DeepSeek Harness实测：Agent界Android为何一夜爆火5万星

北京时间 8 月 13 日晚 8 点 30 分，DeepSeek 正式发布了自成立以来首个 Agent 产品——此前已预热许久、备受关注的 DeepSeek Harness。

截至发稿时，它的 GitHub 仓库 star 数已经突破 5 万，而从仓库公开到现在仅过去了 12 个小时。

DeepSeek Harness GitHub 主页截至发稿时已突破 5 万 star｜图片来源：GitHub

DeepSeek 对它的最新定义，其实和不少同类产品相似：模型加上 Harness，才真正构成 Agent。模型像大脑，Harness 像手脚；聊天机器人交付的是一段回答，而 Agent 交付的是一个实际完成的任务。

发布当晚，我们第一时间把它部署到自己的电脑里，让它完成了两项任务：一是按照 The Verge 的风格重构极客公园官网，二是调用 GitHub 接口，绘制出它自己的涨星曲线。这两项任务都顺利交付，全程消耗的 token 成本不到 3 元。

不过，它目前也的确还属于“毛坯房”阶段：界面对不会写代码的用户并不算友好，开发者预览版的粗糙感随处可见。连续使用 12 个小时后，我们的直观感受是——DeepSeek 现在并不是要给你一个完整成品，而是先交付一套等待开发者自行组装的零件系统。

01 「一切皆插件」

GitHub 仓库在正式公布前半小时就已悄然公开，随后我们见证了它的增长速度：21:05 查询时为 7,283 个 star，21:51 再查时升至 15,530 个。公布不到两小时，star 破万；到了今天早上再看，已经超过了 5 万。

在这之前，被称为史上增长最快仓库的 OpenClaw，用 84 天涨到 20 万 star，平均每小时约 99 个。而 DSH 在最初两个小时里的涨速，达到了它的 80 倍。

目前，DeepSeek Harness 还不是一个云端 Agent 服务：只要在装有 Node.js 的电脑上输入一行「npx @deepseek-ai/dsh web」，再用浏览器打开本地 3080 端口，就能进入它的全部界面。会话、日志和数据都保留在本地，浏览器更像是它的外壳。

新建会话页面上写着它的 slogan：「探索未至之境」，英文原文是 Into the Unknown，旁边还带有「预览版」角标。首次启动时，还会弹出一条“内部测试提示”，大意是 0.1 版本仍主要面向 Harness 开发者测试，核心插件和基础接口会在未来几个月内快速演进。换句话说：这是一款给开发者尝鲜的 Agent 开发框架，而不是面向普通用户的成熟产品。

它最激进、也是发布后 12 小时内争议最大的设计理念，就是「一切皆插件」。

插件化概念是 DeepSeek Harness 的核心｜图片来源：极客公园

模型、工具、界面、审批策略，甚至驱动整个 Agent 运转的主循环本身，几乎都可以拆开替换：如果你愿意，连整个前端界面都可以改成自己喜欢的样子。比如我在上手的第一时间，就通过 Prompt 把它改成了自己更偏爱的洋红色主题。

DeepSeek 允许用户自由替换各种组件，甚至包括 Web UI 前端｜图片来源：极客公园

允许用户直接修改 Harness 的 Web 前端，这个细节本身就说明了 DeepSeek Harness 的底层开发思路：它并不是一个封闭产品，而是一个由大量插件拼装而成的开放生态系统。只要你愿意动手适配这套机制，就能搭建出一套独特且专属于自己的 Agent 工作流。

按照最新文档的说法，DeepSeek Harness 目前内置了标准、极简、代码、创造四种 Agent 预设。V4-Flash 上个月在 Terminal Bench 刷榜时使用的，正是其中的极简模式——当时 API 更新日志里提到的「即将发布的 DeepSeek Harness」，如今终于正式上线。

目前 DeepSeek Harness 内置了 4 种 Agent 模式预设，也支持手动添加自定义预设｜图片来源：极客公园

开放生态带来的结果，比想象中来得更快。内测阶段的开发者在几天内就做出了大约 300 个插件：有人给它换上 Windows XP 风格的复古皮肤，也有人做了表情包插件，让它完成工作后顺手给你发一张“大肥鱼”表情包。这些丰富玩法恰恰说明：这个 Agent 框架里，几乎没有什么是被彻底焊死的。

但 star 涨得越快，质疑来得也越快。发布第二天，开发者社区对它的评价开始出现明显分化：无论是 DeepSeek Harness 当前的使用体验，对非程序员并不友好，还是围绕插件建立起来的整体生态逻辑，都引发了不少讨论与争议。

这些批评并不是冲着模型本身去的，几乎都集中在 Harness 这一层“壳”上。这个壳到底表现如何，我们在发布当晚做的两项实测，正好可以作为对照。

上手 Harness 之后，我做的第一个测试，就是让它重构极客公园官网：我把极客公园的网址交给它，再要求它参考 The Verge 的风格，输出一版新的网页设计方案。

这个任务主要测试另一个关键问题：它究竟会不会真的去查看这两个网站页面。

这是 DeepSeek Harness 最终实际生成的效果：客观来说，这个页面在格式和交互上仍存在一些细节问题，但当你借助 DeepSeek Harness 的插件式架构，继续安装更多与模型能力、设计能力相关的 Agent 插件后，整个页面就能在快速迭代中逐步变得更现代、更完整。

