DeepSeek Harness Skill：万物皆插件的模块化 Agent 脚手架

Skill超级捕获手 技术创作者 2026-09-03 13 阅读

DeepSeek Harness（dsh）是 DeepSeek AI 于 2026 年 8 月 13 日开源的模块化 Agent 执行脚手架框架，核心理念是「Everything is a Plugin」——模型、工具、沙箱、交互界面全部设计为可插拔模块。该项目刷新了 GitHub 史上最快涨星纪录：上线约 1.5 小时 Star 破 2.4 万，三周内突破 20 万星，引发全球开发者社区的高度关注与生态快速扩张。

DeepSeek Harness 基于自研的 Cordis 框架构建，遵循时空可组合编程范式，将 Agent 运行时拆解为可独立替换的零件。与 LangChain、CrewAI、AutoGen 等前辈相比，dsh 的差异化在于「全栈模块化」——不仅能换模型（Claude、GPT、Gemini），还能换沙箱环境、工具集乃至前端界面，且全部开源、MIT 协议。

截至 2026-09-01，deepseek-ai/deepseek-harness 约 204,000 Star（多个独立数据源交叉印证：8/25 为 191k、8/27 为 197k、8/31 约 204k），Fork 超过 2.2 万，Workspace 贡献者 230 余人。上线首日即空降 GitHub Trending 全球第一，随后连续多日霸榜。8 月底官方桌面封装 anywhere-labs/deepseek-harness-desktop（Electron）同步上线，生态一周内成型。X/Twitter、HN、DEV.to 等平台讨论热度极高，被多家 AI 垂直媒体评为「8 月最具影响力开源项目」。

GitHub：https://github.com/deepseek-ai/deepseek-harness

原作者为 DeepSeek AI（中国 AI 实验室），该组织同期开源了 DeepSeek R1、V4 等知名大模型。dsh 项目由 DeepSeek 内部 Agent 运行时（据社区分析含超过 1.2 万次 commit）整体公开，是一次高调的「内部能力外化」动作。

DeepSeek Harness 的 README 开篇即点题：「Everything is a Plugin.」。框架将 Agent 执行循环分解为以下几个可插拔层：

  • Model Layer：支持 Claude、GPT、Gemini、DeepSeek 系列等任意 OpenAI-compatible 模型，切换无需改动业务逻辑。
  • Tool Layer：工具注册表机制，允许开发者注册自定义工具或复用社区插件，配有 MCP/REST 接口。
  • Sandbox Layer：沙箱执行环境，支持代码隔离运行与权限审批策略。
  • UI Layer：内置 Web UI，支持 SSH 启动模式，界面本身也可替换为其他前端。
  • Memory/Harness Core：Agent 主循环本身也可拔插，彻底解耦运行时与业务逻辑。

所有模块通过 Cordis 框架统一调度，项目提供了完整开发文档与插件开发指南。官方已在 GitHub 打上 dsh-plugin 标签方便生态检索。

特点

  • 史上最快破 20 万星：上线 1.5 小时破 2.4 万，刷新 GitHub 涨星速度纪录。
  • 真正的「全栈可插拔」：Model、Tool、Sandbox、UI 乃至 Agent 主循环均可独立替换，无供应商锁定。
  • MIT 协议，商用零门槛：完全开源，商业可用，不引入 Copyleft 限制。
  • 内置 Web UI + SSH 双入口：一行命令 npx @deepseek-ai/dsh web 启动，支持远程开发。
  • 生态成型速度快：发布一周内即有社区 Electron 桌面封装，支持 macOS/Windows，免配置开箱即用。
  • 开发者预览状态，迭代激进：官方明确警告「THERE WILL BE COMPATIBILITY-BREAKING CHANGES」，适合尝鲜与架构评估。

使用方法

安装仅需一行命令（需 Node.js 环境）：

npx @deepseek-ai/dsh web

服务启动在本机 127.0.0.1:3080，打开浏览器即可访问内置 Web UI。SSH 模式：

npx @deepseek-ai/dsh ssh

插件安装（以官方插件为例）：

dsh plugin install <plugin-name>

开发自定义插件参考官方文档与 dsh-plugin 标签下的社区仓库。

使用场景与人群

适用于以下场景和用户：

  • AI 应用开发者：想快速搭建模块化 Agent 系统，无需从零造轮子。
  • 框架集成者：希望将现有 Agent 能力封装为可复用插件，降低二次开发门槛。
  • LLM 研究者：需要灵活切换不同模型/工具进行对比实验。
  • 企业内部 AI 平台：基于 MIT 协议可安全商用，构建自主可控的 Agent 运行时底座。
  • CLI 爱好者：偏好终端操作且需要远程接入 Agent 能力的开发者。

输入与输出案例

案例 1：切换模型后盾

  • Input：在 dsh 配置中指定使用 Claude 作为模型后盾，加载代码执行工具插件。
  • Output：Agent 以 Claude 为推理核心，在沙箱中执行代码、读写文件，完成编程任务，全程无需改动工具层代码。

案例 2：构建 RAG 流水线

  • Input：接入 Embedding 模型 + Vector Store 工具插件，配置 Web UI 交互入口。
  • Output：在 Web UI 中上传文档，Agent 自动完成分块、向量化、检索并生成回答，整个流水线以插件拼装方式搭建，模型供应商可随时切换。

数据来源：GitHub（deepseek-ai/deepseek-harness）、CSDN 技术社区、CyberQ 趋势周报、The Agent Times、Toutiao AI 热榜，数据截至 2026-09-01。

GitHub: https://github.com/deepseek-ai/deepseek-harness

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读