DeepSeek Harness 首发实测 + 入门教程，夯爆了！
本文是DeepSeek Harness的首发实测与入门教程。作者详细介绍了Harness的安装配置过程，并通过四个实际任务（制作PPT、开发网站、项目分析、自造插件）展示了其强大功能。文章记录了每个任务的耗时、token消耗和费用，并分享了实测感受与插件玩法，最后给出了对Harness未来价值的看法。
全部文档 / 标签: deepseek
252 篇
DeepSeek Harness 必装的 10 个插件
本文介绍了 DeepSeek Harness 生态中必装的 10 个插件，包括 ModLens（图像理解）、dsh-web-ui（Web UI 全家桶）、dsh-better-sidebar（Codex 风格布局）、dsh-TUI（终端界面）、deepseek-harness-desktop（桌面客户端）、dsh-at-file（@文件引用）、dsh-agent-teams（多 Agent 团队）、dsh-plan-execute（规划与执行分离）、dsh-context-doctor（Token 分析）和 dsh-reverse-skill（安全研究技能包）。这些插件覆盖了从图像处理、界面优化到多 Agent 协作、成本控制和安全研究等多个方面，旨在提升 DeepSeek Harness 的功能性和用户体验。
用 Kimi K3 构建你的第一家 AI 原生公司
作者提出 Company Foundry 项目：用 Kimi K3 作为中央智能单元，将公司简介编译成可移植的组织方法规范，生成上下文、技能、路由、策略、证据记录等运行时配置。核心理念是公司不是一群 agent，而是决定哪些工作重要、agent 能做什么、必须留下什么的方法。模型可租可换，但运营方法归公司所有。harness 层为 agent 工作赋予结构，通过契约管理所有权、任务准入、来源策略和模型路由，让工作可复现、证据可追溯，公司知识不随模型更换而流失。
开源 DeepSeek Harness 开箱即用客户端 Pilot Harness 及易用插件
DeepSeek 发布了坚持'一切皆插件'理念的 DeepSeek Harness，模型适配器、工具、文件系统、沙箱甚至 Agent Loop 都可通过插件组合。但其使用门槛偏高，界面仍处开发者预览阶段。作者基于此前 CodePilot 的经验开发了 Pilot Harness，为其加上桌面外壳和一组客户端插件：优化了项目切换、会话 Hover 卡片、输入区和设置页等交互，新增项目文件树、服务商配置等插件，并提供 macOS、Windows、Linux 三平台安装包。作者认同 Harness 拆分组件、允许重组的架构思路，认为这为 Agent 参与调整自身配置预留了接口。
GEO内容不被DeepSeek、豆包等AI引用和收录的原因分析与解决方案
文章分析了GEO（生成式引擎优化）内容不被AI引用收录的核心原因：AI搜索采用向量语义检索加模型筛选的双层机制，重视信源权威性、信息交叉验证一致性和内容结构化程度。大量AI改写的同质化内容被判定为重复的概率高达83%。解决方案包括人工深度加工保证三成以上新增信息、发布前进行同质化检测、融入企业专属数据和真实案例。作者指出GEO生效周期为15-30天起步，稳定需3-6个月，提醒不要相信7天上首推的承诺，应从铺量思维转向质量思维。
AI 闯关学习小程序项目完结：用 DeepSeek 打造可上线的微信小程序
程序员鱼皮宣布其编程导航新项目教程《AI 闯关学习小程序》完结。项目基于 Taro + Python FastAPI + LangChain + DeepSeek，用 AI 编程（Vibe Coding）方式从 0 到 1 开发可将任何知识变成闯关游戏的学习小程序。功能涵盖 AI 联网搜索出题、闯关答题即时讲解、AI 复盘报告、RAG 私有知识库出题、AI 题目配图、微信静默登录等，并走完 Docker 部署与小程序上线全流程。项目代码已完整开源，同时提供视频、文字教程及简历写法和面试题解，帮助求职者提升竞争力。
三号设计周刊 Vol.33｜Figma 设计经验封装与 AI 工作流
