尧图网站建设 
一、 现象级开源AI Agent 领域的“破坏者”最近 AI 开源界被 DeepSeek 推出的 AI Agent 框架 —— DeepSeek Harness简称 dsh 彻底刷屏。开源仅数天GitHub Star 数量便一路飙升突破 18 万大关一举刷新了 AI Agent 框架的增长纪录。不同于以往闭源或强绑定的 AI Assistant如 Claude CodeDeepSeek Harness 从底层设计上就贯彻了极其激进的开源与重构理念“Agent Model Harness”。它的出现标志着大模型生态的竞争正从“单纯拼上下文与推理能力”全面升级为“底层调度与生态扩展能力”的较量。二、 核心架构拆解“一切皆插件”DeepSeek Harness 最核心的杀手锏在于其极简且极致解耦的架构设计。通过基于 Cordis 的微内核设计它将传统 Agent 中硬编码的部分全部拆解成了可插拔模块。1. 极简的“Everything is a Plugin”机制模型可插拔不强制绑定 DeepSeek 官方 API。用户既可以连接 OpenAI、Anthropic也可以直接通过 OpenAI 兼容接口无缝挂载 Ollama / vLLM 本地私有化模型。工具与能力拆分文件读写、Shell 执行、Web 检索、多音字注音、代码解析等能力全部被抽象为微插件。Agent 循环与决策链解耦甚至连 Agent 的思考循环Loop与审批流程都可以通过修改配置进行自定义。2. 核心功能亮点一览本地 WebUI 状态可视化一条命令npx deepseek-ai/dsh web即可唤醒可视化控制台实时查看 TPS每秒 Token 运算速、缓存命中率Cache Hit Rate及完整推理轨迹。完整的轨迹追溯内置 Trajectory 视图支持对 Agent 的执行步骤进行暂停、单步调试、历史重放与状态 Fork。极低的运行成本针对 MoE 架构如 DeepSeek-V4-Flash进行了深度 Context Caching上下文缓存优化缓存命中率可达 90% 以上极大降低调用开销。三、 DeepSeek Harness 架构对比表| 功能维度 | 常见传统 AI Coding Assistant | DeepSeek Harness (dsh) ||---|---|---|| 开源协议 | 闭源 / 商用受限 | MIT 极度自由开源协议 || 模型绑定 | 强绑定特定厂商模型 | 完全解耦支持本地/云端任意模型|| 系统架构 | 模块高度耦合 | 微内核 插件化Everything is a Plugin || 交互方式 | 单一 CLI 命令行 | **CLI 本地可视化 Web UI 实时监控** || 子 Agent 调度*| 不支持或弱支持 | 支持将其余 Agent如 Codex、Claude Code作为子插件调用 |四、 快速上手接入本地模型以 Ollama 为例1. 环境准备与安装通过 npx 或全局安装依赖启动服务bash# 全局安装 DeepSeek Harnessnpm install -g deepseek-ai/dsh# 启动本地 Web 交互界面dsh web2. 配置本地大模型 (Local Model)在启动的 Web UI 页面中进入 Settings - Models 界面新增自定义 ProviderProvider Type: OpenAI-CompatibleBase URL: http://localhost:11434/v1 (以 Ollama 为例)Model Name: qwen2.5-coder:latest / deepseek-r1:latestAPI Key: ollama (填任意字符串即可)3. 插件挂载与工具调用通过修改根目录下的 dsh.config.json 即可一键加载本地工具json{plugins: [dsh/plugin-fs-sandbox,dsh/plugin-shell-executor,dsh/plugin-web-search],default_model: ollama/qwen2.5-coder:latest}配置完成后输入任务指令DeepSeek Harness 将通过本地运行的大模型自动分析任务、规划步骤并调用本地 Shell 与文件系统完成工作。五、 总结与展望DeepSeek Harness 的爆火并非偶然。它打破了传统 AI 工具的黑盒限制将 AI 代理的控制权彻底交还给开发者。无论是用于打造企业内部的私有化代码助手还是构建复杂的自动化多 Agent 工作流Harness 都提供了一个极其健壮且灵活的底层脚手架。注当前 DeepSeek Harness 仍处于 Developer Preview开发者预览版阶段建议在本地沙箱环境中进行测试与体验。 【硬核重磅】狂飙18万Star！DeepSeek开源AI Agent神器Harness：架构真真相曝光，本地大模型无缝接轨！
