DeepSeek Harness 调研

DeepSeek Harness 调研报告

官方开源 Agent Harness：架构拆解 · 三模型实测 · 项目适用性 · Hermes 协同 · 自进化可行性
调研日期：2026-08-14 | 方法：第一性原理 + 对抗性验证 | 全部核心结论经本地实测验证

DeepSeek Harness 调研报告 — 内容 Part 1（核心发现）

执行摘要

2026-08-13，DeepSeek 官方发布 DeepSeek Harness（dsh）——一个开源 agentic 编码工具，与 DeepSeek-V4-Pro GA 同日发布。定位是"Claude Code 的开源对手"，核心理念 Agent = Model + Harness："模型是 agent 的灵魂，harness 让 agent 理解环境、使用工具、在真实环境中持续工作"。口号：Everything is a plugin。

一句话结论：dsh 不是来替代 Hermes 的，而是 Hermes 工具栈里缺失的"批量生成、多模型评测、可追溯审计"拼图——它和你现有体系（Hermes 编排 + CC 编码）是互补关系，不是竞争关系。但对 Claude Code 的"批量/评测/审计"类任务构成真实替代压力。

📌 2026-08-21 更新：dsh 已迭代至 rc.7/rc.8，GitHub Stars 一周内从 67K 暴涨至 175K，社区插件从 0 爆发至 1,743 个（21 分类）。新增「第十章：版本演进与社区动态」和「第十一章：热门社区插件推荐」（含实测安装验证 + 官方截图）。详见文末。

一、DeepSeek Harness 是什么

1.1 基本事实（多源验证）

维度 事实 来源
发布 2026-08-13 developer preview，当日 HN 首页 591 分/250 评论 HN story 49285244
开源 MIT 许可证，GitHub: deepseek-ai/deepseek-harness（当天 67K stars） GitHub
技术栈 TypeScript / Node.js，npm 包 @deepseek-ai/dsh（当前 latest v0.1.0-rc.7，next rc.8） npm registry
底层框架 Cordis 插件框架（热挂载/热卸载，reversible effects） docs/architecture.md
官方形态 本地 Web UI（:3080）+ headless 一次性运行模式，不是 TUI README
状态 作者 tianyicui 确认 "early developer preview，会有破坏性变更" HN 评论

1.2 架构核心：Everything is a plugin

1.3 核心特性清单（实测确认 ✅）

  1. 全插件架构（Cordis kernel）——实测 dump-config 可见 ~70 个插件
  2. 完整可追溯会话日志——append-only 事件流 + Trajectory 视图 + resume/fork/search/replay（实测 session.jsonl.zstd 包含 permission/sandbox/turn/step 全事件 ✅）
  3. 工具系统：文件编辑、shell、搜索、LSP、grep/glob、planning、goals、subagents、workflows、todo
  4. MCP 支持：官方 dsh-mcp-client，stdio + streamable-http，自动重连
  5. 沙箱与权限：sandbox seam + approval 策略，permission-presets（实测 workspace-write 默认）
  6. 上下文管理：compaction/spill/context injection，1M token 默认上下文窗口
  7. 动态配置：settings.yaml 热更新（下一请求即生效，无需重启）
  8. Subagent 系统：支持 6 种后端（in-process/fork/acp/codex/claude-code/dsh-sdk）——实测 in-process 委派成功 ✅
  9. Workflow 编排：model-written orchestration script 启动 subagents（worker_threads 引擎）
  10. Session-local Schedule：durable reminders（after/at/every ≥5min）
  11. Goals：same-session 目标管理（active/paused/blocked/complete）
  12. Skills：本地文件系统 skills 注册表（与 Hermes skills 概念同构）

二、与 Claude Code / Codex 的差异（实测 + 社区验证）

2.1 能力对比矩阵

维度 DeepSeek Harness Claude Code OpenAI Codex
开源 ✅ MIT 全开源 ❌ 闭源 ❌ 闭源
插件架构 ✅ 全插件（热插拔，无需重启） ⚠️ 半插件（改动需重启） ❌ 有限扩展
多模型 ✅ 原生 4+ 模型（DeepSeek/Kimi/GLM/Anthropic/OpenAI/Codex） ✅ 可配 Anthropic 端点 ⚠️ 主要自家
上下文 ✅ 1M 默认 ~200K-1M（按模型） ~200K-500K
会话日志 ✅ append-only 全留痕可回放 ⚠️ 有轨迹但不可完整回放 ❌ 官方加密隐藏
工具校验 ✅ JSON schema 严格校验（HN 评价比 Codex 更严） ✅ 成熟 ⚠️ 宽松
沙箱 ✅ 内置 sandbox seam + approval ⚠️ 依赖系统权限 ✅ 内置
headless 批量 ✅ 原生设计（无端口、stdout） ⚠️ -p 模式可用 ✅ -e 模式
生态成熟度 ⚠️ 发布 1 天，插件生态待验证 ✅ 成熟稳定 ✅ 成熟
中文支持 ✅ 官方中文文档 + Web UI 中文界面 ✅ ✅

