最近 DeepSeek 推出了 DeepSeek Harness。类似的 AI 编程和 Agent 工具还有 Codex、Claude Code、Pi、OpenHarness、OpenCode、Cline 等。
很多人可能会问：大模型本身已经足够强了，为什么还需要一个 Harness？
我这次没有停留在 Hello World，而是从安装开始，实际测试了三个任务：
- 生成一个幸存者类小游戏
- 生成一个俄罗斯方块
- 生成一个“梁子滑动变阻器”网页
同时，我把相同或相近的任务交给 GPT / Codex 做对比，记录完成时间、Token 消耗、实际费用和最终效果，最后再看 DeepSeek Harness 的插件生态。
官方地址：https://www.deepseek.com/harness/
一、Harness 解决了什么问题？
普通聊天助手通常是：
用户提问
↓
模型回答
↓
结束
而 Agent 工具需要让模型真正参与一个完整的执行流程：
用户给出目标
↓
模型分析任务
↓
调用工具
↓
读取执行结果
↓
修改文件或执行命令
↓
运行项目并测试
↓
发现问题后继续修改
可以把大模型理解成“大脑”，把 Harness 理解成让大脑拥有“手和脚”的运行环境。它负责提供文件读写、终端命令、脚本执行、浏览器操作和工具调用等能力，并把每一步的结果重新交给模型判断。
以前我们问 AI：
这段代码应该怎么改？
模型给出建议后，还需要我们自己找到文件、完成修改、运行项目并检查结果。现在更理想的方式是让 Agent 直接完成这些动作，遇到错误后继续修复。
这正是普通聊天助手和 Agent 的主要区别。
二、安装 DeepSeek Harness
我使用的是一台 16GB 内存的 Mac mini。DeepSeek Harness 官方提供了通过 NPX 运行的方式，因此需要先准备 Node.js 和 NPX。
1. 准备 Node.js 和 NPX
安装 Node.js 后，先检查 NPX 是否可用：
npx -v
我这次测试得到的版本是 11.17.0。不同机器的版本可能不同，能够正常输出版本号即可。
Mac 用户可以通过 Homebrew 安装 Node.js，Windows 用户可以直接从 Node.js 官网下载安装包。安装命令以 DeepSeek Harness 官方页面的最新说明为准。
2. 启动 Harness
回到官方页面，复制当前的启动命令并执行。第一次运行时，NPX 可能会询问是否安装相关软件包，确认安装即可。
如果安装过程长时间卡住或依赖下载失败，通常与网络、代理或 NPM Registry 有关。可以切换到可用的镜像源后重试：
npm config set registry <你的 NPM 镜像地址>
启动成功后，终端会返回一个本地地址。把这个地址复制到浏览器中打开即可。
3. 配置 API Key
第一次进入页面时，需要配置 DeepSeek API Key。可以在 DeepSeek 开放平台创建一个新的 Key，再粘贴到 Harness 页面中。
API Key 属于敏感凭证，不要提交到 Git 仓库，也不要直接发布在文章或截图中。
如果页面显示的是 127.0.0.1，说明服务默认只监听本机，其他设备无法直接访问。
整个安装流程可以概括为：
- 安装 Node.js / NPX
- 启动 DeepSeek Harness
- 配置 DeepSeek API Key
三、第一次使用
进入 DeepSeek Harness 后，需要先选择一个工作目录。Agent 创建、读取和修改的项目文件，都会集中在这个目录里。
进入工作区后，可以看到模型和推理等级等选项。这次测试主要使用 DeepSeek V4 Flash 和 DeepSeek V4 Pro。
先发送一条简单消息：
hi
模型能够正常响应后，就说明一个可以读取文件、修改代码和执行命令的 DeepSeek Agent 已经运行起来了。
有趣的是，安装 Harness 这件事本身也可以交给其他 Agent。把官方地址或安装说明交给 Codex、Claude Code 等工具，然后告诉它：
帮我安装 DeepSeek Harness。
让一个 Agent 安装另一个 Agent，正在逐渐变成 AI 编程工具的常见使用方式。
四、第一轮测试：幸存者类小游戏
