这篇文章从零开始，把 DeepSeek Harness 是什么、为什么值得关注、怎么在 Mac 和 Windows 上装、怎么配置、怎么用、有哪些坑、和其他 Agent 框架怎么选，逐一讲清楚。读完这一篇，从安装到上手都能搞定。
git clone https://github.com/deepseek-ai/deepseek-harness快速体验：
npx @deepseek-ai/dsh web（两种方式怎么选，见下文「安装」一节）一、AI Agent 是什么？和 AI 对话有什么区别？
先说清楚概念。很多人把 AI Agent 和 AI Chat 搞混了，觉得都是”跟 AI 说话”。其实差别很大，这直接决定了 DeepSeek Harness 能干什么、不能干什么。
AI Chat（DeepSeek 网页版、ChatGPT 等）：你问，它答。你问”帮我写个 Python 爬虫”，它给你一段代码。你复制粘贴到自己电脑上，跑一下，报错了，截图回去问它，它给你改，你再跑……来回三五次才能用。
AI Agent：你给目标，它自己干。同样一句话，Agent 会自己创建文件、自己写代码、自己运行、自己看报错、自己改。你最后打开文件确认一下就行。
用一个生活化的比喻：AI Chat 是一个你打电话问问题的专家，AI Agent 是一个坐在你旁边的实习生，你告诉它要做什么，它自己动手干，遇到不确定的会来问你。
DeepSeek Harness 就是帮你在自己电脑上搭这样一个”AI 实习生”的开源框架。
二、DeepSeek Harness 是什么
DeepSeek Harness（简称 dsh）是 DeepSeek 团队在 2026 年 8 月 13 日开源的 AI Agent 框架。GitHub 地址：github.com/deepseek-ai/deepseek-harness。
官方给的定位是：Agent = Model + Harness。模型负责”想”（推理、理解、决策），Harness 负责”做”（读文件、写代码、跑命令、调用工具）。
核心设计理念：一切皆插件。模型、工具、技能、会话、存储、UI，全部是可替换的插件，基于 Cordis 内核。你想搭一个写代码的 Agent，装一套编程插件。想搭一个做研究的 Agent，换一套搜索和文档插件。底层同一套系统，换配置文件就行，不用改代码。
MIT 开源协议，TypeScript 编写，Mac / Windows / Linux 全平台支持。
官方同时上线了完整的 Harness 官网，网页端和移动端都做了适配，文档、社区入口都在上面。
三、DeepSeek Harness 下载与安装速览
DeepSeek Harness 下载走官方渠道：GitHub 仓库 github.com/deepseek-ai/deepseek-harness——MIT 开源、TypeScript 编写，Mac / Windows / Linux 全平台支持，版本更新以官方 Releases 为准。它是命令行工具，装好 Node.js 就能跑，最快三步：
# 1. 检查 Node.js（Mac 推荐 brew install node 或 nvm，见下文详细版）
node --version
# 2. 一键启动 Harness（官方包，首次运行自动拉取）
npx @deepseek-ai/dsh web
# 3. 浏览器打开控制台
# Server running at http://127.0.0.1:3080详细的 Homebrew / nvm 两种安装路径、Windows 版步骤和常见报错，见下文两节安装教程；装完想直接看效果，跳到“实际测试”节。
四、为什么值得关注
市面上 Agent 框架已经不少了，Claude Code、AutoGPT、CrewAI、LangChain Agent 都有。为什么 DeepSeek Harness 发布一天就能拿 6 万 Star？
3.1 插件化做到了极致
传统 Agent 框架的功能是写死的。你想加一个新工具，得改代码、处理依赖、测试兼容。DeepSeek Harness 的所有能力都是 Cordis 插件，想加能力就装插件，想换模型改配置，想换 UI 换插件。源码一行不用碰。
这意味着一个底层框架可以快速变出不同用途的 Agent：写代码的、做研究的、管文件的、跑测试的。同一套系统，不同插件组合。
3.2 完整可追溯
这是用过多个 Agent 框架之后最看重的特性。Agent 跑的时候到底在想什么？调了哪些工具？每一步的输入输出是什么？