本期周刊探讨了 Figma Agent Skills 生态成型，设计经验现可被封装复用；Figma 实验证明 AI 能提速 20%。此外涵盖 iOS 27 视觉更新、Instagram 换标风波、DeepSeek Harness 发布，以及多款动效与素材工具推荐，最后分析了 AI 原生 UI 组件库与交互细节。
DeepSeek Harness 不是下一个 Codex，它把 Agent 拆开给你看
DeepSeek Harness 并非单纯的任务执行型 Agent，而是将内部结构透明化的开发平台。文章详细介绍了其权限控制、轨迹视图及四种运行模式（标准、PTC、极简、创造），强调了工具可控性与安全性，指出其更适合开发者及企业内部团队用于构建和调试复杂的 Agent 工作流。
8款前沿大模型能力横评：10个维度50项测试全解读
本文对8款前沿大模型进行了为期两天的深度横评，通过10个维度、50个细项的两轮测试，对比了模型在一次性复杂任务与拆解任务稳定性上的表现。文章详细解读了测试方法、评分标准及各模型优劣势，最终得出了适用于真实工作流的参考结论。
BestBlogs 精选周刊第 108 期：智能的执行层
本期周刊聚焦 AI Agent 执行层的工程实践，探讨模型如何穿过真实环境稳定完成任务。文章围绕执行模型、Harness、质量评测、多智能体与权限、路由缓存等六条主线展开，分析了 Grok 4.6、DeepSeek V4 Pro、Gemini 3.7 Flash 等模型的长程执行能力，拆解了 DeepSeek Harness 和 OpenAI Codex Harness 的架构设计，并介绍了阿里、美团等团队的评测与改进流程。核心观点是：智能体的可靠性不仅取决于模型能力，更依赖于 Harness 的工程化设计、可观测的反馈闭环和合理的成本调度。
Pi 生态周报：缓存命中 99.93%、一周三版本、沙箱与安全成新方向
本文是 Pi 生态的一周动态总结。作者提到创始人转推用户实测数据：在 pi harness 上 DeepSeek V4 Flash 缓存命中率达 99.93%，仅花费 2.65 美元获得近 10 亿 token，凸显缓存经济学优势。Pi 本体一周内发布三个版本（0.84.0-0.84.2），带来全屏转录搜索、AGENTS.override.md、defaultTools 等实用更新。此外，作者介绍了多个新插件，如 Feynman（研究型 agent）、pi-landstrip（沙箱化 Bash）、pi-chrome-devtools 等，并指出两个重要信号：缓存优化成为卖点，以及沙箱与安全成为 agent 生产化的关键方向。
DeepSeek Harness 极简模式实测：真的能对标 Claude 吗？
本文实测了 DeepSeek Harness 的极简模式，通过两个实战项目（3D FPS 游戏和 AI 宠物领养系统）对比标准模式与极简模式的性能差异。结果显示，极简模式在耗时上显著更优（分别快 10 分钟和 21 分钟），且在某些任务上效果接近甚至超越标准模式，但在功能完整性和细节上有所欠缺。文章分析了极简模式的优势（减少工具选择干扰、提升专注度）和短板（缺乏联网、上下文压缩等能力），并介绍了社区中通过两阶段插件提升标准模式性能的探索。
DeepSeek 的产品哲学：先开放，再定义
本文深入分析了DeepSeek发布的Agent产品DeepSeek Harness及其背后的产品哲学。作者认为，DeepSeek选择开放不成熟的产品，是基于交易成本理论，将公司边界内收，把具体场景的产品定义权交给外部开发者，以模块化方式实现“一切皆插件”，让市场并行探索Agent的最终形态。文章对比了iPhone与Android的生态起点，指出DeepSeek Harness更接近Android模式，并讨论了平台冷启动、开放架构与生态建设之间的差距，最后提出生态成功的关键指标。
把千年中国传统色，装进你的 DeepSeek Harness
本文介绍了一个名为 dsh-theme-plugin 的开源插件，它将中国传统色融入 DeepSeek Harness 界面，提供 98 套主题。插件基于中国画的“纸·帘·印”设计原则，通过设计令牌完整重写界面语言，而非简单换肤。文章详细阐述了设计理念、实现方式和使用步骤，展示了竹青、群青、朱红、藤黄等传统色主题的视觉效果。