第一个任务不是 Hello World，也不是 Todo List，而是生成一个类似 Vampire Survivors 的极简网页版幸存者游戏。
我希望它从一句自然语言需求开始，自己创建文件、编写代码、组织游戏逻辑，最后给出一个可以打开运行的网页游戏。
这次使用 DeepSeek V4 Flash。任务开始后，Harness 会分析需求、创建项目并写入代码。
本轮结果：
| 指标 | 结果 |
|---|---|
| 完成时间 | 约 3 分 08 秒 |
| 输入 Token | 约 243K |
| 输出 Token | 约 29K |
| 最终结果 | 可以运行 |
最终代码直接写入 HTML 文件。打开后，游戏具备角色、敌人、血量、升级和能力强化等基本机制，游戏结束后也可以重新开始。
视觉效果目前只能算 Demo，人物和敌人主要由方块、三角形、圆点等基础图形组成。不过从“几分钟内根据自然语言生成一个真正能玩的网页小游戏”这个目标来看，DeepSeek V4 Flash 的表现是合格的。
与 GPT / Codex 对比
我把相同需求交给 GPT / Codex，并将推理强度调高。
这一轮 GPT / Codex 的完成时间约为 2 分 35 秒，同样生成了一个可以运行的网页小游戏，还给它起名为“暮色幸存者”。两边最终完成度接近，也都使用了基础图形表现人物和敌人。
至少在这一轮测试里，DeepSeek V4 Flash 和 GPT 的差距并不明显，可以看作基本打平。
五、第二轮测试：俄罗斯方块
第二个任务是实现俄罗斯方块。这次 DeepSeek 使用 V4 Pro。
DeepSeek 这一轮的速度非常快：
| 指标 | 结果 |
|---|---|
| 完成时间 | 约 1 分 52 秒 |
| 页面状态 | 可以打开 |
| 基础操作 | 方向键可以控制，方块形态可以切换 |
| 核心问题 | 方块不会自动下落 |
页面、方块和控制逻辑都有了，但最核心的自动下落逻辑没有实现。因此这一轮的结论是：做出来了，但没有完全做对。
这个问题也说明，Agent 说“任务已完成”并不代表最终结果没有 Bug。代码必须真正运行起来，核心流程也需要人工验证。
GPT / Codex 的俄罗斯方块
GPT / Codex 这一轮明显慢很多。执行过程中出现过一次中断，我让它继续后，它完成了写代码、运行命令、打开浏览器、测试页面和根据结果修改代码等流程。
最终耗时约 18 分 13 秒，但俄罗斯方块可以正常自动下落，核心逻辑更加完整。
这一轮形成了一个很有意思的对比：
| 工具 | 完成时间 | 最终结果 |
|---|---|---|
| DeepSeek Harness | 1 分 52 秒 | 很快，但核心逻辑有 Bug |
| GPT / Codex | 18 分 13 秒 | 较慢，但结果更加完整 |
因此，比较 Agent 不能只看谁先生成代码，至少还应该关注：
- 完成时间
- 最终质量
- Token 消耗
- 实际费用
- 是否一次完成
这次 GPT / Codex 使用的是中转 API，算力和上游状态也会影响执行速度。18 分 13 秒只代表本次测试，不代表每次都会这么慢。
六、第三轮测试：梁子滑动变阻器
前两个任务都有相对明确的游戏规则，第三个任务则更偏向网络梗网页：通过拖动滑块，让人物从“小梁子”逐渐发生变化。
这类任务不只是写代码，还需要理解想要模仿的视觉效果和交互方式。
DeepSeek 继续使用 V4 Pro，最终耗时约 3 分 24 秒。“小梁子”“老梁”等状态基本做了出来，整体复刻效果不错。
GPT / Codex 这一轮等待约 5 分钟后，最终提示无法打开页面。在这一次具体测试中，DeepSeek 成功，GPT / Codex 失败。
当然，一次任务不能证明某个模型绝对更强。它只能说明 Agent 的真实体验并不完全等于模型排行榜上的分数。
任务规划、文件操作、浏览器能力、工具调用、执行稳定性和失败恢复能力，都会影响最后能不能真正把事情做完。
七、为什么需要 Harness？
把这几轮测试放在一起，就能回答文章开头的问题。
模型负责判断：
下一步应该做什么？
Harness 负责把判断执行出来：
找到文件
↓
打开文件
↓
修改代码
↓
执行项目
↓
读取报错
↓
继续修改
↓
打开浏览器
↓
验证结果
在测试中，DeepSeek Harness 会进入 Think 阶段，然后不断创建文件、读取文件和执行命令。有些网页任务还会通过 curl 获取资源。
