从安装到跑通，一篇讲清楚这个让测试圈失眠的Agent框架
01 一个新物种正在测试圈蔓延
2026年8月13日，DeepSeek发布了DeepSeek Harness（简称dsh）v0.1开发者预览版，并以MIT协议开源了全部代码。
GitHub仓库公开不到两小时，star破万；12小时突破5万星。到8月17日，已发布0.1.0-rc.7版本，星标突破14.9万，fork 1.5万。
被开发者称为“Agent领域的Linux时刻”。
与此同时，测试圈的反应很微妙。一方面，大量测试工程师在社交媒体上表达焦虑：“这东西能自己跑测试，我们怎么办？”另一方面，真正去下载试用的人并没有想象中多。
为什么？
因为很多人看了半天新闻，还是没搞清楚——Harness到底是什么？它和之前那些AI工具有什么本质区别？对测试岗位到底意味着什么？
这篇不聊虚的，直接从技术角度拆解。
02 先说清楚：Harness这个词到底什么意思
Harness，直译是“马具”——套在马身上、让人能驾驭它的那套缰绳和皮具。
在Agent工程语境里，它指的是包裹在模型外面的那一整圈运行时：主循环怎么转、工具怎么注册与调度、上下文怎么组装与裁剪、会话怎么持久化、代码在哪个沙箱里跑、失败了怎么恢复。
DeepSeek官方给了一个很干脆的等式：
Model + Harness = Agent
模型是“大脑”，负责思考和推理。Harness是“手脚”，负责让模型真正动手干活——读文件、调工具、执行命令、持续完成任务。
以前你调DeepSeek API拿到的是颗“大脑”，现在它顺手递给你一套“手脚和神经系统”。
这个区别很关键。以前你问AI一个问题，它给你一段文字回答。现在你给Harness一个目标，它自己规划步骤、调用工具、执行操作、验证结果，把整件事干完。
产品定位上，它直接对标Claude Code。但两者有一个根本区别：Claude Code是一个“成品工具”，装完就能用。Harness是一个“开发者底层工具”——它不打算给你一个一键可用的终端助手，而是给你一套能自己搭建Agent技术栈的底座。
用DeepSeek内部的说法，他们不是在做一个“更好的Copilot”，而是在做一个“能让开发者自己造Agent的基础设施”。
03 Harness最核心的设计：一切皆插件
Harness最核心的设计理念只有五个字：一切皆插件（Everything is a Plugin）。
这不是一句营销话术。
过去的Agent框架像一个固定浇筑的大楼——核心Harness是固定的，用户只能在边缘加插件。DeepSeek Harness把这栋固定的大楼拆成了一盒乐高。
不只是外围能力可以插件化，连模型适配器、工具注册表、会话日志、Agent Loop本身，全都可以替换。
官方用了一句非常硬核的话：“不存在需要打补丁的特权内核”——扩展dsh的方式就是把插件挂载到其他插件旁边。
什么意思？就是说你不用fork官方代码仓库去改核心逻辑，所有扩展都通过插件机制完成。你想换掉整个Agent的运行方式，写个插件就行，不用动源码。
支撑这套架构的底层，是一个叫Cordis的元框架。它来自DeepSeek与北京大学联合发表的论文《A Programming Paradigm for Spatiotemporal Composability》。
Cordis最初解决的是插件卸载问题——插件被拔掉以后，它对系统产生的影响（注册的监听器、占用的资源、修改的状态）要一起消失。在DSH里，这套机制解决的是：如果Agent未来真的要修改自己的Harness，修改之后还能撤回，以及依赖关系还能继续正常工作。
用工程语言说：这是一个支持热插拔、可回溯、依赖可管理的插件系统。不是简单的“装个插件就能用”，而是“装上去的插件随时可以完整卸掉，不留下任何副作用”。
04 对测试人来说，这三个功能最值得关注
第一，Trajectory（轨迹）。
模型看到的一切——系统提示词、推理过程、工具调用和结果、子Agent的调度——全部记录在一份只增不改的会话日志里。
相当于Agent的每次运行都自带一个黑匣子。出了问题，你可以完整复盘它到底看到了什么、为什么这么做。这对测试来说非常关键——你不仅要看结果对不对，还要能追溯过程。
第二，四种运行模式。
标准模式：开箱即用，文件编辑+Shell+搜索+子Agent，功能最完整。代码模式（PTC）：模型写TypeScript程序，把多步工具操作合并成一次执行。极简模式：只保留一个持久bash和一个文件编辑器，官方用它跑V4-Flash的Code Agent基准测试。创造模式：让你在内存里测试Cordis插件，把它们组合成新的模式。
