DeepSeek Harness 插件架构深度拆解：它与 Codex、Claude Code 有什么本质不同

🔭 一句话总结：DeepSeek Harness 不是又一个”AI 编程助手”，而是一套插件化的 Agent 运行框架——模型只是其中一环，框架本身才是核心资产。

先说结论

如果你把 DeepSeek Harness 和 OpenAI Codex、Anthropic Claude Code 放在同一个比较框里，你会错过它的真正价值。

这三者的本质区别在于：

• Codex / Claude Code：面向终端用户的产品，模型 + 固定工具链，打包交付
• DeepSeek Harness：面向开发者的框架，插件全开放，模型/工具/调度均可替换

换句话说：Codex 是”AI 写代码工具”，Harness 是”用来造 AI 写代码工具的底座”。

核心设计哲学：一切皆插件

Harness 采取 “一切皆插件”（Everything is a Plugin） 的设计思路，基于 Cordis 插件元框架 构建。

Cordis 本身只负责两件事：

1. 插件的加载与卸载
2. 插件间的依赖关系管理

而所有具体的 Agent 能力，全部是独立的 Cordis 插件：

这带来的直接好处是：你可以把默认的 GPT-4 模型插件换成 Claude，换成 DeepSeek-V4，甚至换成开源的 Qwen——整个 Harness 其他部分无需任何改动。

四种运行模式：场景驱动的插件组合

Harness 没有用”一套默认配置”来覆盖所有场景，而是预置了四种场景化的插件组合模式：

1. 标准模式（Standard）

• 场景：日常开发任务
• 插件集：全套工具链（文件读写、终端、浏览器、代码工具、多 Agent 协作）
• 适用：需要完整能力的通用开发场景

2. PTC 模式（Programmatic Tool Calling）

• 场景：复杂多轮工具调用
• 插件集：由模型生成代码来组合多轮工具调用
• 适用：模型需要自主规划一系列操作并顺序执行

3. 极简模式（Minimal）

• 场景：模型基准测试
• 插件集：仅保留 1 个 Shell 工具 + 1 个文件编辑工具
• 适用：评测模型在受限工具集下的推理能力

4. 创造模式（Creative）

• 场景：框架开发者自定义
• 插件集：可在运行时检查当前已加载插件、在内存中试验新插件组合，并据此创作新模式
• 适用：Cordis 插件开发者调试或设计新模式

多 Agent 协作：框架的隐藏大招

除了单 Agent 场景，Harness 还支持多 Agent 协作。这在竞品中极为罕见。

典型协作场景：

• 规划 Agent + 执行 Agent 分离：一个 Agent 负责任务拆解，另一个负责具体执行
• 审查 Agent + 开发 Agent 分离：开发 Agent 写代码，审查 Agent 做安全扫描
• 专家 Agent 路由：根据任务类型路由到不同的垂直专家 Agent

这种协作能力在 create_agent() / compose_agents() 接口层面原生支持，不需要额外安装。

代码场景：闭环任务如何实现

在代码开发场景中，Harness 能完成真正的闭环任务：

用户指令 → 模型理解任务 → 查找代码文件 → 修改代码 → 运行测试
                                                          ↓
                                              若测试失败 → 读取报错
                                                          ↓
                                              模型修正代码 → 再次运行测试
                                                          ↓
                                              直到通过或达到上限

这个循环完全由 Loop 插件 + Sandbox 插件控制，模型负责推理决策，框架负责执行和安全隔离。

插件开发：如何写一个 Cordis 插件

以一个最简单的”自定义搜索插件”为例：

// my-search-plugin.ts
import { CordisPlugin, CordisContext } from '@deepseek-ai/cordis';

export const searchPlugin: CordisPlugin = {
  name: 'my-search',
  version: '0.1.0',

  // 插件元数据
  metadata: {
    description: 'Custom web search capability',
    author: 'your-name',
  },

  // 声明依赖（可选）
  dependencies: [],

  // 注册服务
  async register(ctx: CordisContext) {
    ctx.provide('search', async (query: string) => {
      // 实现搜索逻辑
      return await mySearchEngine(query);
    });
  },

  // 插件初始化
  async init(ctx: CordisContext) {
    ctx.on('search:request', (q) => {
      console.log(`[search] query: ${q}`);
    });
  },
};

在 Harness 配置文件中引用：

{
  "plugins": [
    "standard-tools",
    "@deepseek-ai/model-deepseek-v4",
    "my-search"  // 你的自定义插件
  ],
  "mode": "standard"
}

然后重启 Harness，你的搜索插件就会在运行时被加载。

开源协议：MIT 的深意

Harness 选择了 MIT 协议——这在商业闭源大行其道的 Agent 框架领域，是相当激进的选择。

MIT 意味着：

• ✅ 可免费商用
• ✅ 可任意修改
• ✅ 可分发
• ✅ 可申请专利（专利授权随附）

这对企业内部门署和垂直领域定制的开发者来说，门槛极低。

与竞品的关键差异总结

适合谁用

✅ 强烈推荐：

• 需要在本地/私有环境运行 Agent 框架的企业
• 插件生态开发者（Cordis 插件作者）
• 希望用 DeepSeek-V4 驱动自建 Agent 系统的团队

⚠️ 需要考虑：

• 追求开箱即用、不想折腾配置的终端用户 → 选 Claude Code
• 需要在生产环境稳定运行 → 等 v1.0 正式版（当前 v0.1 为开发者预览版）

下一步

• GitHub：https://github.com/deepseek-ai/deepseek-harness
• 官方文档：项目 README
• npm：@deepseek-ai/dsh

• 🔭 本文数据来源：GitHub trending 观察、多个科技媒体实测报告（IT 时代网、DoNews、爱范儿等），发布时间 2026-08-13/14。*