DeepSeek 这次玩了个大的。梁圣上午刚发 V4 Pro 正式版，晚上 Harness 就跟进了。模型和编排框架同日上线，这节奏确实不给人留缓冲期。
我花 3 小时把 DeepSeek Harness 从头到尾跑了一遍，以下是实测报告。
一、快速上手指南
安装命令很直接，通过 npm 官方包即可获取：
npm install @deepseek-ai/dsh
实测安装版本为 0.1.0-rc.6。安装完成后，可通过以下命令验证：
dsh --help
dsh --profile headless "your task"
dsh web
dsh web 会启动 Web UI，浏览器中即可访问图形化界面。
二、核心功能架构解析
Harness 的定位很清晰——一套完整的 Agent 执行框架。从功能模块来看，它覆盖了 Agent 落地的全部核心能力：
文件系统操作：读取和修改工作区文件
命令执行：在沙箱环境中运行 Shell 命令
网络检索：搜索网页、调用外部工具
Skills 管理：可插拔的技能扩展机制
任务编排：计划管理、上下文维护、多子代理协同
会话与权限：会话追踪、权限控制、运行轨迹记录
界面设计走的是极简路线，但功能入口一个不少。
三、四种运行模式：该选哪个？
这是 Harness 最有意思的设计——四种模式覆盖了从通用到专用的全部场景：
模式
定位
适用场景
标准模式
全能均衡型，功能最完整
默认首选，覆盖 90% 日常需求
PTC 模式
标准模式 + TypeScript 程序化工具调用
批量任务、多步骤重复操作
极简模式
仅 Bash + str_replace_editor
纯本地代码修改，不要花哨功能
创造模式
自定义 Agent 预设的元模式
打造专属 Agent，面向特定场景
官方反复强调的设计理念是「一切皆插件」——模型、工具、Skills、会话、文件系统、沙箱、多 Agent 协作，甚至 UI 本身都可以拆开重组。比如你可以通过插件给 Harness 加一个任务进度面板，运行时直接显示在界面里，不用时随时停用。
这套架构的扩展性值得后续单独深挖。
四、实测 Case 1：3D 黑洞引力模拟器
统一使用 DeepSeek V4 Pro 模型，接入 Claude Harness、DeepSeek Harness 和 Hermes Harness 进行横向对比。
结果汇总：
Harness
耗时
效果评估
Claude Harness
25 min
视觉效果最佳，交互需求全部实现
DeepSeek Harness
40 min
视觉效果炫酷，黑洞质量/时间/速度变化丝滑
Hermes Harness
42 min
效果零散，细节缺失
这个 Case 的关键结论是：Harness 本身对模型任务执行的影响显著。同样的模型、不同的编排框架，输出质量存在实质差异。
DeepSeek Harness 在速度上与 Claude 还有差距，但效果基本持平。考虑到当前还是预览版，这个表现已经超出预期。
五、实测 Case 2：创造模式实战——门店宣传助手
创造模式的核心逻辑是：先配 Agent，再让 Agent 干活。我把这个模式跑了一遍，验证它能不能落地。
预设配置：创建了一个面向小店老板（不懂代码）的宣传网页生成 Agent，以标准模式为基础，保留文件读写、命令执行、网页检索等能力，额外约束了三点：
开始前最多问 3 个关键问题（店名、主营产品、宣传风格）
网页必须适配手机浏览
完成后自动启动检查并反馈文件清单
踩坑实录：任务执行过程中，Agent 一度陷入 Bash noop 死循环——思考链里已经意识到应该调用 preset_ops，但下一步又回到同一个占位动作。手动终止后追问原因，它改用文件系统路径继续操作，最终生成了预设文件并通过加载检查。
最终效果：新建会话后，「门店宣传助手」直接出现在模式选择列表中。我只给了一句不完整的需求（"帮我给新开的甜品店做一个宣传网页"），它主动补问了 3 个关键信息，完成网页生成+检查，总用时 3 分钟。
创造模式的价值判断：偶尔做一次网页，标准模式足够。但如果你经常处理同类任务（比如每周给不同客户出宣传页），预设好规则后每次都能省掉重复沟通成本。适合创作者、小团队，以及想研究 Agent 工具链配置的人。
六、实测 Case 3：复杂数据处理压测
最后跑了一个数据量较大的处理任务。将 DeepSeek V4 Pro 分别接入 WorkBuddy 和原生 Harness，执行几乎相同的任务。
WorkBuddy（处理四川卷下） ：33 分钟完成，不仅跑通了流程，还主动发现了已有处理流程中的问题并给出修改建议。
DeepSeek 原生 Harness（处理四川卷上） ：跑了 20 分钟后报错中断，重新继续后总计耗时近 50 分钟完成。产出数据质量与前者一致，没问题。
坦白说，这个结果没达到预期。原本以为模型接入自家框架会有加成，实际在稳定性（首次报错）和执行效率（50min vs 33min）上都不如接入成熟平台。
七、总结与展望
三小时测下来，我对 DeepSeek Harness 的判断是这样的：
亮点：
四种模式的设计思路清晰，覆盖场景完整
「一切皆插件」的架构理念扩展性强
创造模式确实能落地，不是噱头
任务执行质量没问题，效果与 Claude 持平
待改进：
执行效率明显偏低（同样任务比成熟平台慢 30-50%）
稳定性有隐患（复杂任务首次执行报错）
个别场景存在死循环问题
DeepSeek 官方明确表示当前是公测阶段。模型能力已经证明了上限，Harness 需要的是时间打磨稳定性和效率。我会持续关注正式版的表现。
