙箱模式 / 受限目录模式 |
| ✅ 限定工作目录 | 给 DSH 一个独立目录(如 D:\dsh-workspace\),不给 C:\Users\ |
| ✅ 定期备份用户目录 | Windows 自带文件历史 / OneDrive 同步 |
| ✅ 不要用 root/admin 跑 | Linux/macOS 用普通用户,Windows 不用管理员终端 |
鱼皮实测时也只给了受限目录,没给 full access — 这是预览版唯一正确的打开方式。
八、5 个常见坑
| 症状 | 原因 | 解决 |
|---|---|---|
| 启动报”找不到 Node.js” | 没装 Node.js | Mac/Win 按芯片平台装 arm64/x64 |
| 跑任务时”$home 目录被删” | PowerShell 变量名 bug + full access | 限定工作目录,不要 full access |
| DSH 比 Codex 慢很多 | 默认创造模式(Pro Max) | 用标准模式即可,够 90% 场景 |
| 缓存命中率 0% | 任务每次都是全新的 | 复用任务 / 复用代码上下文 |
| 插件市场找不到想要的 | 生态刚起步(8/15 才开源一周) | 自己写 — 用”创造模式”自然语言提需求 |
九、4 条核心原则
- 不要开 full access — 预览版安全风险高,限定工作目录
- 缓存命中率 = 成本控制的核心 — 任务能复用就复用,别每次都从零开始
- 用”创造模式”自研插件,但要先用”标准模式”跑通 — 跳级容易失控
- DSH 慢但功能强,选”标准模式”还是”创造模式”取决于任务复杂度 — 别无脑开 Pro Max
十、跟现有博客系列的关系
| 已发博客 | 跟 DeepSeek Harness 的关系 |
|---|---|
| Harness = Agent − Model(上篇·概念) | DSH 是 Harness 概念的产品化 — 这篇是概念的”产品实例” |
| Harness 怎么落地(下篇·实战) | DSH 的”换脑能力”是”约束校验失败恢复”的产品化 |
| Hermes Agent 全景 | Hermes(7 模块平台)vs DSH(一切皆插件平台)— 同方向的两种实现 |
| 把 AI Agent 接到个人微信 | DSH 暂未支持微信,先用 Hermes 微信端 |
DSH 适合谁用:
- ✅ 想便宜地用 V4 Pro 模型(1.7 元做完整项目)
- ✅ 想要完全可定制的 AI 编程工作台
- ✅ 喜欢”折腾”插件、定制 agent
- ✅ 不在意”速度慢”
- ❌ 必须用 Claude Opus / Sonnet 的场景
- ❌ 想要”零折腾,装上就用”
- ❌ 严格安全合规场景(等正式版)
一句话总结
DeepSeek Harness 不是另一个 Claude Code 替代品 — 它用”一切皆插件”重新定义”AI 编程工具”。每个用户手里的 AI 工具最终都会长得不一样,因为每个人都可以自由组装。最便宜的 V4 Pro 接入 + 99% 缓存命中率 + 1.7 元做 MacOS 系统 — 这是 2026 年 8 月 AI 编程圈最值得关注的产品。
⚠️ 但请暂时别开 full access — 等正式版或社区修复 $home bug 之后再考虑。
参考
- DeepSeek Harness GitHub 仓库
- DeepSeek V4 Pro 官方说明
- B 站老麦的工具库 - DeepSeek Harness 实测 vs Codex(BV1oDgA6wE4T)
- B 站程序员鱼皮 - DeepSeek Harness 首发实测(BV1VkgK6NEZS)
- B 站 GenJi - DeepSeek Harness 速通 + 3 AI 横评(BV1o4gP6iEeo)
- LangChain《The Anatomy of an Agent Harness》(2026-03-10)
文中命令和定价基于 DeepSeek Harness 2026-08-14 开发者预览版,正式版可能有变化。安全警告(§7)为社区首批受害者案例汇总,强烈建议生产环境等正式版。
// comments