2.2 dsh 相对优势（社区 + 实测）

2.3 已知批评（对抗性验证）

三、模型适配性（全部实测 ✅）

3.1 DeepSeek V4 Pro（原生适配器 dsh-llm-deepseek）

3.2 Kimi K3（实测 ✅）

3.3 GLM5.2（实测 ✅）

3.4 适配配置模板（实测可用）

llm-pi-ai:
  providers:
    zai:
      apiKeyEnv: GLM_API_KEY
      api: openai-completions
      baseURL: https://open.bigmodel.cn/api/coding/paas/v4
      models:
        - id: glm-5.2
    kimi:
      apiKeyEnv: KIMI_CODING_API_KEY
      api: openai-completions
      baseURL: https://api.kimi.com/coding/v1
      models:
        - id: kimi-k3

DeepSeek Harness 调研报告 — 内容 Part 2（战略分析）

四、现有项目适用性评估（哪些用它优于 CC/Hermes）

4.1 总览评分表

项目 适合度 首选工具组合 核心理由
① AI催收外呼（对话树） 5/5 ⭐ dsh 为主 + 自研验证脚本 + Hermes 编排 批量生成+全路径验证+合规留痕
② 保时捷金融问答（评测） 5/5 ⭐ dsh + Hermes（cron 回归） 原生多模型评测 runner
③ 品味提取基建 4/5 dsh 增强分析环节 + Hermes 调度 批量分析+1M上下文+可审计
④ Hermes 自进化体系 3/5（组合后 4/5） Hermes 为主，dsh 作执行器 dsh 无调度/无持久记忆
⑤ 家庭待办看板 1/5 维持现状 无常驻服务/无存储/无消息平台
⑥ 调研交付物 2/5 Hermes 为主 已有完整链路，无增量价值

4.2 为什么对话树是 5/5（第一性原理拆解）

对话树生成任务的本质 = "一次性、可脚本化、需要留痕、多模型"四象限任务： 1. 批量生成：D1-D7 七层逾期分级 × 多参数（逾期天数/金额/情绪/历史交互）→ headless 循环调用，prompt 模板 × 参数批量产出结构化 JSON/YAML 2. 全路径验证：对话树 = 状态机，生成后用脚本 DFS/BFS 穷举所有分支验证（无死胡同/无缺失意图/无循环/合规兜底全覆盖）——dsh 负责生成，脚本负责穷举，黄金分工 3. 1M 上下文：一次性载入全部存量话术 + 合规红线（消保法/禁用语）+ 历史质检报告作为生成约束 4. 可追溯留痕：催收强监管，每一版话术"哪个模型、哪次 prompt、哪条输入"全链路可回放——合规审计直接可用 5. 人工闸门：Web UI 让法务/运营可视化审校分支树，边看边改 prompt 重跑

4.3 为什么评测是 5/5

4.4 四类重点任务专项结论

任务类型 dsh 适配度 关键能力 落地形态
批量生成对话树+全路径验证 ★★★★★ headless 循环 + 1M 上下文 + 沙箱 dsh 生成 → 脚本穷举 → Web UI 审校
多模型评测 ★★★★★ 原生四模型 + 完整会话日志 headless 批量跑评测集 → 指标对比
可追溯审计 ★★★★★ 完整日志 + 沙箱 headless 审计批跑，日志作证据
批处理跑批 ★★★★☆ headless 一次性 + stdout 由 Hermes/cron/CI 触发，dsh 只执行

甜区 = 一次性、可脚本化、需要留痕、多模型。四类全命中。

五、能否代替 Hermes？（对抗性验证结论）

5.1 能力矩阵：dsh vs Hermes

能力 dsh Hermes 结论
消息平台接入（微信/企微/Discord/Telegram） ❌ 无 ✅ 多平台 gateway Hermes 独有
定时调度（cron） ⚠️ 仅 session-local schedule（会话存活期内） ✅ 全局 cron Hermes 独有
持久记忆（跨会话） ❌ 无记忆层 ✅ MEMORY/USER + 记忆治理 Hermes 独有
编码执行 ✅ 强（headless/web） ⚠️ 委派 CC dsh 更强
多模型评测 ✅ 强 ⚠️ 有限 dsh 更强
可追溯日志 ✅ 强 ⚠️ 有 session 但非全事件 dsh 更强
插件生态 ✅ 全插件热插拔 ⚠️ skills 系统 dsh 更强
消息触达用户 ❌ 无 ✅ 主动推送 Hermes 独有

