昨天我把 DeepSeek Harness 装上跑了一轮：DeepSeek Harness 安装，初体验，没有惊喜。 写的比较仓促，仅仅是从安装到使用走了一遍。上午我把官方仓库整个拉下来，让 AI 分析了一下，从启动配置一路翻到 Agent Loop、会话事件、工具管线、上下文压缩和插件加载，很多看到的地方，确实有很多 DeepSeek 的设计巧思

省流：本文有AI味，不喜请立即马上迅速叉掉

DeepSeek 这次开源的真正主角，藏在网页下面

这套仓库里有 238 个工作区项目，大家使用的 Web 界面只占其中一层，模型、会话、沙箱、审批、Skills、子 Agent、工作流、上下文压缩、存储和 UI，全被拆成了可以重新组装的零件，我更愿意把它理解成一套 Agent 运行时加发行版骨架，大家说它是 Agent 时代的安卓，很形象

219 个包，DeepSeek 到底拆出了什么

官方反复强调一句话：Everything is a Plugin，至少有三层含义

第一层是组装层，决定这次启动要装什么

第二层是 Cordis 运行层，决定插件如何依赖、通信、卸载和清理

第三层才是用户能看到的 Agent 能力，模型、工具、循环、会话、存储、沙箱和 UI 都在这里

第一层：一个 dsh 进程，先由配置拼出来

DeepSeek Harness 启动时不会加载一份巨大的固定配置

它会按顺序叠几层东西：

• Bundle 列表，先放进 dsh-base
• web 或 headless Profile，决定产品入口
• Profile 自己的 cordis.patch.yml
• 用户目录里的长期修改
• 本次命令行传入的 --patch

Profile 决定整个进程有哪些能力，Preset 决定某个会话能拿到哪些工具、提示词和工作流

同一个 Web 进程里，不同会话可以挂不同 Preset

这意味着 DeepSeek Harness 的扩展单位已经从“给 Agent 多加一个工具”，扩大到“给一个会话换掉整套运行方式”

第二层：Cordis 负责让插件活起来

Cordis 是这套系统的底盘

它的 Context 可以理解成一个带作用域的服务容器，插件从里面拿 tools、llm、sessions 等服务，也把自己提供的能力注册进去

一条能力通常会拆成三个角色：

• 服务定义：约定能力叫什么、数据长什么样
• Provider：真正提供能力，例如 DeepSeek 模型适配器
• Consumer：使用能力，例如 Agent Loop 请求模型

Cordis 还提供多种事件方式

普通广播适合通知，waterfall 可以让多个插件依次改写同一份数据，parallel 可以并行执行，serial 可以按顺序找到第一个愿意处理的插件

Agent 的请求、工具审批、压缩触发、结果加工，很多接缝都靠这些事件串起来

这里最漂亮的细节叫“可逆副作用”

• 插件注册一个工具、监听一条事件、挂一条网页路由时，会同时登记清理动作
• 插件卸载或重载，Cordis 会把这些注册一起撤掉
• 热插拔才不会变成“旧工具还挂着、监听器越叠越多、重载几次就行为漂移”

这也是它敢把 UI、循环和存储都开放给插件的基础

第三层：连 Agent Loop 都只是一个插件

很多产品把 Agent Loop 写成不可碰的核心，再开放几个工具入口

DeepSeek Harness 把 Loop 本身也放进插件树

模型怎么请求、一步何时开始、工具怎么调度、任务什么时候停，都可以在这条链上被观察和改写

官方仓库里甚至准备了另一套 LLM 适配器 dsh-llm-pi-ai，底层使用 Pi 的 @earendil-works/pi-ai，dsh 借用了它成熟的多模型适配层，自己的会话、工具和运行时仍然走 Cordis 体系

这个安排很能说明 DeepSeek Harness 的思路：需要一项能力时，做一个 Provider 接进来，用户无需跟着重写

一轮任务，源码里同时跑着两条线

DeepSeek Harness 里，一个 Turn 可以包含很多 Step

一次 Step 大致等于一次模型请求，加上这次请求产生的工具调用

第一条是持久事件线

一次任务会依次出现：

turn/start
step/start
user/message
request header
assistant/chunk
assistant/message
tool/call
tool/result
step/end
turn/end

模型供应商、模型名、思考强度、系统提示词和工具目录，也会作为请求头快照写进日志

后面恢复会话时，系统能知道当时到底给模型看了什么

第二条是实时控制线

agent/pre-step 可以整理 inbox 和触发自动压缩，agent/request 可以改写请求，tools/pre-execute 可以做审批与权限检查，tools/post-execute 可以裁剪或加工结果

