从0到1搭建DeepSeek Harness保姆级教程,本地与ECS服务器部署、插件管理与百炼API接入全流程

简介: 随着AI Agent技术快速发展,很多开发者在搭建智能体时会遇到工具调用混乱、模型切换繁琐、扩展困难等痛点。DeepSeek Harness作为一款开源微内核AI Agent运行框架,采用“一切皆插件”的设计思路,把大模型、工具集、沙箱环境、存储、UI界面全部做成可插拔组件,开发者可以自由替换模型、增减工具,快速搭建具备自主规划、工具调用、迭代执行能力的AI智能体。它同时提供Web可视化界面和命令行CLI两种操作模式,既适合新手可视化操作,也适合技术人员在服务器端自动化调用。可以部署在本地电脑,也可以直接在ECS云服务器上部署,并且能够对接百炼平台模型,使用Token Plan订阅套餐降低调用

随着AI Agent技术快速发展,很多开发者在搭建智能体时会遇到工具调用混乱、模型切换繁琐、扩展困难等痛点。DeepSeek Harness作为一款开源微内核AI Agent运行框架,采用“一切皆插件”的设计思路,把大模型、工具集、沙箱环境、存储、UI界面全部做成可插拔组件,开发者可以自由替换模型、增减工具,快速搭建具备自主规划、工具调用、迭代执行能力的AI智能体。它同时提供Web可视化界面和命令行CLI两种操作模式,既适合新手可视化操作,也适合技术人员在服务器端自动化调用。可以部署在本地电脑,也可以直接在ECS云服务器上部署,并且能够对接百炼平台模型,使用Token Plan订阅套餐降低调用成本。本文为保姆级完整教程,从环境准备、多种安装方式、百炼模型接入、Profile环境管理、插件安装、任务实战,再到运维命令、常见报错排查完整讲解,附带大量可直接复制执行的代码命令,零基础用户也可以跟着步骤成功部署并使用DeepSeek Harness。

一、DeepSeek Harness核心概念与架构介绍

DeepSeek Harness底层基于Cordis微内核架构,内核本身只负责插件加载、依赖调度、生命周期管理,不绑定任何大模型和固定工具,所有能力全部依靠插件实现。这里有两个核心名词,新手必须理解:Profile和Bundle。Profile可以理解为一套独立的Agent运行环境,包含模型配置、已安装插件、会话记录、本地存储,你可以创建多个不同Profile,不同项目、不同实验环境相互隔离,测试新插件时新建Profile,即使环境损坏,也不会影响主工作环境。Bundle是插件打包分发单元,一个Bundle可以一次性批量安装多个关联插件,快速给Profile增加整套能力,比如代码沙箱、文件处理、网页检索等工具包。

Harness原生支持OpenAI兼容协议接口,所以可以接入多种大模型,包括百炼平台Qwen系列模型,搭配Token Plan订阅套餐使用。Agent运行流程分为任务规划、工具调用、结果校验、迭代重试。当用户提交复杂任务,Harness会自动拆解子任务,判断是否需要调用工具,执行工具动作,拿到结果之后交给模型继续推理,如果结果不达标会自动重试,形成完整Agent循环。支持文件读写、Shell命令执行、代码沙箱、网页抓取、MCP协议工具扩展,适合代码开发、文档批量处理、资料调研、自动化脚本编写等场景。同时支持WebUI可视化交互和CLI命令行模式,服务器后台无人值守任务优先使用CLI,日常调试任务推荐WebUI界面。
阿里云部署AI Agent:OpenClaw/Hermes Agent全网最简单,只需两步,详情👉访问阿里云OpenClaw/Hermes一键部署专题页面了解。
OpenClaw1.png
OpenClaw2.png
OpenClaw02.png
openClaw3.png
OpenClaw031.png
OpenClaw03.png
OpenClaw04.png
OpenClaw5.png
Openclaw6.png
Token Plan Token 最便宜/支持多模型切换:👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换,用于多模态模型灵活调用,实现多模型、多工具、多场景下的额度共享与统一管理,兼顾灵活性、稳定性与安全性,大幅降低企业使用大模型的门槛与成本。
tokenplan1.png
tokenplan1.png
tokenplan2.png
tokenplan3.png
tokenplan4.png