5.2 结论：不能代替，但可以深度组合

dsh 无法代替 Hermes 的硬性原因：无消息平台、无全局调度、无持久记忆——这三个是 Hermes 作为"个人 AI 工作站中枢"的基石。dsh 是"执行型 agent"，Hermes 是"中枢型 agent"。

但 dsh 能补 Hermes 的三块短板： 1. 多模型原生评测：Hermes 评测要手动换 provider，dsh 一个工具内原生切换 2. 完整可追溯日志：Hermes session 是文本记录，dsh 是事件级留痕 3. headless 批量执行：Hermes 跑批要写脚本调 API，dsh 天然 headless

5.3 Hermes 如何吸收 dsh 特性增强自己（6 条具体路径）

  1. subagent 委派链：Hermes → dsh → (CC/Codex/Kimi/GLM/V4Pro) —— dsh 的 subagent 系统支持 codex/claude-code 后端，Hermes 可以把"批量生成+多模型对比"任务整体委派给 dsh，dsh 内部再自动调度子代理，Hermes 只做编排和结果验证
  2. 1M 上下文注入：Hermes 的"全量话术+合规红线"类任务，让 dsh 一次性载入，避免 Hermes 上下文碎片化
  3. 可追溯评测：Hermes cron 触发 dsh headless 跑评测集 → 日志留痕 → Hermes 解析结果入看板
  4. workflow 自组织：dsh 的 model-written workflow 脚本可编排多个子代理并行——Hermes 的 delegate_task 是静态的，dsh 的 workflow 是模型动态写的
  5. skills 互操作：dsh skills 与 Hermes skills 概念同构，可共享技能库
  6. schedule 补充：dsh session-local schedule 可作为 Hermes 全局 cron 的会话内补充（短时提醒类）

六、能否围绕它构建"信息/工具自组织自进化"应用？（第一性原理分析）

6.1 自进化体系的本质拆解

一个自进化体系需要 4 个支柱： 1. 持久记忆（跨会话累积）→ dsh ❌ 无记忆层，Hermes ✅ 有 2. 调度闭环（定期触发）→ dsh ⚠️ 仅 session-local，Hermes ✅ 全局 cron 3. 执行引擎（能做事）→ dsh ✅ 强（headless + 多模型 + workflow） 4. 反馈回路（结果回流改进）→ dsh ⚠️ 有 session 日志可回放，但无"结果→改进"自动闭环

结论：dsh 单独无法撑起自进化体系（缺 1/2/4），但它是理想的"执行引擎"层。

6.2 推荐架构：Hermes 中枢 + dsh 执行引擎（自进化增强版）

graph TB subgraph H["Hermes 中枢层
(记忆 + 调度 + 消息 + 治理)"] H1["cron 周日自进化批跑"] H2["记忆治理 MEMORY 读写"] H3["进化页生成 + 情报采集"] H4["消息平台网关
微信/企微/Discord"] end subgraph D["dsh 执行引擎层
(批量生成 + 评测 + 审计)"] D1["headless 批量任务
对话树/评测/分析"] D2["多模型切换
V4Pro / Flash / Kimi / GLM"] D3["workflow 自组织子代理"] D4["完整会话日志
可追溯证据"] end subgraph C["Claude Code 精工层
(复杂项目实现)"] C1["对话树 v9 全路径实现"] C2["评测体系代码"] C3["HTML 交付物构建"] end H -->|"cron 触发 + 结果回写"| D D -->|"高价值精工任务委派"| C D -->|"日志/评测结果回流"| H C -->|"实现产物交付"| H

三层分工：Hermes 管"知道什么"（记忆）+ "何时做"（调度）+ "如何触达"（消息）；dsh 管"批量做"（生成/评测/审计）+ "留痕"（日志）；CC 管"精工做"（复杂代码实现）。

6.3 结论：可以围绕"这套组合"构建自进化，不是围绕 dsh 单点

用户问"是否可以围绕他来构建一套可以驱动信息、工具自组织自进化的应用"——答案是： - 围绕 dsh 单点：不能（缺记忆/调度/反馈闭环） - 围绕 Hermes+dsh+CC 组合：能，且比现在更强（dsh 补上批量生成和多模型评测的执行力）

具体落地：Hermes 自进化体系的"情报采集→记忆治理→进化页生成"批跑中，把"批量分析/多模型对比/审计留痕"环节替换为 dsh headless 执行，日志作为进化证据入库。