DeepSeek Harness 首发实测 + 入门教程，夯爆了！梁神我错了
本文是DeepSeek Harness的实测与入门教程。作者介绍了Harness的概念（Agent = Model + Harness），并详细演示了安装过程、四种运行模式（标准、极简、PTC、创造）以及插件系统。通过四个实战任务（分析代码仓库、开发知识讲解网站、开发3D游戏、开发全栈AI应用）展示了其强大的AI编程能力，并强调了高缓存命中率带来的低成本优势。文章最后对比了DeepSeek V4 Pro与Claude Opus 5的表现，认为前者已可对标后者。
同个任务，我用WorkBuddy&千问办公&TraeWork都跑了一遍
作者用三个真实自媒体任务（对标账号调研、内容写作、选题库搭建）实测对比WorkBuddy、千问办公和TRAE三款Agent工具。结果显示WorkBuddy三轮全胜，产出最全面可直接使用；千问办公擅长文档场景且最懂产品定位；TRAE颜值最高但排队严重、数据偏旧。核心发现是WorkBuddy和TRAE使用同一模型DeepSeek V4 Flash却结果天差地别，说明差距不在模型而在工具如何用模型。结论：工具没有高低，只有合不合适，先想清楚需求再选工具。
小白也能读懂 DeepSeek Harness：给你的 AI 搭子建一个专属办公室
本文用办公室比喻，深入浅出地介绍了 DeepSeek Harness（dsh）的概念、组成、四种模式及其与 Claude Code、Codex 的区别。文章强调模型决定 Agent 的思考上限，而 Harness 决定其执行能力。dsh 作为开放实验场，允许用户自由组合模型、工具、Skills 等组件，但开源免费不等于安全，用户需注意权限控制。最后给出小白试用建议，并指出未来 Agent 竞争的关键在于模型之外的工作环境。
DeepSeek Harness 从 0 到 1详细拆解
本文详细拆解了DeepSeek Harness，一个开源的Agent执行框架。作者通过本地测试验证了其文件写入、Shell执行、权限拦截和会话轨迹功能，并指出当前版本更适合Agent开发者而非普通用户。文章对比了DeepSeek Harness与WorkBuddy、Codex的差异，分析了其插件化设计、权限控制和在企业落地中的不足，最后给出了适用人群建议。
DeepSeek Harness 设计深度解读
本文深度解读 DeepSeek Harness（dsh）的设计，这是一套面向智能体应用的运行框架。文章详细阐述了其基于 Cordis 的插件化架构、Profile/Bundle/Patch 的配置系统、Agent 与 Session 的分离设计、事件驱动的扩展机制、模型适配器注册表、工具执行管线、权限与沙箱、上下文压缩、子智能体与工作流等核心概念。dsh 强调一切皆插件、日志驱动模型上下文、能力按接口/实现/消费方拆分，旨在提供高度可组合、可替换、可观测的智能体运行环境。
DSH：DeepSeek Harness 架构解析
本文深入解析了 DeepSeek Harness (DSH) 的架构设计，指出其核心是“一切皆插件”的理念，并基于 Cordis 运行时和 Session 事件流构建。文章详细阐述了 DSH 如何通过 Cordis 管理插件依赖、作用域和生命周期，以及如何通过 Session 记录 Agent 执行历史。同时，文章对比了 DSH 与 React 在 Fiber 概念上的异同，并介绍了 Profile、Bundle、Patch 等配置机制，以及标准、PTC、极简、创造四种模式的实际含义。
从0到1带你速通DeepSeek Harness
本文介绍了DeepSeek Harness这一Agent产品，其核心理念是“一切皆插件”，基于Cordis内核实现插件的动态加载与卸载。文章详细解释了Harness的四种模式（标准、PTC、极简、创造），并推荐了多个社区插件。同时，作者也讨论了DeepSeek V4 Pro的涨价问题及Harness对普通用户的使用门槛。
蒸馏风暴：AI 公司不愿公开谈论的技术竞赛