DeepSeek Harness 把每次运行的所有行为，包括系统提示词、思维链推理、工具调用及其结果、子 agent 调度，全部记录在 append-only 的 session log 里。出了问题可以回放（replay）、可以分叉（fork）、可以检索（search）。
AutoGPT 最大的问题就是不知道 Agent 在干嘛。Harness 解决了这个问题。
3.3 一行命令启动
不需要 Docker、不需要配环境变量、不需要克隆仓库。前提是有 Node.js，一行 npx @deepseek-ai/dsh web 就启动了。十分钟从零装好。
3.4 多种运行模式
| 模式 | 适合谁 | 特点 |
|---|---|---|
| 标准模式 | 日常开发 | 完整编程 Agent：读写文件、跑命令、检索网页、规划任务、调度子 Agent |
| PTC 模式 | 自动化工作流 | 用 TypeScript 程序组合多步操作，适合把多个工具串起来自动执行的场景 |
| 极简模式 | 模型测试 | 只保留持久化终端和文本编辑器，排除所有工具干扰，纯粹测试模型编程能力 |
| 创造模式 | 插件开发 | 可检查运行时状态、实验插件、组合新的 Agent 预设，适合开发者做 Agent 设计 |
五、Mac 安装教程（详细版）
4.1 前提：装 Node.js
DeepSeek Harness 运行在 Node.js 环境上。先检查你的 Mac 上有没有：
node --version如果输出类似 v22.x.x，说明已经装好了，跳到 4.2。
如果提示 command not found，需要先装 Node.js。有三种方式：
方式 A：Homebrew（推荐，如果你已经装了 Homebrew）
brew install node大概 1-2 分钟。装完验证：
node --version
npm --version方式 B：nvm（Node 版本管理器，适合需要切换 Node 版本的开发者）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash装完重启终端，然后：
nvm install --lts
nvm use --lts方式 C：官网下载（最简单）
去 nodejs.org，下载 LTS 版本的 macOS 安装包（.pkg），双击安装，一路继续。
4.2 启动 DeepSeek Harness
打开终端，一行命令：
npx @deepseek-ai/dsh web第一次运行会自动下载依赖，需要几分钟，取决于你的网速。下载完成后终端会打印：
Server running at http://127.0.0.1:3080 
4.3 配置 DeepSeek API Key
浏览器打开 http://127.0.0.1:3080，进入 Web UI。
点右上角 Settings → Models，填入你的 DeepSeek API Key，保存。模型路由立刻生效，不需要重启。
还没有 Key？可以先看这篇 DeepSeek API 完整配置教程 拿到 Key，或者直接去 platform.deepseek.com 注册。新用户有免费额度（具体以官方公告为准）。用完之后按量付费，DeepSeek 的 API 价格在主流模型里算便宜的。至于官方订阅和按量付费怎么组合更省，这篇把三家的价格结构摊开算过 → AI 订阅省钱方案。
4.4 选工作目录
点击 Select Workspace，选一个你电脑上的文件夹。这就是 Agent 的”工作区”，它会在这个目录下读写文件。
建议先用一个测试项目目录，不要直接往正式项目上扔。
4.5 第一个任务
选完工作目录后，对话框就可以输入了。试试这个：
帮我读一下当前目录的 README 文件，总结它的核心功能，用中文回答。Agent 会自己读文件、分析内容、写总结。整个过程你不需要做任何操作。
六、Windows 安装教程（详细版）
5.1 装 Node.js
去 nodejs.org 下载 LTS 版本的 Windows 安装包（.msi）。双击安装，一路 Next。
安装完成后，打开 PowerShell（按 Win+X 选”终端”），验证：
node --version
npm --version两个命令都有版本号输出就对了。
5.2 启动
npx @deepseek-ai/dsh web第一次运行会下载依赖，等几分钟。完成后浏览器打开 http://127.0.0.1:3080。
5.3 后续配置
和 Mac 完全一样：Settings → Models → 填 API Key → 选工作目录 → 开始用。Linux 用户也是走 Mac 那套流程，命令完全一致。
