DeepSeek Harness开源实测：插件化架构面向自进化，长任务能力亮眼

事件概述

DeepSeek Harness（文中昵称“黑鲸”）正式发布并开源。体验者在使用近半个月后给出的评价是：这是一套为“自进化”和“DIY”而设计的Agent框架，模型、工具、策略、存储、上下文管理均以插件形式存在，可替换、可自定义，官方已内置100多个插件。

安装与使用

• 快速启动：npx @deepseek-ai/dsh web
• 源码安装：git clone https://github.com/deepseek-ai/deepseek-harness
• 目前没有Electron客户端，需通过浏览器Web UI使用。
• 首次使用需配置DeepSeek API Key，也可接入其他模型。

使用上的两个关键差异：

1. 会话开始前需额外选择工作目录和Agent预设。
2. 官方提供四类预设：标准模式（完整编码Agent）、PTC模式（额外提供Code Mode SDK，允许模型编写TypeScript程序组合多步操作）、极简模式（仅保留bash和str_replace_editor，用于基准测试和最小化复现）、创造模式（增加运行时检查、插件实验和preset创作指导），并支持自定义预设。

核心功能与体验

• 轨迹（Trajectory）：可回放原始事件级记录，查看模型在会话中每一步的操作与Token消耗，便于定位失败环节。
• 主动追问：即使未开启计划模式，指令不明确时也会主动提问并给出建议选项，减少用户心智负担。
• 开发向Skill：内置dsh-code-review（审PR）、dsh-find-simplifications（代码简化建议）、dsh-doc-standards（文档规范）、dsh-prose-standard（文案品控）等。
• Token仪表盘：界面底部实时统计Token消耗量和缓存命中率。实测缓存命中率大多在99%左右，个别场景为100%，也曾降至60-70%。
• 图片附件：支持上传图片，但DeepSeek V4不具备视觉能力，需搭配多模态模型使用。

与Codex对比实测

在相同模型（V4 Flash）和推理强度下，对比DSH与Codex：

• “鹈鹕自行车”测试两者表现接近，但Codex的审美略好。
• “猪八戒3D白模”测试中，一句话指令下Codex约6分钟完成但结果明显失真；DSH跑了约20分钟，产出更完整。
• 社区有用户用DSH连续运行任务长达10小时。体验者认为，DSH更擅长长程任务，很少直接交付半成品，例如仅凭一句prompt生成了包含下蹲、换弹、瞄准、NPC等功能的第一人称射击游戏。
• 不足之处：右侧栏尚未完成，内置浏览器、文件管理、预览等UI交互细节与Codex相比仍有差距。

架构：Cordis与“一切皆插件”

DSH的底层围绕Cordis协议设计，类似乐高底板：把Agent运行时拆成独立插件，各司其职。开发者可以按规则编写新插件插入，也可随时替换不满意的插件。仓库内提供从零构建插件、接入官方Harness的完整教程，以及一个用于修改Cordis的Skill。

这与Codex开源Harness形成两种路线：Codex采用Rust单体核心+外部扩展（MCP、hooks、skills），封闭但可控；DSH则把核心能力全部插件化，并预留Plugin Store。官方已内置100多个插件，社区也出现了TUI、皮肤、emoji等扩展。体验者将这种模式称为“Agent时代的安卓”。

值得关注

官方将DSH定位为“开源、开放、可复用、可组合的基础设施”，期待全球开发者共同构建插件生态。理论上，模型可以在不打断任务的前提下自己写插件并安装，再通过海量Agent实例筛选出验证过的优秀插件回流主线，从而让“自进化”有了更落地的实现路径。不过对普通用户而言，插件生态的收益还要等待高质量插件沉淀。

另据文章信息，DeepSeek计划于8月17日调整API价格，缓存相关费用涨幅尤为明显。