插件可以介入很多节点，同时不能悄悄改掉已经发生的历史

会话日志才是整套系统的脊柱

DeepSeek Harness 的 Session 是只追加的事件日志

模型可见的消息都从这份日志推导，工具调用、工具结果和模型输出也都写回同一处

连流式输出的 chunk 都会保留，因此网页刷新以后仍能还原当时的生成过程

这个选择一次解决了五件事：

• 恢复：进程重启后继续同一个任务
• 分叉：从历史节点另开一条路线
• 回放：重建模型与工具当时看到的内容
• 检索：从事件流里找任务和消息
• 审计：说明某个文件修改从哪里来

默认持久化使用 JSONL，仓库里也准备了 SQLite 实现

模型请求之前，以及顶层工具真正产生副作用之前，系统会做检查点

进程在中间崩掉，恢复逻辑会补上一条“任务被打断”的结束记录，已经落盘的真实工作仍然保留

这里体现的是一条很硬的原则：模型看见的东西必须能回到日志里找到

否则恢复后的 Agent 会生活在另一份历史里

工具并行，结果顺序却不能乱

模型一次可能吐出多个工具调用

DeepSeek Harness 会先判断哪些工具允许并行，哪些工具需要独占

普通工具进入一个有上限的并行池，默认最多同时跑 10 个

遇到独占工具时，前面的任务先收尾，它单独执行，后面的调用再继续

这里还有个很细的处理

工具实际完成顺序可以不同，写回模型的结果仍按模型最初的调用顺序排列

否则网络快一点的搜索结果跑到前面，慢一点的文件修改跑到后面，同一轮上下文会因为时序抖动而变化

任务被取消时，已经启动的动作会尽量收尾，没来得及启动的调用也会写入合成结果

日志中不会凭空少掉半截工具链

Token 到底省在哪里

昨天那篇文章里，我用《背影》阅读理解、SVG 生成和审美测试跑了一轮，一共 14 步

Token 消耗情况：

• 1 轮，14 步
• LLM 用时约 3 分 55 秒
• 工具调用约 18.2 秒
• 首 Token 平均约 1.2 秒
• 生成速度约 112 tok/s
• 累计输入约 680K tok
• 累计输出约 24.5K tok
• 缓存命中率 93%

DeepSeek Harness 很重视 Token 复用，源码里还能找到三道控制线

第一道是稳定前缀

系统提示词、工具目录和已记录历史尽量保持稳定，新消息与新结果追加在尾部，让供应商缓存有机会持续命中

第二道是工具结果瘦身

标准 Preset 中，工具结果超过 8192 字符会进入默认裁剪，保留开头 4096 和结尾 1024，中间换成说明

更大的内容可以落盘，默认对话内联上限是 50,000 字节，对话只留路径和摘要

第三道是上下文压缩

上下文压力达到窗口的 80% 时，系统会在下一次 Step 前自动压缩旧历史，最近 16% 的尾部原样保留，默认摘要最多 8192 Token

有意思的是，生成摘要时仍会携带同一段会话前缀

这看起来多传了一遍，实际有利于继续复用供应商的 KV Cache

模型直接报上下文溢出时，还有一条恢复路径再尝试压缩

所以 dsh 的省 Token 路线就是：稳住可缓存前缀，先削工具噪音，接近上限以后再压缩历史

插件到底怎么装进去

社区插件通常在 package.json 里声明自己的 Bundle Patch

安装命令会把包放进某个 Profile，再把它的 Patch 加进组合层

通用格式是：

dsh plugin --profile web add <npm 包、Git 地址或本地路径>

装完重启 dsh web，再运行：

dsh --profile web --dump-config

只要最终配置里出现对应条目，插件才算真正挂上

GitHub 的 dsh-plugin Topic 现在已经很热闹，里面也混入了大量皮肤、小游戏、模板仓库和蹭标签项目

我看了几个候选仓库，推荐几个有意思，有用的吧。后续可能会有海量的插件出现，就像之前炒作 Prompt、Skills 一样，各种 awesome plugin 合集眼花缭乱，我依然坚持之前的判断，换工具不换工作流，以自己的工作流为核心资产，缺什么插件就自己写！

1、dsh-cc-tui：给 dsh 补上一套完整终端入口

官方开源版目前把主要精力放在 Web 和 headless，终端用户可以直接装 dsh-cc-tui

它单独创建 cc-tui Profile，模型、会话、Skills、计划、目标、子 Agent 和工作流都能接到官方底座上

上下文占用、缓存命中、工具状态、生成速度、会话恢复、模型切换也都放进了终端

安装：

npx -y @deepseek-ai/dsh plugin --profile cc-tui add dsh-cc-tui
npx -y @deepseek-ai/dsh --profile cc-tui

