8 月 13 日 DeepSeek 开源了自家 Agent Harness(DSH)。我当晚装上真跑了一单修 bug 的任务——它自己读文件、改代码、跑测试、验证结果,全程没等我。这篇手记是我的实测记录,外加几个值得留意的观察。

封面 · 8月14日 · DeepSeek Harness 实测

📌 它到底是什么

/ section

先划清边界:DSH 不是新的基础模型,也不是 API 客户端。它是把模型接入文件系统、终端、网页、代码工具,并负责上下文组织、工具调用、任务执行的一套 Agent 运行框架——也就是常说的「执行层」。一句话:传统聊天模型负责「给答案」,Harness 负责「进仓库干活」。

🧩 架构：一切皆插件

/ section

★ Everything is a plugin —— 连 Agent Loop 本身都可替换

〔官方文档〕基于 Cordis · profile = 插件组合包 patch 层叠加

插件化 模型适配器、工具注册、Session Log、安全策略,甚至 Agent Loop 本身,都被设计成可替换的插件;模型/文件系统/Shell/网页/子 Agent/Skill 都能通过配置重新组合。
Profile 分层 配置树 = 插件组合包的 patch + profile 自身覆盖 + 用户覆盖,层层叠加;web(浏览器 UI)/tui(终端)/headless(一次性任务)共享同一套插件,只是组件组合不同。
默认模型 官方默认 provider 是 deepseek-official、模型 deepseek-v4-flash——我实测跑的也是它。
bash 
npx @deepseek-ai/dsh web                                  # 启动浏览器 Web UI
npx @deepseek-ai/dsh --profile headless "跑一下测试"        # 一次性任务,答完即退
npx @deepseek-ai/dsh --profile headless --dump-config      # 查看组合后的配置树(不启动)

🧪 实测：一单真实的修 bug 任务

/ section

我准备了一个带 bug 的小脚本 sum.py:一个「求偶数和」的函数在返回值上多加了 1(return total + 1),期望输出 6、实际输出 7。然后用 headless 模式直接丢给 DSH 让它自己处理。

text 
# DSH 实际执行(从 Session Log 提取)
1. read   → 读取 sum.py,定位问题
2. edit   → 把 "return total + 1" 改为 "return total"
3. bash   → 运行 python3 sum.py,确认输出变为 6
───────────────────────────────────────────
结果:文件真实被修改,命令真实执行,输出 7 → 6。

★ 它真的「进仓库干活」了,不是嘴上说说

〔实测结论〕

闭环 读文件→改代码→跑命令→验证,DSH 自主走完了完整一轮,没有要求我复制粘贴任何报错。
可审计 Session Log 全量记录每个动作(用户消息/工具调用/工具结果/上下文压缩/权限变化),以 JSONL.zstd 持久化,可重建、可回放、可调试。
诚实边界 目前是 Developer Preview(实测版本 0.1.0-rc.6),官方声明快速迭代中可能出现破坏性变更。

⚖️ 和 Claude Code 怎么比

/ section

★ 同赛道,同构工具面,不同绑定

〔我的观察〕

相同 定位都是执行层;工具面几乎同构(read/edit/bash/web/subagent/skill/todo);都支持 headless 一次性任务、子 Agent 分工、Session 持久化。
不同 DSH 默认只绑定 deepseek-official 这一家 provider(模型族就是自家 v4 系列);插件化更彻底——官方把「一切皆插件」作为架构答案,连 Agent Loop 都做成可替换。
阶段 DSH 还在 Preview;Claude Code 已商用成熟。对开发者而言:多一个可自拼的 Harness 选择,也意味着执行层开始真正进入竞争。
过去谈 DeepSeek,焦点几乎都在模型本身:参数、benchmark、价格。但到了 V4 Pro 与 Harness,边界变了——模型仍然决定智能的上限,如何把智能接进真实环境,开始成为另一半问题。

模型决定智能的上限,Harness 决定能力的下限。执行层之争,现在正式开打。

实测基于 @deepseek-ai/dsh 0.1.0-rc.6 · 官方文档 · DeepSeek 官方公告