二、部署前置环境准备

安装DeepSeek Harness首要依赖Node.js运行环境,版本要求Node.js >=22.19或者24及以上版本。Windows、macOS、Linux(ECS服务器Ubuntu系统)都支持。先打开终端,执行下面命令检测Node是否安装成功。

node --version
npm --version

如果输出版本号,说明环境就绪;如果提示命令不存在,需要前往Node官网下载对应系统LTS版本安装。ECS服务器Ubuntu系统安装Node命令如下:

sudo apt update && sudo apt install curl -y
curl -fsSL https://deb.nodesource.com/node_22.x | sudo -E bash -
sudo apt install nodejs -y
node --version
npm --version

安装完成之后,需要启用corepack,用于管理pnpm,Harness插件安装依赖pnpm包管理器:

corepack enable pnpm
pnpm --version

在ECS服务器部署时,需要提前放行WebUI端口,默认WebUI端口为3080,在安全组开放3080端口,同时防火墙放行端口,执行:

sudo ufw allow 3080/tcp
sudo ufw reload

准备API密钥,前往百炼控制台创建API Key,支持Token Plan个人版、团队版,保存密钥,后续配置模型时使用。

三、三种安装方式,按需选择

方式1:npx一键临时启动(新手体验首选,无需全局安装)

不需要下载源码,不需要全局安装包,直接npx命令在线拉起WebUI,适合快速体验。

npx @deepseek-ai/dsh web

首次运行会提示确认安装依赖,输入y回车等待下载。启动成功后终端输出访问地址,本地环境访问http://127.0.0.1:3080;ECS服务器部署,则访问http://ECS公网IP:3080。如果需要自定义端口,执行:

npx @deepseek-ai/dsh web --port 8080

注意,终端窗口必须保持打开,关闭终端,Harness服务就会停止。

方式2:全局安装(长期使用推荐,任意位置调用dsh命令)

全局安装之后,系统全局可用dsh命令,不需要每次npx拉取。

npm install -g @deepseek-ai/dsh

安装完成验证版本:

dsh --version

启动WebUI:

dsh web

进入CLI交互式终端模式:

dsh chat

方式3:源码编译安装(二次开发、深度定制场景)

如果需要修改底层代码,自定义插件,选择源码部署,ECS服务器开发环境推荐此方式。

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm build
# 启动web界面
pnpm run web

源码部署完成后,配置文件、日志目录都在项目目录内,方便修改底层逻辑。

四、接入百炼模型,配置Token Plan接口

Harness支持自定义模型服务商,我们添加百炼作为模型提供方,两种配置方式,Web界面可视化配置或者直接修改yaml配置文件。

方式1:WebUI界面可视化配置(新手推荐)

打开WebUI页面,找到Settings(设置)→Models(模型)→Add a custom provider,新增服务商。

  • Provider ID填写:bailian-tpp
  • BaseURL:https://dashscope.aliyuncs.com/compatible-mode/v1
  • API Key填入百炼Token Plan生成的sk开头密钥
  • 模型列表添加qwen3.8-max、qwen3.7-plus、qwen3.7-flash等模型ID
    保存配置,在模型下拉框选中对应的Qwen模型,即可使用百炼Token Plan套餐的算力。

方式2:直接修改配置文件settings.yaml

配置文件路径,Linux/ECS服务器:~/.dsh/settings.yaml,Windows在用户目录下.dsh文件夹。

vim ~/.dsh/settings.yaml

写入配置内容:

agent-default-model:
  provider: bailian-tpp
  model: qwen3.8-flash
llm-pi-ai:
  providers:
    bailian-tpp:
      api: openai-completions
      baseURL: https://dashscope.aliyuncs.com/compatible-mode/v1
      apiKeyEnv: BAILIAN_API_KEY
      models:
        - id: qwen3.8-max
        - id: qwen3.8-flash
        - id: qwen3.7-plus

保存退出,在环境变量中设置BAILIAN_API_KEY,Linux临时设置:

export BAILIAN_API_KEY="sk-替换为你的百炼TokenPlan密钥"

永久写入环境变量,编辑bash配置文件:

vim ~/.bashrc
# 在文件末尾添加
export BAILIAN_API_KEY="sk-替换为你的百炼TokenPlan密钥"
source ~/.bashrc