七、实际测试：我跑了五个任务
装好之后我做了五个测试，从简单到复杂，看看 DeepSeek Harness 到底能做什么。
测试 1：读 README 总结功能
任务：读当前目录的 README，总结核心功能。
结果：30 秒出结果。Agent 自己读了文件、分析了结构、列出了主要模块。准确，没有遗漏。
测试 2：找 bug 并修好
任务：给了一段有 bug 的 Python 脚本（一个文件遍历函数，有两个逻辑错误：路径拼接用了字符串拼接而不是 os.path.join，以及没有处理文件不存在的情况）。
结果：Agent 先读了代码，找到两个问题，写了原因解释，然后自动修改了文件。改完我检查了一遍，逻辑没问题。用了大约 2 分钟。
测试 3：整理文件夹
任务：”帮我把 screenshots 文件夹里的图片按拍摄日期重命名，格式为 YYYY-MM-DD_序号.jpg。”
结果：Agent 自己写了 Python 脚本（读 EXIF 日期信息、排序、重命名），运行，检查输出。全程我只说了一句话。脚本还处理了没有 EXIF 信息的情况，用文件修改时间作为备用。
测试 4：写单元测试
任务：”帮我给 utils.py 里的三个函数写单元测试。”
结果：Agent 读了 utils.py，理解了每个函数的功能和边界情况，写了 pytest 测试文件，还自己跑了测试确认全部通过。测试覆盖了正常输入、空输入、异常输入三种情况。
测试 5：代码重构
任务：”这个项目的配置管理太乱了，帮我重构一下，把散落在各处的配置统一放到 config.py 里。”
结果：Agent 先读了整个项目的文件结构，找到所有硬编码的配置项，创建了 config.py，然后逐个修改引用。最后自己跑了项目确认没有报错。这个任务最复杂，花了大约 5 分钟。
八、从源码构建（可选）
如果你想参与开发或者需要修改源码，可以从 GitHub 克隆：
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web需要先装 pnpm（npm install -g pnpm）。
九、配置选项详解
8.1 模型配置
Settings → Models 页面可以添加多个模型提供商。DeepSeek Harness 支持 DeepSeek 官方 API 和其他 OpenAI 兼容的端点。如果你有自己的私有部署，也可以填自定义 endpoint。
8.2 权限策略
Agent 在执行某些操作时（比如删除文件、运行 shell 命令），会根据权限策略决定是否需要你确认。你可以在 Settings 里调整权限级别：
- 宽松模式：大部分操作自动执行，适合你信任 Agent 的场景
- 严格模式：所有写操作都需要你手动确认，适合正式项目
8.3 插件管理
DeepSeek Harness 的所有功能都是 Cordis 插件。社区插件可以在 GitHub dsh-plugin 话题 下找到。安装插件通常只需要在配置文件里加一行。值得装的几个我整理过一份清单 → 6 个必装仓库与美化玩法。
十、注意事项和已知限制
开发者预览版。官方明确说了”会有不兼容的变化”。不建议拿来跑生产环境的项目，自己学习、体验、折腾可以。
需要 DeepSeek API Key。模型推理走云端 API，不是本地运行。这意味着你每次让 Agent 做事都会消耗 API 额度。DeepSeek 的价格不贵，但如果你让 Agent 跑复杂任务（比如重构整个项目），消耗会比较大。
Agent 会读写你的文件。跑的时候真的会改你电脑上的文件。建议先在测试项目里试，别直接往正式代码上扔。如果你用 git 管理项目，跑之前先 commit，方便回退。
网络依赖。npx 首次运行需要下载依赖，后续启动也需要网络连接（API 调用）。断网环境下无法使用。
十一、DeepSeek Harness vs 其他 Agent 框架
| 框架 | 核心优势 | 局限 | 适合谁 |
|---|---|---|---|
| DeepSeek Harness | 插件化极致、完整可追溯、一行命令启动、MIT 开源 | 开发者预览、依赖 DeepSeek API | 想折腾 Agent 的开发者 |
| Claude Code | 终端里的编程 Agent，深度集成 Claude 模型 | 需要 Anthropic API，闭源 | Claude 生态用户 |
| OpenAI Codex | OpenAI 官方 Agent，和 GPT 模型深度集成 | 需要 OpenAI API | OpenAI 生态用户 |
