作者购买了一块 128 元的立创实战派 ESP32-S3 开发板，全程未手动输入命令、未花模型费用，通过 DSH（DeepSeek Harness）搭配 WorkBuddy 免费额度的 DeepSeek V4.1 Flash 模型，将开发板刷成小智 AI 音箱。DSH 自主完成了查固件、校验 SHA256、烧录、读串口日志、定位唤醒词等操作，作者仅负责插线、配网和语音交互。文章记录了从配置免费模型、排除充电线问题、烧录固件到激活配网及后台调优的完整过程，展现了 Agent 驱动硬件开发的高效体验。
作者在将 ChatOllama 改写为 Agent 时思考“Agent 最多应连续执行多少步”的问题，对比了 Pi、Codex 和 DeepSeek Harness（DSH）三种 Agent Loop 实现。Pi 依赖 shouldStopAfterTurn 回调，把终止策略交给上层，强调可组合性；Codex 不设统一轮数上限，而是对模型请求、工具调用、上下文压缩和 token 预算分层管理，适合长时间编码任务；DSH 则像可恢复的运行协议，用 turn/step 区分、inbox 机制和事件日志驱动继续与停止，强调可恢复与可扩展。作者总结：生产级 Agent 不应依赖固定 step 数，核心在于确认任务是否仍在推进并有明确机制停止。
本文介绍了 DeepSeek Harness（DSH）的三大进阶玩法：一是斜杠命令，包括 /compact 压缩上下文、/export 导出对话、/goal 设置长期目标、/plan 计划模式等内置命令及自定义命令方法；二是给 AI 提供工具，讲解了工具、插件与 Skill 的区别，如何通过 MCP 协议接入现成服务，以及利用创造模式让 AI 临时生成工具；三是打造多 Agent 军团，介绍了 subagent、workflow、ralph 等内置派活工具和后台管理工具，实现任务的拆分、并行与迭代审视。
DeepSeek Harness（DSH）是 DeepSeek 官方开源的 AI Agent 运行环境，核心理念是「一切皆插件」。文章介绍了如何在 GitHub 和社区清单中发现优质插件，并推荐了多款热门插件：包括让模型理解图片的 ModLens、扩展搜索源的 ModSearch、可操作真实 Chrome 浏览器的 dsh-browser、支持多 Agent 协作的 Agent Teams、插件市场 dsh-market、界面全家桶 dsh-web-ui、侧边栏增强、上下文可视化和生成式 UI 等，帮助用户扩展 DSH 技能并提升使用体验。
本文通过一个需要交互式输入的随机数验证程序（rng）和URL验证码登录场景，对比分析了Claude Code、Pi、DSH和Codex等AI编程代理的Bash/Shell工具在处理交互式CLI任务时的能力差异。文章指出，Claude Code的Bash工具没有公开的stdin写入操作，Pi默认忽略stdin，DSH每次启动新进程，而Codex通过exec_command和write_stdin提供了完整的交互流程。文章详细解释了yield_time_ms和timeout的区别，并强调了持久会话、动态输入和退出验证对于端到端测试的重要性。
本文介绍了DeepSeek Harness（DSH）的发布及其迅速走红的现象，并详细讲解了DSH的安装方法、热门插件（如colleague-skill和OpenBiliClaw）以及基础插件推荐。文章还探讨了DSH“一切皆插件”的设计理念，以及其开源生态的快速发展。最后，作者观察到AI技术圈中二次元头像成为“大佬”特征的现象，并指出B站正在成为国内开源项目传播的重要平台。
本文探讨了 DSH 生态的商业化路径，指出竞争焦点正从模型智能转向 AI 执行系统。文章提出商业化应遵循“插件→Skill→Profile→Workflow→Agent→行业解决方案→企业 AI 基础设施”的升级路线，并分析了垂直 Agent、付费插件、成本优化、企业私有化、Workflow 自动化等六个方向，强调以业务结果为导向，构建真正的商业壁垒。
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。