GPT / Codex 也会调用浏览器、Skill 和其他工具。它们的共同点是：模型不再只是输出一段答案，而是可以在一个工作目录里持续行动。
所以，模型能力强，并不等于 Agent 任务一定完成得好。模型、Harness 和工具链需要共同工作。
八、Agent 任务到底贵不贵？
这次测试时，DeepSeek 后台显示的实际消费大致如下：
| 测试任务 | 模型 | 本次实际费用 |
|---|---|---|
| 幸存者类小游戏 | V4 Flash | 约 0.36 元 |
| 俄罗斯方块 | V4 Pro | 约 0.37 元 |
| 梁子滑动变阻器 | V4 Pro | 约 1.2 元 |
这些是录制测试时后台显示的实际消费，不代表长期固定价格，具体计费应该以 DeepSeek 官方最新说明为准。
普通请求只调用一次模型，但一个 Agent 任务可能经历多轮调用：
理解任务
↓
决定创建哪些文件
↓
执行工具
↓
读取结果
↓
遇到报错后重新请求模型
↓
打开浏览器测试
↓
继续修改
因此，单看“每百万 Token 多少钱”并不能说明一个 Agent 到底贵不贵。更有意义的比较方式是记录一次完整任务的总成本：
| 指标 | GPT / Codex | DeepSeek Harness |
|---|---|---|
| 输入 Token | 实测 | 实测 |
| 输出 Token | 实测 | 实测 |
| Cache Token | 实测 | 实测 |
| 完成时间 | 实测 | 实测 |
| API 总费用 | 实测 | 实测 |
| 是否一次完成 | 是 / 否 | 是 / 否 |
| 最终效果 | 实际评价 | 实际评价 |
Token 单价便宜的模型，如果任务需要反复重试，最终未必便宜；Token 单价更高的模型，如果一次就把任务完成，也可能更划算。
九、DeepSeek Harness 的插件生态
我觉得 DeepSeek Harness 最有意思的部分之一，是围绕它逐渐出现的插件和周边项目。有人把这种发展形容为“一切皆插件”。
Harness 提供的是 Agent 基础能力，社区则在上面叠加文件引用、多模态、数据库、设计画布、长期记忆、插件市场、侧边栏、TUI、桌面端和主题等功能。
下面是本次整理到的项目：
1. 文件引用：dsh-at-file
项目地址：https://github.com/omdsh-dev/dsh-at-file
这个插件为 DeepSeek Harness 增加 @文件 能力。在输入框中输入 @ 后，可以引用本地 PDF、Word、PPT、图片和代码文件，使用体验接近给聊天助手上传文件。
2. 多模态图片识别：dsh-vision-toolkit
项目地址：https://github.com/Anionex/dsh-vision-toolkit
它为 Harness 增加图片识别和视觉能力，可以处理 UI 截图、报错截图、网页截图和设计稿。
3. Data Agent：dsh-data-agent
项目地址：https://github.com/omdsh-dev/dsh-data-agent
这个项目把 Agent 和数据库连接起来。用户可以直接提出“统计最近 30 天每天的订单量和销售额”等需求，再让 Agent 负责查询和分析。
4. Agent 设计画布：dsh-openpencil
项目地址：https://github.com/ZSeven-W/dsh-openpencil
它把 Agent 和设计画布结合起来，让 Harness 不只服务于程序员，也能进入设计、产品和原型工作流。
5. 多 Agent 长期记忆：dsh-mnemon
项目地址：https://github.com/omdsh-dev/dsh-mnemon
Agent 的一个明显问题是记忆。不同会话之间未必能完整保留上下文，如果多个 Agent 长期参与同一个项目，长期记忆会变得非常重要。
6. 插件市场：dsh-market
项目地址：https://github.com/dsh-market/dsh-market
插件数量增加后，普通用户不可能每天去 GitHub 搜索项目。插件市场可以集中解决插件发现、安装和管理问题。
7. 侧边栏工作台：DSH Better Sidebar