| AutoGPT | 最早火的 Agent 框架（2023） | 不稳定、难调试、社区活跃度下降 | 历史参考 |
| CrewAI | 多 Agent 协作编排 | 调试困难、文档不够完善 | 需要多 Agent 协作的场景 |
| LangChain Agent | 生态丰富、社区大 | 抽象层太厚、上手门槛高 | 需要复杂工具链的项目 |
如果你已经在用 Claude Code，可以看这篇 Claude Code + DeepSeek API 配置教程，把后端换成 DeepSeek，成本能降一大截。
十二、常见问题 FAQ
Q：DeepSeek Harness 免费吗？
A：框架本身免费开源（MIT 协议）。但模型推理需要 DeepSeek API，按量付费。新用户有免费额度。
Q：没有 DeepSeek API Key 能用吗？
A：不能。Harness 是框架，模型推理走云端 API。去 platform.deepseek.com 注册。
Q：有桌面版吗？不想碰命令行能用吗？
A：可以。官方仓库里带了桌面端的构建脚本（pnpm desktop:dev 本地启动、pnpm desktop:pack 打包安装包），社区也有现成安装包的桌面客户端，Windows / macOS / Linux 都能装。两者本质一样：把 dsh web 的界面包进原生窗口，双击启动、自动拉起本地引擎，界面与网页版完全一致，多出系统托盘、后台常驻、窗口大小记忆这些桌面特性。怎么选：想双击就用、要托盘常驻，选桌面客户端；想在远程服务器上跑、用浏览器访问，就用 dsh web。如果是长期挂机跑定时任务，一台便宜的年付海外 VPS 就够，没必要一直开着笔记本 → RackNerd 评测（或 DMIT 指南）。
Q：能用其他模型吗？
A：支持 OpenAI 兼容的 API 端点，可以在 Settings 里配置自定义 provider。具体看官方文档的 providers 指南。
Q：Agent 会不会删我的文件？
A：会。Agent 有完整的文件读写权限。建议在测试目录里用，正式项目先 commit 再跑。
Q：和 DeepSeek 网页版有什么区别？
A：网页版是 AI Chat（你问它答）。Harness 是 AI Agent（你给目标，它自己干）。Agent 能读写文件、跑命令、调用工具，网页版做不到。
Q：我的电脑配置够吗？
A：DeepSeek Harness 本身对电脑配置要求不高（它只是框架，模型推理在云端）。能跑 Node.js 的电脑就行。但如果你同时跑很多插件或子 Agent，内存消耗会大一些。
Q：Windows 能用吗？
A：能。装好 Node.js 后和 Mac 完全一样。
Q：支持中文吗？
A：支持。你可以用中文给 Agent 下任务，它会用中文回复。DeepSeek 模型的中文能力很强。
十三、我的判断
DeepSeek Harness 的定位很清楚：它不是给普通用户用的聊天工具，是给开发者搭 Agent 的基础设施。
需要挑一台长期挂机的机器时，香港 VPS 大盘点 2026 按「你是什么情况」分了档，比自己一家家比价快。
如果你平时写代码、做项目、管文件，值得今天就装上试试。一行命令，十分钟装好，半小时跑完测试。
如果你不写代码，可以先观望。等社区生态起来了，会有更傻瓜化的上层工具出现。但底层技术值得了解，因为 AI Agent 是接下来几年最重要的技术方向之一。
如果你是那种”想第一时间知道 AI 界在发生什么”的人，DeepSeek Harness 是 2026 年下半年最值得关注的开源项目之一。一天 6 万 Star 不是偶然的。
把模型跑起来之后，订阅方案怎么选最省钱？参考2026 AI 订阅省钱方案。
同一赛道还值得对比：Antigravity CLI 完整教程（Google 官方，含免费额度与地区限制实测）和 DeepSeek Harness 插件生态盘点。
另外有个思路值得放在一起看：Harness 这类 Agent 解决的是“让模型动手干活”，但流程里还有大量不需要生成文字的小判断——这条消息该转给谁、这个动作要不要人工确认、这段内容算不算敏感。这些判断交给专门做判断的模型，更快也更便宜，实测见 Jev 怎么玩；想自己接进去，看 Jev 完整教程。
如果你想要的不是“开着电脑才能用”的 Agent，而是 7×24 在线的 AI 管家——把 Harness 这类工具部署到一台海外 VPS 上常驻运行，我在 Hermes Agent 部署实录里写过完整流程：从买服务器到跑通 DeepSeek + Discord 自动响应，10 个坑全踩完，配置可直接抄。