一、 现象级开源AI Agent 领域的“破坏者”最近 AI 开源界被 DeepSeek 推出的 AI Agent 框架 —— DeepSeek Harness简称 dsh 彻底刷屏。开源仅数天GitHub Star 数量便一路飙升突破 18 万大关一举刷新了 AI Agent 框架的增长纪录。不同于以往闭源或强绑定的 AI Assistant如 Claude CodeDeepSeek Harness 从底层设计上就贯彻了极其激进的开源与重构理念“Agent Model Harness”。它的出现标志着大模型生态的竞争正从“单纯拼上下文与推理能力”全面升级为“底层调度与生态扩展能力”的较量。二、 核心架构拆解“一切皆插件”DeepSeek Harness 最核心的杀手锏在于其极简且极致解耦的架构设计。通过基于 Cordis 的微内核设计它将传统 Agent 中硬编码的部分全部拆解成了可插拔模块。1. 极简的“Everything is a Plugin”机制模型可插拔不强制绑定 DeepSeek 官方 API。用户既可以连接 OpenAI、Anthropic也可以直接通过 OpenAI 兼容接口无缝挂载 Ollama / vLLM 本地私有化模型。工具与能力拆分文件读写、Shell 执行、Web 检索、多音字注音、代码解析等能力全部被抽象为微插件。Agent 循环与决策链解耦甚至连 Agent 的思考循环Loop与审批流程都可以通过修改配置进行自定义。2. 核心功能亮点一览本地 WebUI 状态可视化一条命令npx deepseek-ai/dsh web即可唤醒可视化控制台实时查看 TPS每秒 Token 运算速、缓存命中率Cache Hit Rate及完整推理轨迹。完整的轨迹追溯内置 Trajectory 视图支持对 Agent 的执行步骤进行暂停、单步调试、历史重放与状态 Fork。极低的运行成本针对 MoE 架构如 DeepSeek-V4-Flash进行了深度 Context Caching上下文缓存优化缓存命中率可达 90% 以上极大降低调用开销。三、 DeepSeek Harness 架构对比表| 功能维度 | 常见传统 AI Coding Assistant | DeepSeek Harness (dsh) ||---|---|---|| 开源协议 | 闭源 / 商用受限 | MIT 极度自由开源协议 || 模型绑定 | 强绑定特定厂商模型 | 完全解耦支持本地/云端任意模型|| 系统架构 | 模块高度耦合 | 微内核 插件化Everything is a Plugin || 交互方式 | 单一 CLI 命令行 | **CLI 本地可视化 Web UI 实时监控** || 子 Agent 调度*| 不支持或弱支持 | 支持将其余 Agent如 Codex、Claude Code作为子插件调用 |四、 快速上手接入本地模型以 Ollama 为例1. 环境准备与安装通过 npx 或全局安装依赖启动服务bash# 全局安装 DeepSeek Harnessnpm install -g deepseek-ai/dsh# 启动本地 Web 交互界面dsh web2. 配置本地大模型 (Local Model)在启动的 Web UI 页面中进入 Settings - Models 界面新增自定义 ProviderProvider Type: OpenAI-CompatibleBase URL: http://localhost:11434/v1 (以 Ollama 为例)Model Name: qwen2.5-coder:latest / deepseek-r1:latestAPI Key: ollama (填任意字符串即可)3. 插件挂载与工具调用通过修改根目录下的 dsh.config.json 即可一键加载本地工具json{plugins: [dsh/plugin-fs-sandbox,dsh/plugin-shell-executor,dsh/plugin-web-search],default_model: ollama/qwen2.5-coder:latest}配置完成后输入任务指令DeepSeek Harness 将通过本地运行的大模型自动分析任务、规划步骤并调用本地 Shell 与文件系统完成工作。五、 总结与展望DeepSeek Harness 的爆火并非偶然。它打破了传统 AI 工具的黑盒限制将 AI 代理的控制权彻底交还给开发者。无论是用于打造企业内部的私有化代码助手还是构建复杂的自动化多 Agent 工作流Harness 都提供了一个极其健壮且灵活的底层脚手架。注当前 DeepSeek Harness 仍处于 Developer Preview开发者预览版阶段建议在本地沙箱环境中进行测试与体验。