项目地址：https://github.com/omdsh-dev/DSH-better-sidebar
这个项目主要增强 UI 和工作区。对于每天使用 Agent 的人来说，工作区是否顺手会直接影响效率。
8. TUI：dsh-TUI
项目地址：https://github.com/ccch1mneyyy/dsh-TUI
它将 DeepSeek Harness 做成 TUI。习惯 Claude Code、Codex CLI 等终端工作方式的用户，可能会更喜欢这种交互。
9. 桌面端：DeepSeek Harness Desktop
项目地址：https://github.com/anywhere-labs/deepseek-harness-desktop
不喜欢终端的用户可以选择桌面端，以传统软件的方式使用 DeepSeek Harness。
10. TUI + Desktop + Web：oh-dsh
项目地址：https://github.com/hust-open-atom-club/oh-dsh
这个项目尝试同时覆盖 TUI、Desktop 和 Web。它也说明底层 Agent 能力和外部交互界面可以分离，同一套能力可以对应不同的产品形态。
11. Deep Whale
项目地址：https://github.com/Small-tailqwq/dsh-deep-whale
有人做功能，有人做多模态、数据库、桌面端和 TUI，也有人专门做主题和皮肤。Deep Whale 就属于后者。
当一个项目周围同时出现底层扩展、插件、UI、桌面端和 TUI 时，它已经开始从单个工具发展为一个生态。
十、实际安装一个插件：文件引用
最后实际安装 dsh-at-file：
https://github.com/omdsh-dev/dsh-at-file
传统安装一个 GitHub 项目通常需要打开 README、阅读文档、复制命令、安装依赖，再处理过程中遇到的报错。现在也可以直接把项目地址交给 Agent：
帮我安装这个插件。
让 Agent 自己阅读 README、执行命令和修改配置。
这次安装文件引用插件大约用了三分多钟。安装完成后，按照提示重新启动 DeepSeek Harness 并刷新页面，在输入框中输入 @，就可以选择本地文件。
这样，PDF、Word、PPT、图片和代码文件都可以直接作为上下文交给 Agent。
这形成了一个有意思的循环：我们正在用 Agent 增强 Agent 自己。以后安装 Skill、插件、MCP，甚至安装另一个 Agent，可能都不需要手动完成每一步。
十一、总结：模型是大脑，Harness 是手和脚
为什么需要 Codex、Claude Code、OpenCode、Cline 和 DeepSeek Harness？
因为模型强，不等于 Agent 强。
一个大模型可以很聪明，但如果它只能在聊天框里告诉你：
这个文件应该这样修改。
那它本质上还是一个对话助手。
有了 Harness 以后，它可以直接找到文件、修改代码、执行项目、读取报错、继续修复，再打开浏览器验证结果。AI 也就从“告诉你怎么做”，开始变成“帮你把事情做完”。
未来 AI 的竞争可能不只是单个模型的 Benchmark，而是下面这整套组合：
模型 + Harness + Tool + Skill + Plugin + Memory + MCP + 生态
这次测试并不能证明 DeepSeek 每个任务都比 GPT 强。俄罗斯方块这一轮，GPT / Codex 的最终完成度就更高；DeepSeek 也会出现“任务说完成了，但实际还有 Bug”的情况。
但它至少展示了一个趋势：国产模型正在快速补齐模型之外的 Agent 工具链，社区也在不断贡献文件引用、多模态、数据库、设计画布、长期记忆、插件市场、TUI、桌面端和主题等扩展。
DeepSeek Harness 不只是一个“DeepSeek 版 Claude Code”，更像一个可以持续叠加能力的 Agent 底座。如果你正在研究 Claude Code、Codex、OpenCode 或其他 AI Agent，值得亲自安装体验一次。
毕竟，看再多 Benchmark，都不如真正让 Agent 帮你完成一次工作。
我是王仕宇，JavaPub。
我们下期见。
https://javapub.net.cn/posts/ai/deepseek/deepseek_harness.html#