配置完成,执行健康检查命令,校验整个环境是否正常:

dsh doctor

dsh doctor命令会自动检测Node版本、pnpm、配置文件、模型接口连通性,输出所有问题,方便定位故障。

五、Profile环境管理核心命令

Profile是Harness最核心的隔离机制,下面是Profile常用操作命令。

# 创建新的profile,命名为project-demo
dsh profile create project-demo
# 查看本机所有profile列表
dsh profile list
# 切换当前使用profile
dsh profile use project-demo
# 删除无用profile(谨慎操作,会清空这个环境所有插件、会话记录)
dsh profile remove project-demo
# 导出当前profile配置备份
dsh profile export project-demo ./project-demo-backup.json
# 导入备份profile
dsh profile import ./project-demo-backup.json

推荐不同业务项目使用独立Profile,例如一个profile专门做代码开发,另一个profile用于文档分析,插件和会话数据相互隔离,不会互相干扰。

六、插件安装、管理,扩展Agent能力

Harness所有工具能力依靠插件,文件读写、代码沙箱、网页抓取、MCP工具全部以插件形式安装。安装插件通用命令格式:

dsh plugin --profile 你的profile名称 add 插件包地址

示例,给默认default环境安装代码沙箱插件:

dsh plugin --profile default add dsh-sandbox

查看当前环境已安装插件列表:

dsh plugin --profile default list

卸载不需要的插件:

dsh plugin --profile default remove dsh-sandbox

更新插件到最新版本:

dsh plugin --profile default update

查看插件详细文档:

dsh plugin --profile default info dsh-sandbox

插件安装注意事项:出于安全限制,插件构建脚本默认禁止执行。如果插件需要编译构建,需要在profile的pnpm-workspace.yaml添加信任白名单,或者执行交互式批准命令:

cd ~/.dsh/profiles/default
pnpm approve-builds

执行命令之后,交互式界面勾选信任的插件依赖,允许构建脚本运行。

七、任务实操,WebUI与CLI两种模式实战

WebUI模式实战

打开Web界面,选择配置好的百炼Qwen模型,直接输入自然语言任务指令。例如输入:读取当前目录的项目文档,梳理项目需求,编写Python脚本实现数据清洗,执行脚本并输出结果。Harness会自动拆解任务,读取文件,调用代码沙箱编写代码,运行脚本,捕获报错,迭代修改代码,输出最终结果。在对话页面可以查看Agent每一步思考日志、工具调用记录,每一步操作都可追溯,可以随时中断任务,修改提示词继续执行。

CLI命令行模式实战(服务器无人值守场景)

进入dsh交互式对话:

dsh chat --profile default

输入任务指令,Agent执行任务。也可以直接单次执行任务,非交互式,适合脚本自动化调用:

dsh run --profile default "读取./report.md,提取核心结论,整理成结构化markdown报告保存为summary.md"

也可以编写shell脚本批量执行任务,示例脚本dsh_task.sh:

#!/bin/bash
export BAILIAN_API_KEY="sk-替换密钥"
dsh run --profile default "分析./sales.csv,生成数据分析结论并输出图表描述"

赋予执行权限,定时执行:

chmod +x dsh_task.sh
# 定时任务,每天凌晨3点自动执行
crontab -e
0 3 * * * /home/ubuntu/dsh_task.sh >> ./task_log.txt

八、常用运维命令与日志查看

# 查看dsh帮助文档
dsh --help
# 查看web服务日志,实时跟踪任务执行信息
dsh logs -f
# 清理缓存,插件缓存、会话临时文件
dsh cache clean
# 重置当前profile所有配置,插件保留,清空模型配置
dsh config reset llm
# 导出会话记录,用于复盘Agent执行过程
dsh session export session01 ./session_backup.json

ECS服务器部署,设置systemd实现Harness开机自启,创建服务文件:

sudo vim /etc/systemd/system/dsh.service

写入内容:

[Unit]
Description=DeepSeek Harness Web Service
After=network.target
[Service]
User=ubuntu
Environment="BAILIAN_API_KEY=sk-替换密钥"
WorkingDirectory=/home/ubuntu
ExecStart=/home/ubuntu/.npm-global/bin/dsh web --port 3080
Restart=on-failure
[Install]
WantedBy=multi-user.target

启用开机自启:

sudo systemctl daemon-reload
sudo systemctl enable dsh
sudo systemctl start dsh
# 查看服务运行状态
sudo systemctl status dsh

