DeepSeek Harness 实测：一夜 5 万星，Agent 界的 Android 来了

北京时间 8 月 13 日晚上八点半，DeepSeek 正式公布了它成立以来的第一个 Agent 产品，之前预热很久，大家期待值很高的 Deepseek Harness。

截至发稿，它的 GitHub 仓库已经涨到超过 5 万个 star—— 而仓库公开刚刚过了 12 个小时。

Deepseek Harness GitHub 主页截止发稿时已突破 5 万 star｜图片来源：GitHub

DeepSeek 官方给它的定义其实和别家也差不多：模型加上 Harness，才等于 Agent。模型是脑子，Harness 是手脚；聊天机器人交付的是一段话，Agent 交付的是一件做完的事。

发布当晚，我们把它装进了自己的电脑，让它干了两件活：照着 The Verge 的风格重构极客公园官网，再调 GitHub 的接口，画出它自己的涨星曲线。两件活都交付了，全程花掉的 token 不到 3 块钱。

但它也确实还是个毛坯：界面对不写代码的人算不上友好，目前上传的开发者预览版的毛边随处可见。12 个小时用下来，我们的印象是——DeepSeek 压根没想现在就给你一个成品，它给的是一堆等你动手组装的零件。

GitHub 仓库在正式公布前半小时就悄悄公开了，接下来是我们眼看着发生的一幕：21:05 查询时 7，283 个 star，21:51 再查，15，530 个。公布不到两小时，star 破万；今天早上再查，已经突破了 5 万。

在此之前，被称为史上增长最快仓库的 OpenClaw，84 天涨 20 万个，平均每小时约 99 个。DSH 头两个小时的涨速，是它的 80 倍。

目前 Deepseek Harness 还不是一个云端服务：装了 Node.js 的电脑上敲一行「npx @deepseek-ai/dsh web」，浏览器打开本地的 3080 端口，就是它的全部界面。会话、日志、数据都留在本地，浏览器只是它的壳。

新会话页面上挂着它的 slogan：「探索未至之境」，英文原文是 Into the Unknown，旁边是「预览版」的角标。第一次启动还会弹一个「内部测试提示」，大意是 0.1 版仍在面向 Harness 开发者测试，核心插件和基础接口未来几个月会快速演化。翻译一下：这是给开发者的尝鲜版，不是给普通用户的成品。

它最激进、也是发布后 12 个小时争议最大的设计，即「一切皆插件」。

插件概念是 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，全都可以拆下来换掉：如果你愿意的话，连整个前端都是可以更换成你自己喜欢的风格的：比如上手第一时间，我就用 Prompt 将它改成了我更喜欢的洋红色主题。

Deepseek 允许你自由更改各种组件，甚至包括 Web UI 前端｜图片来源：极客公园

让你直接动手改 Harness 的 Web 前端，这一个小细节其实也能看出 Deepseek Harness 的开发逻辑，是一个由大大小小插件组成的生态系统；只要你愿意动手去适应这套系统，你就能搭出一套独一无二、专属于你的工作生态。

按官方文档的说法，Deepseek Harness 内置了标准、极简、代码、创造四种预设，V4-Flash 上个月刷榜 Terminal Bench 的那次官方评测，用的就是其中的极简模式——当时 API 更新日志里那句「即将发布的 DeepSeek Harness」，昨天兑了现。

目前 Deepseek Harness 内置了 4 种模式 Agent 预设，也可以手动添加自己喜欢的预设｜图片来源：极客公园

开放的结果来得比想象快。内测阶段的开发者几天里做了约三百个插件，有人给它换上 Windows XP 的复古皮肤，有人做了表情包插件，让它干完活还能立刻给你发一张大肥鱼表情包。但这种广泛的玩法恰恰说明：这个框架里没有什么是焊死的。

但 star 涨得有多快，冷水来得就有多快。发布第二天，开发者社区的评价开始分化：无论是 Deepseek Harness 目前的用户体验，对非编程用户不是很友好、还是整个围绕着插件构建起来的 Deepseek Harness 生态，其实都引发了一些争议与讨论。

这些冷水没有一盆是冲着模型来的，全部泼在 Harness 这个「壳」上。壳的成色到底如何，我们发布当晚的两个测试正好可以对着看。

上手 Harness 之后，我的第一个测试，就是让它重构极客公园的官网：我把极客公园官网的网址丢给它，让它照着 The Verge 的风格，重构一版新的网站设计。