例如，虽然 DeepSeek Harness 默认并不内置画板功能，但你完全可以通过安装插件来补齐；在最新插件库中，就已经有一个现成的 DSH-OpenPencil 插件。安装之后，你可以直接在对话过程中实时预览交互设计文件，让原本相对单调的 Web UI，直接升级为一个可用于设计交付的工具界面。

此外，为了进一步验证这次的图片生成能力与数据提取能力，我还直接用 DeepSeek Harness 生成了一张从昨晚到今天早上的 GitHub star 增长趋势图：

提示词：用 GitHub 的公开 API 查一下 deepseek-ai/deepseek-harness 这个仓库的 star 数据，结合这几个我们人工记录的时间点:8 月 13 日 21:05 是 7,283，21:51 是 15,530，8 月 14 日 8:53 是 44,514。画一张 star 增长曲线图，横轴时间、纵轴 star 数，标注关键节点，存成图片。

DeepSeek Harness 设有一个「轨迹」页，模型在执行过程里看到的全部信息都会被完整记录，包括系统提示词、思维链、每一次工具调用以及对应的返回结果。因此，它到底是真实抓取了页面内容，还是基于训练记忆中的印象去“脑补”出一个 Verge 风格页面，只要查看这些记录，就能直接核对清楚。这种「全程留痕」，正是它与传统聊天机器人在架构层面的根本差异之一——聊天工具通常只保留最终回答，而 DeepSeek Harness 保存的是任务执行过程中的每一步。

这一设计，也是它在 Hacker News 上收获最多好评的亮点之一。有开发者把“模型看到的一切都写入只增不改的日志”称作 killer feature，还特别指出，美国一些模型厂商的 API 恰恰把这一层关键数据隐藏了起来。

算一笔账

Harness 本身是免费开源的，但模型调用仍然按照正常规则收费：目前我们测试时采用的，还是 13 日晚 DeepSeek 官宣涨价之前的模型价格，因此整体仍然可以算是“量大管饱”。事实上，这篇文章中所有 Demo 测试全部做下来，消耗的 Token 成本也没有超过 3 元。

此外，DeepSeek Harness 还会主动帮用户把成本算清楚：每个会话底部都提供实时统计，这一轮执行了几步、模型耗时几秒、输入输出各消耗多少 token，甚至缓存命中率是多少，都会完整展示出来。

而争议恰恰也集中在这一点上。

发布次日，一项在开发者圈中流传的第三方对比数据显示，同样是接入 V4-Flash，使用另一套开源 harness——Pi 时，token 消耗仅为 DeepSeek Harness 的三成多。

从我们的实际体验来看，除了 V4 Pro Max 依然保持着量大管饱的特征之外，当前直接使用 DeepSeek V4 Flash 时，不仅响应速度更快，而且在内容生成准确率方面也没有出现明显下降。这或许也进一步说明，现阶段 DeepSeek 的 Harness 确实还处在开发者预览版阶段，距离最终完成版仍有优化空间。

02 Agent 界的 Android

模型公司亲自下场做“壳”，DeepSeek 并不是第一家。Anthropic 有 Claude Code，OpenAI 有 Codex，如今这个名单上又补齐了最后一个重要玩家。

从行业趋势来看，Harness 很可能是大模型打通真实生产场景最关键的路径之一。开发者工具公司 Composio 曾做过一项对照测试：同一个 V4-Flash，接入八种不同的 harness，执行 30 项任务。表现最好的完成了 20 项，最差的只完成 14 项。模型完全相同，结果却能相差三成。

模型决定能力上限，而 Harness 决定这份能力最终能被兑现多少。

对 DeepSeek 来说，这层“壳”背后还有三笔更现实的账。首先是成本：上下文如何组织、缓存如何命中，决定了一个任务会消耗多少 token、需要重试几次，而这些关键环节都发生在 Harness 层，别人的壳它无法控制。其次是数据：任务失败的完整执行记录，是持续改进模型效果的重要养料，而这些记录同样掌握在“壳”手中。最后是生态：网易科技的报道提到，团队表示会向部分开发者提供 API 额度——把插件开发者留在自己生态里的意图，其实并不隐晦。

如果把视角拉远，过去两年模型公司卖的主要还是 token，按字数收费，更像是“卖水”。但从 Claude Code 开始，它们逐渐意识到，真正更有价值的，是“把事情做完”这个动作本身。DeepSeek 是最新入局的大玩家，也是第一个选择将整个 Agent 壳层完整开源的公司。

它押注的是另一条路线：当别人把 Agent 打包成成品卖给用户时，它选择把 Agent 的零件全部摊开，赌开发者会基于这些模块，拼装出连它自己都未曾预设的新东西。

回头再看，今天围绕 DeepSeek Harness 最大的争议之一是“它更像框架，而不像成品”。但换一个坐标系，这句话也未尝不是一种赞美——安卓系统刚问世时，同样带着明显的毛坯感：粗糙、开放、吸引的主要是愿意动手折腾的人。后来的故事，大家都很清楚。

DeepSeek 所押注的，是 Agent 这个行业同样需要一个“Android”。