对测试来说，极简模式+代码模式最值得研究。前者省Token、适合批量跑测试，后者效率高、适合复杂任务。
第三，插件生态。
发布不到24小时，社区已经收录了288个插件仓库。到发布第五天，以“dsh-plugin”为标签的公开仓库超过700个。
其中有两个对测试尤其相关：
dsh-test-runner：让Agent一次工具调用完成“改代码→跑测试→修”的完整闭环，自动探测测试框架、执行测试、返回结构化摘要（通过/失败统计+失败用例名称与错误信息）
dsh-plugin-playwright：基于Playwright的浏览器自动化工具，Agent可以读取页面内容、点击控件、填写表单、滚动与导航，同时保留登录态、会话和Cookie
05 安装与配置：10分钟跑通第一个任务
第一步：检查Node.js环境
Harness需要Node.js版本≥22。
node --version
如果版本不够，去Node.js官网下载LTS版本安装。装完后重新打开终端。
第二步：安装DSH
npx @deepseek-ai/dsh web
这条命令自动下载并启动Web UI。首次运行需要等一两分钟。
验证安装：
dsh --version
看到版本号（当前是0.1.0-rc.7）就成功了。
不想折腾命令行的，还有两个选择：
桌面版：GitHub上有社区打包的版本（~238 MB），解压即用
Docker：docker run -d --name dsh -p 3080:3080 ghcr.io/huoxue1/deepseek-harness:latest
第三步：启动Web UI
npx @deepseek-ai/dsh web
浏览器打开http://127.0.0.1:3080。
第四步：配置API Key
点击设置（Settings）→模型（Models），在DeepSeek卡片中输入API Key并保存。密钥保存在本地，不会被上传。
还没有API Key？去DeepSeek开放平台注册创建。
第五步：选择工作区
点击“选择工作区”，选一个你想让Agent操作的项目文件夹。选完之前，会话输入框是不可用的。
第六步：跑通第一个任务
新建会话，输入：
帮我把这个项目的结构梳理一下，列出主要的包和功能
Agent会开始工作：读文件、执行命令、维护执行计划。每个操作在Web UI中实时可见。会话自动持久化，可以随时恢复。
06 四个真实使用案例
案例一：财报解读。
有开发者让Harness读取桌面上的腾讯财报文件，整理关键数据，并总结值得关注的变化。信息抓取得比较准，总结也比较到位。整个过程不需要手动复制粘贴，Agent自己完成了文件读取和数据提取。
案例二：网页搭建。
让标准模式和极简模式分别为一家咖啡店制作单页官网，包含品牌介绍、饮品菜单、营业时间和门店信息。两种模式都顺利完成了任务。
案例三：测试自动化闭环。
安装dsh-test-runner插件后，让Agent执行“把当前目录的测试跑一遍，失败的全修好”。它会自动探测框架、执行测试、分析失败原因、修复、再验证。
案例四：星际争霸对战。
有人把Harness接到一个星际争霸环境里，让它自己打一局。Agent自己规划运营策略、调配资源、造兵进攻。打赢了。虽然只是简单模式，但证明了Harness的潜力远不止写代码。
07 避坑指南
坑1：Node.js版本不对。 DSH要求≥22。检查方法：node --version。
坑2：终端没刷新。 装完Node.js或npm包后，一定要重新打开终端。很多“找不到命令”的问题就是这个原因。
坑3：API Key没配置就发消息。 报MISSING_CREDENTIAL错误。先去设置里填好。
坑4：没选工作区。 输入框灰色不可用，不是bug，是设计。
坑5：等稳定版再学。 官方明确提示“未来将出现破坏兼容性的变更”，正在快速迭代。等稳定了再学就落后了。
坑6：直接把API Key贴到截图或公开仓库里。 这是安全问题，不要犯。
08 最后说几句
DeepSeek Harness不是第一个Agent框架，也不会是最后一个。
但它的出现改变了游戏规则。以前你要做一个能跑测试的Agent，需要自己搭框架、写调度逻辑、处理工具注册。现在Harness把这些全包了，你需要做的只是写插件。
对于测试工程师来说，这意味着一个清晰的分水岭：只会手动执行测试的人，被替代只是时间问题。但会用Agent框架搭建测试体系的人，价值反而在提升。
工具在变，对质量负责这件事，永远需要人。
现在打开终端，输入npx @deepseek-ai/dsh web，自己跑一遍就知道了。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