这个任务测的是另一个坑：它到底会不会真的去看两个网站。

这是 Deepseek Harness 最后实际生成的效果：实际上这个网站格式与交互都有一些细微的问题，但当你通过 Deepseek Harness 的插件式架构，装上更多关于模型与设计的 Agent 能力插件之后，整个网站就在快速迭代之下，变得更加具有现代感了。

举例来讲：虽然 Deepseek Harness 内置没有带画板功能，也可以去通过安装插件来实现；官方插件库里有现成的名为 DSH-OpenPencil 的插件，安装之后，你就可以直接实时在对话中预览交互设计文件，直接让 Deepseek Harness 原本单调的 Web UI 变身设计交付工具。

此外，为了验证这次的图片生成以及数据提取能力。我甚至还用 Deepseek Harness 直接生成了一张从昨晚到今天早上的 GitHub 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 有一个「轨迹」页，模型看到的一切都记录在案：系统提示词、思维链、每一次工具调用和返回结果。所以它是真抓取了页面，还是凭训练记忆里的印象「脑补」了一个 Verge 风格，翻记录就能对质。这种「全程留痕」是它和聊天机器人在架构上的根本区别之一——聊天工具只保存最终的对话，它保存的是过程里的每一步。

这个设计也是它在 Hacker News 上收到的最响亮的好评。有开发者把「模型看到的一切都写入只增不改的日志」称为 killer feature，还特别点出，美国模型厂商的 API 恰恰把这层数据藏了起来。

算一笔账

Harness 本身免费开源，但模型调用照常收费：目前我们测试的都还是13 日晚 Deepseek 官宣涨价之前的模型价格，因此仍然算是量大管饱：实际上，这整篇文章的 Demo 测试下来，我们消耗的 Token 用量也没有超过 3 块钱。

此外，Deepseek Harness 还会主动帮你把账算得明明白白：每个会话底部都挂着实时统计，这一轮几步、模型耗时几秒、输入输出各多少 token、甚至缓存命中率多少，都会全部摊开给你看。

争议也恰好出在这里。

发布次日，一项在开发者圈流传的第三方对比称，同款 V4-Flash 接入另一个开源 harness Pi，token 消耗只有 DeepSeek Harness 的三成多。

我们自己的使用体感上，除了使用 V4 Pro Max 仍然量大管饱之外，目前直接使用 Deepseek V4 Flash，不仅速度更快，在那内容生成准确率上也并没有降低很多，或许这也代表着目前 Deepseek 的 Harness 确实还处在开发者预览版的阶段，它并不是最终完成的版本。

模型公司亲自下场做「壳」，DeepSeek 不是第一家。Anthropic 有 Claude Code，OpenAI 有 Codex，现在名单上补齐了最后一个大玩家。

Harness 可能是大模型打通生产场景目前最重要的路径之一；开发者工具公司 Composio 做过一个对照测试：同一个 V4-Flash，接入八种不同的 harness，完成三十项任务。最好的完成了二十项，最差的只有十四项。模型一模一样，结果差出三成。

模型划定能力上限，Harness 决定这份能力最终能兑现多少。

对 DeepSeek 来说，这层壳还有三重更现实的账。成本上，上下文怎么组织、缓存怎么命中，决定一个任务烧多少 token、重试几次，这些都发生在 Harness 层，别人的壳它管不着。数据上，任务失败的完整记录是改进模型最好的养料，而记录握在壳的手里。生态上，网易科技的报道里提到，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院子里的意图，不算隐晦。

站远一点看，过去两年模型公司卖的是 token，按字数收费，像卖水。从 Claude Code 开始，它们陆续发现真正值钱的是「把事做完」这个动作本身。DeepSeek 是最新下场的大玩家，也是第一个把整个壳都开源的。

它赌的是另一条路：别人把 Agent 做成成品卖给你，它把 Agent 的零件全部摊开，赌开发者会用这些零件，拼出它自己都没想到的东西。

回头看，「像框架、不像成品」这句今天关于 DeepSeek Harness 最大的争议，放在另一个坐标系里就是恭维—— 安卓刚问世的时候，也是一副毛坯的样子，粗糙、开放、只吸引动手的人。后来的事，大家都知道了。

DeepSeek 赌的，是 Agent 这个行当也需要一个安卓。