九、常见报错与避坑指南

  1. node版本不兼容报错:提示版本过低,需要升级Node到22.19及以上版本,使用nvm管理多Node版本。
  2. MISSING_CREDENTIAL密钥缺失:检查环境变量BAILIAN_API_KEY是否正确,WebUI内填写密钥保存后刷新页面,密钥不要带多余空格换行。
  3. UNKNOWN_MODEL模型不存在:核对模型ID,百炼Qwen系列模型ID不能写错,在provider配置内手动添加模型ID。
  4. 插件安装失败,pnpm构建脚本禁止:执行pnpm approve-builds,信任插件依赖,或者修改白名单配置。
  5. ECS服务器Web页面打不开:检查安全组3080端口放行,服务器本地防火墙ufw放行端口,确认服务正常运行。
  6. Agent执行Shell命令权限风险:默认沙箱插件做权限隔离,不要给Harness分配root权限运行,防止AI执行高危系统命令删除文件。
  7. Token消耗管控:在百炼控制台开启用量告警,优先使用Flash系列模型做简单任务,复杂推理任务切换Max模型,减少不必要的高级模型调用,控制套餐积分消耗。

十、场景选型与落地建议

DeepSeek Harness强大的插件化架构,适合多种AI Agent场景。开发人员可以搭建编程助手,自动编写、调试代码,排查项目bug;业务人员可以用来批量解析文档、自动撰写调研报告;运维人员在ECS服务器部署,定时执行日志分析、巡检脚本。本地电脑部署适合日常调试实验;ECS服务器部署适合长期7×24小时运行自动化任务,搭配百炼Token Plan套餐,降低模型调用成本。

新手入门建议流程:先用npx命令本地快速体验,熟悉WebUI交互;确认功能满足需求之后,全局安装dsh;新建独立Profile做实验,不要直接在默认Profile大量安装插件;优先使用官方插件,第三方社区插件使用前评估安全风险;配置好百炼模型之后,先用简单任务测试连通,再尝试多步骤复杂Agent任务。

Harness微内核插件化的设计带来极高的灵活性,你可以随时替换底层大模型,自由增减工具能力,自定义Agent执行逻辑,相比很多封装固定的AI Agent平台,二次开发空间更大。这套从0到1的完整流程,覆盖本地电脑和ECS服务器部署,对接百炼模型订阅套餐,只需要按照本文命令一步步操作,就能快速搭建属于自己的可扩展开源AI智能体。随着不断新增插件,持续丰富工具集,可以逐步搭建满足开发、文档处理、自动化任务等各类需求的Agent工作流。