本文深入探讨了 AI 领域中备受争议的“蒸馏”技术。文章追溯了蒸馏从最初的模型压缩方法到如今被用于“蒸馏攻击”的演变过程，分析了其技术原理、规模化实现方式以及引发的伦理与竞争争议。通过访谈多位研究员，文章揭示了蒸馏并非简单的复制，而是涉及复杂系统工程，且不构成长期壁垒。同时，文章也讨论了蒸馏与数据飞轮的关系，以及行业对黑盒与白盒蒸馏的不同态度，呈现了这项技术背后的商业、伦理与竞争图景。
用仓颉Skill免费蒸馏任何书的保姆级教程
本文手把手教你使用开源项目“仓颉Skill”及WorkBuddy工具，将书籍等资料免费蒸馏成AI技能（Skill）。教程详细介绍了资料准备、工具安装、模型选择及具体操作步骤。作者通过蒸馏《王川宝典》的实例，演示了如何低成本生成实用技能，并对比了使用专属技能与通用大模型在获取确定性和建设性建议方面的显著差异。
DeepSeek 不能生图/生视频的解决思路
针对文本模型无法直接生成多媒体内容的问题，本文提出了一种分层解决方案：利用 DeepSeek 生成结构化的画面描述，通过接入第三方聚合 API 处理图像和视频生成，最后交由 Agent 工作台串联完整流程。文章详细演示了如何调试接口并将验证成功的流程封装为可复用的 Skill，从而极大提升后续多模态内容生成的效率。
一文科普 主流 LLM 注意力机制
本文系统科普了主流LLM的注意力机制，指出其并非简单的单线升级，而是可组合的四个维度：KV缓存表示、注意力连接范围、序列混合器及位置稳定化技术。文章详细解析了MHA、MQA、GQA、MLA等机制对显存带宽的影响，以及全注意力、稀疏注意力、线性注意力等在降低长序列计算复杂度上的权衡。最后通过对比DeepSeek、Qwen、Kimi等代表模型，澄清了常见误区，为机制选择提供了准确的技术指导。
DeepSeek 刚支持了 OpenAI Responses API，但你可能还不知道它是什么
本文梳理了 LLM API 格式的演进史。从早期 Chat Completions 的无状态聊天映射，到各厂商接口分叉，再到 Agent 时代为解决状态管理和缓存问题诞生的 Responses API。新 API 引入了服务端状态、检查点分支及内置云端工具，模糊了模型与 Agent 的边界。随着 DeepSeek 宣布原生兼容该接口，预示着 Responses API 正取代旧标准，成为 AI 行业的新共识。
免费给你的 DeepSeek-V4-Flash 加上图片识别能力
作者开发了名为ModLens的工具，以“能力包”形式免费为DeepSeek等纯文本大模型增加图片识别能力。该工具接入简单，支持配置多个免费视觉引擎（如Gemini等）实现自动故障转移。实测表明，它能精准读取截图、照片及密集图表，并诚实反馈无法确认的信息。该工具仅需安装在本地AI Agents中即可大幅扩展纯文本模型的实用性。
便宜又能打的DeepSeek，如何接进 Codex
本文介绍了如何将高性价比的 DeepSeek 模型接入 Codex 工具中，以保留原有的插件、Skill 和工作流。作者详细演示了使用 CC Switch 工具进行配置的五个步骤：获取 DeepSeek API Key、在 CC Switch 中填入密钥、开启路由接管 Codex、重启应用刷新配置，以及通过具体的文件读写任务进行可用性验证。该方法帮助开发者在降低成本的同时，无缝延续原有的 AI 编程体验。
本地大模型小白从0到1完整入门教程
本文是一篇面向新手的本地大模型运行与部署全攻略。文章首先对比了云端与本地模型在隐私和成本上的差异，随后用通俗易懂的语言拆解了模型命名、参数量(B)、量化压缩(Q4_K_M)等核心概念。教程详细指导了如何根据显存计算并选择合适的硬件与模型，并推荐了LM Studio与ComfyUI等无代码软件。最后，针对文本对话、图像及视频生成三大场景，提供了具体的模型选型建议与实战评测方法，帮助小白零基础快速玩转本地AI生态。
Codex成本直降16倍！一键接入DeepSeek V4 Flash
本文介绍了如何将DeepSeek最新推出的V4 Flash模型接入Codex工具。通过官方脚本一键配置，用户可以在保持Codex强大编程工作流的同时，大幅降低AI编程成本。文章详细讲解了DeepSeek V4 Flash的更新特性、API申请流程以及在不同终端中的配置与使用方法。