适合：长时间待在终端、希望键盘完成全部操作的人

它不会改动原来的 Web Profile，想回网页继续用即可

2、dsh-web-ui-all：把 Web 从毛坯房补成工作台

这个仓库是一组 Web 插件的合集，任务看板、Git 图谱、右侧文件面板、实时 Token 统计、移动端远程、SSH、皮肤中心都在里面

安装全家桶：

dsh plugin --profile web add @linxin666/dsh-web-ui-all

我更建议按需安装

例如只要任务看板：

dsh plugin --profile web add @linxin666/dsh-client-ui-task-board

只看 Token：

dsh plugin --profile web add @linxin666/dsh-live-stats

适合：把 dsh 当日常主界面、需要项目导航和实时状态的人

全家桶包含 SSH 与远程访问一类能力，安装前先确认自己确实需要

3、ModLens：让纯文本 DeepSeek 真正读图

DeepSeek 的文本模型遇到截图、图表和界面 Bug 时会卡住

ModLens 给 dsh 加入原生 read_image，也会增加带 modlens vision 标记的 DeepSeek 模型选项

安装：

npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modlens@latest

装好以后，在模型列表里选择 DeepSeek-V4-Flash (modlens vision) 或 DeepSeek-V4-Pro (modlens vision)，直接粘贴图片或给出本地路径

它需要一个视觉引擎，可以接 Gemini 或 OpenAI 兼容服务，也能在你明确同意后复用本机其他 Agent 已有的视觉能力

适合：前端调试、图表理解、截图报错和文章配图检查

4、ModSearch：补上搜索和单页精读

标准模式已经带 DeepSeek Web Search

ModSearch 会接管同一个搜索接口，再增加 x_search 和 read_page

安装：

npx -y @deepseek-ai/dsh plugin --profile web add @liustack/modsearch@latest

装好以后正常说“查一下今天的 AI 新闻”或“读完这个页面再总结”，模型会自己选择搜索或读取

它可以使用 Antigravity CLI，也支持 Tavily、Exa、Firecrawl 等引擎，X 搜索需要对应的 Grok Build 能力

适合：写文章、做竞品研究、追踪社区讨论和核查网页资料

5、dsh-agent-teams：给子 Agent 加上团队状态

官方标准模式已经能 spawn 和 fork 子 Agent

Agent Teams 继续加了队长、成员、任务依赖、成员消息和 Web 活动面板

安装：

npx -p @deepseek-ai/dsh dsh plugin --profile web add github:NanmiCoder/dsh-agent-teams

装好以后可以直接说：

用 AgentTeams 审查最近 50 个提交，分别检查性能、安全和功能回归，最后汇总

成员状态保存在工作区的 .agent-teams，Web 面板能看到任务依赖、成员进度和回报

适合：大范围代码审查、迁移、调研和能清楚拆成并行分支的任务

小任务开团队会增加协调成本

6、dsh-automation：把重复工作交给全新会话

这个插件提供单次、固定间隔、每天和每周任务

每次执行都会创建一个全新的根 Agent 与 Session，工作区、权限、任务说明和运行记录都单独保存

安装时建议锁定版本：

dsh plugin --profile web add github:titanwings/dsh-automation#v0.1.5

它适合定时跑测试、整理周报、检查依赖、扫描项目状态

无人值守任务只接受只读和工作区可写两种权限，完全访问不会进入计划任务

需要注意，0.1 版依赖 dsh Host 持续运行，关掉 dsh web 后，定时任务也不会自己在系统后台启动

插件越自由，安全边界越要看清

DeepSeek Harness 默认提供三种权限：只读、工作区可写、完全访问

工作区可写配合逐次询问，是日常使用更稳妥的起点

这里要分清两层权限

模型调用 Shell 和文件工具，会经过沙箱与审批

装进 Profile 的第三方插件属于宿主代码，它拥有的权限接近 dsh 进程本身

因此插件仓库里的安装脚本、依赖和 Host 代码，都要按真实程序来审查

官方没有默认开放任意 MCP Server，也有同样的考虑

MCP 的启动命令运行在 Agent 沙箱之外，不能因为工具调用有审批，就假设 MCP 进程也被关在里面

源码里还有两个很值得注意的默认值：

• web_fetch 默认关闭，主要防 SSRF 一类内网访问风险
• Cordis 创造模式允许动态加载与修改插件，信任等级接近给 Agent Shell 权限

我建议除了权限设置，安装插件之前都要找顶级大模型先确认一遍其安全性，目前 AI 野蛮生长，安全问题不容小觑

总结

现阶段（预览版），DeepSeek Harness 开源项目是一份绝佳的学习资料

至于工具本身，可以吹，不建议折腾，它不适合绝大多数人

Codex、Claude Code，以及众多 Work 类产品，比如 WorkBuddy、QoderWork、TraeWrok，这些开箱即用的好东西足够了

本文由作者@Ai学习的老章，授权发布于平台，未经许可禁止转载。