目录
相关文章
|
22天前
|
人工智能 安全 JavaScript
DeepSeek Harness开源Agent运行框架实战:4种安装方式、WebUI启动、插件管理与排坑全流程
随着AI Agent技术快速发展,单纯依靠大模型对话能力,很难完成复杂的自动化任务。模型需要具备读取本地文件、执行脚本、访问网页、操作文件系统、拆分复杂任务并分步执行的能力。DeepSeek Harness,简称DSH,是开源的AI Agent执行运行框架,遵循“Agent = 大模型 + Harness执行底座”的设计理念,为大模型提供一套安全可控的工具调用、任务编排、沙箱执行与插件扩展能力。它提供Web可视化界面与完整命令行工具,支持插件化扩展,能够让大模型自主拆解复杂需求,调用各类工具分步完成目标,无论是本地电脑调试,还是部署在云服务器上长期运行智能体任务都十分合适。本文为从0到1完整保
1316 0
|
1月前
|
人工智能 JavaScript 开发工具
DeepSeek Harness完整实操教程:开源Agent运行框架本地部署、模式选型与插件开发指南
DeepSeek Harness把大模型从单纯对话,推向真实本地环境执行任务,依托Cordis插件架构实现组件完全可替换,给Agent开发者提供了一套能力强大的开源底座。整套工具的使用流程可以概括为:准备适配版本Node.js环境,通过npx一行命令快速拉起Web界面,配置模型密钥或者对接Ollama本地模型,选择隔离的工作目录,根据任务选择合适运行模式,下发指令观察Agent完整执行轨迹。
1107 3
|
29天前
|
人工智能 测试技术 API
保姆级教程:DeepSeek Harness从安装到跑通测试,30分钟上手完整实操手册
随着大模型Agent技术快速迭代,传统大模型对话工具仅仅实现问答交互,很难完成本地文件读取、代码修改、命令执行、项目重构这类复杂实操任务。很多开发者在自研Agent的时候,需要自己处理文件沙箱、工具调用契约、会话状态持久化、插件生命周期管理,开发工作量巨大,调试成本居高不下。DeepSeek Harness作为开源的AI Agent执行中枢,基于Cordis插件微内核架构,贯彻“一切皆插件”的核心设计理念,把文件读写、shell执行、代码重构、会话轨迹记录全部封装成可插拔组件,开发者不需要修改内核源码,就可以自由挑选、组合各类插件,快速搭建具备实操能力的本地智能体环境。
677 0
|
24天前
|
人工智能 安全 Serverless
DeepSeek Harness 阿里云服务器上部署完整实操:服务器搭建实现多设备、团队共享AI Agent保姆教程
DeepSeek Harness(简称DSH)作为当下热度极高的开源智能体运行框架,上线短时间之内GitHub Star数量就达到160k,社区插件生态蓬勃发展,`awesome‑dsh‑plugin`插件汇总仓库收录插件数量已经超过一千六百多个。插件覆盖浏览器操作、记忆管理、代码审查、主题美化、定时任务、小游戏等各类场景,真正践行官方“一切皆插件”的产品理念,开发者可以自由扩展Agent全部能力。
515 0
|
人工智能 JavaScript 开发工具
DeepSeek Harness 本地安装与使用指南
DeepSeek Harness(DSH)是DeepSeek AI开源的Agent运行框架,支持本地文件操作、命令执行与工具调用。基于Cordis插件架构,具备高扩展性与强可控性,适合开发者搭建可控Agent环境或开展模型基准测试。当前为开发者预览版,需Node.js环境,推荐先用`npx @deepseek-ai/dsh web`快速体验。
6563 17
|
19天前
|
JavaScript API 开发工具
DeepSeek Harness 源码怎么构建?DSH plugin 本地开发调试与源码版 npx 差异指南
DeepSeek Harness 从源码构建分五步:装 Node.js 与 pnpm → git clone → pnpm install → pnpm run build → pnpm dsh 启动。源码版最适合本地开发 DSH plugin——dsh plugin 会把参数原样转发给 pnpm,支持本地路径调试;开发完可提交到 DSH Plugin Hub 收录。
204 3
DeepSeek Harness 源码怎么构建?DSH plugin 本地开发调试与源码版 npx 差异指南
|
17天前
|
人工智能 运维 API
从零到一,DeepSeek Harness开发实战:四种预设模式详解、插件安装卸载、常见报错故障排查全解
在大模型应用快速迭代的今天,单纯的对话API只能够完成文本输出,想要让AI具备读写本地文件、执行终端脚本、多步骤任务拆解、子智能体调度的真实操作能力,就离不开Agent运行底座。2026年8月正式开源的DeepSeek Harness(简称DSH),凭借**Agent = Model + Harness**核心理念迅速收获大量开发者关注。大模型是智能体的思考大脑,而Harness就是执行手脚,负责环境感知、工具调度、会话生命周期管理、沙箱隔离、任务循环、子Agent调度。项目依托Cordis微内核,贯彻“一切皆插件”设计思想,模型适配器、工具集、存储、Web前端界面全部以插件形式实现,无需修改
357 0
|
18天前
|
人工智能 缓存 Shell
Agent=模型+Harness:DeepSeek Harness从零上手,安装部署、代码示例、真实项目落地全指南
AI智能体技术持续迭代,大家逐步意识到,仅有强大推理能力的大模型并不足以完成现实世界的复杂工程任务。大模型负责思考生成文本,但想要让AI具备读写本地磁盘文件、执行终端Shell命令、调试完整代码项目、执行多步骤长链路任务,还需要一套完整的运行调度基座,也就是Harness。DeepSeek Harness(简称dsh)正是为此而生,项目以MIT开源协议发布,上线短时间收获海量Star,成为备受开发者关注的Agent运行底座。
518 2
|
29天前
|
人工智能 安全 测试技术
DeepSeek Harness首发实测保姆级教程:一切皆插件的开源Agent运行环境完整实操解析
在AI智能体快速迭代的当下,很多开发者都有这样的体验:调用大模型API只能完成对话,想要让AI真正操作本地文件、执行终端命令、完成完整项目重构、自动跑单元测试,仅仅依靠模型本身远远不够。大模型只负责思考输出内容,但读写磁盘、调用终端、管理会话上下文、任务拆解、结果校验、安全沙箱管控,这一系列外部执行能力,都需要一套配套运行底座来承接。行业内提出了Harness工程的概念,有一个经典公式 **Agent = Model + Harness**,模型负责思考推理,Harness负责构建运行环境,串联工具、流程、安全护栏,让大模型可以在真实计算机环境中完成完整任务。
332 1