七、建议落地路线（剃刀原理：先做收益最大的一步）

  1. 本周（9/1 试点前）：项目①用 dsh headless + V4 Pro 批量生成 D1-D7 话术骨架 → 自研全路径验证脚本 → Web UI 人工审校 → 产出合规留痕日志。这是收益最大、最紧迫的切入点
  2. 次周：项目②接入 dsh 做多模型评测 runner，与现有评测体系并行跑一轮对比验证指标一致性
  3. 后续：项目③④把 dsh 挂到 Hermes cron 下作执行器
  4. 治理红线：dsh 只在"一次性任务"形态使用，所有常驻/调度/记忆诉求留在 Hermes 侧；不用 dsh 替换 CC 做日常精工编码（成熟度风险）；生产关键链路等 dsh 正式版（当前 developer preview 会有破坏性变更）

八、风险与对抗性验证

风险 等级 应对
developer preview 破坏性变更 🔴 高 生产链路等正式版；试点项目用版本锁定
生态 1 天，插件质量未知 🔴 高 只用官方内置插件；社区插件审核后使用
1.5GB 构建体积 🟡 中 仅开发机安装，不部署到服务器
token 消耗高于直连 🟡 中 批量任务用 Flash 降本，Pro 只跑高价值
模型基准数据为社区非官方 🟡 中 以实测为准，不信宣传数字
与 CC/Hermes 定位重叠混乱 🟡 中 坚持三层分工治理红线

九、实测记录（对抗性验证：每项实测都独立核验）

实测项 结果 独立核验方式
dsh 安装（npm 全局） ✅ v0.1.0-rc.6 which dsh + --version
V4 Pro 单文件编码 ✅ fibonacci.py 完整实现 独立运行验证输出 55 ✅
V4 Pro 多文件项目 ✅ data_processor 三文件+CSV 清洗 独立运行统计正确 ✅
GLM5.2 适配 ✅ "GLM适配成功" 探测 /chat/completions 200 ✅
Kimi K3 适配 ✅ "适配成功" 探测端点 200 ✅
Web UI ✅ :3080 中文界面 curl 200 + 浏览器快照 ✅
会话日志 ✅ jsonl.zstd 全事件留痕 zstd 解压验证 ✅
Subagent 委派 ✅ 子代理建文件+主代理验证 独立运行 master_verify.py ✅
headless 批量 ✅ 无端口 stdout 输出 多任务循环调用 ✅

DeepSeek Harness 调研报告 — 内容 Part 3（版本动态 + 社区插件推荐）

十、版本演进与社区动态（2026-08-14 → 08-21 更新）

10.1 版本演进线

版本 发布时间 说明
0.1.0-rc.6 2026-08-13 首版 developer preview（首次调研时安装）
0.1.0-rc.7 2026-08-17 当前 latest（已升级实测 ✅）
0.1.0-rc.8 2026-08-19 当前 next（预览通道）

发布节奏：一周 3 个版本，迭代极快。生产使用建议锁定版本（npm install -g @deepseek-ai/dsh@0.1.0-rc.7），升级前看 release notes。

10.2 GitHub 社区爆发数据

指标 08-14（首轮调研） 08-21（本轮更新） 增幅
Stars 67,430 175,668 +108K（7 天 2.6 倍）
Forks 5,689 19,030 +13K
插件精选列表 无 1,743 个 / 21 分类 爆发式增长

判断：dsh 是过去一周 GitHub 上增长最快的 agent 项目之一，社区生态从"发布日冷启动"进入"插件井喷期"。

10.3 社区动态要点

十一、热门社区插件推荐（带图 + GitHub 地址）

安装方式：dsh plugin --profile web add <包名>（需 pnpm）。⚠️ 插件运行第三方代码，安装前检查源码；陌生插件在无密钥环境试用。

11.1 必装级（高价值 · 高可用 · 官方/社区验证）

🛒 dsh-market — 插件市场（实测安装成功 ✅ v1.15.0）

dsh-market 插件市场界面

🖥️ dsh-TUI — 终端 UI（Claude Code 风）（实测安装成功 ✅ v0.2.19）

🌐 dsh-browser — Chrome 浏览器控制（比 Playwright 快 20%）

dsh-browser 浏览器控制界面

🧩 DSH-better-sidebar — 侧边栏工作台

11.2 高价值插件（按场景）

🧠 dsh-context — 上下文洞察管理

👥 dsh-agent-teams — Agent 团队协作

🎨 zhu1090093659/dsh-web-ui — Web UI 插件与皮肤集

📊 AdamPlatin123/awesome-dsh-plugins — 插件雷达（Top 50 精选）

11.3 有意思的插件（趣味/尝鲜）

插件 GitHub 说明
DSH-Transparent-UI-Plugin https://github.com/WYH66666666/DSH-Transparent-UI-Plugin （346★） 玻璃质感磨砂主题
dsh-genui https://github.com/omdsh-dev/dsh-genui （272★） 对话内渲染交互 UI 组件（React 任务应用）
deepseek-harness-desktop-app https://github.com/vibeinging/deepseek-harness-desktop-app （607★） 本地桌面工作区（会话/项目）
dsh-desk-pet https://github.com/anneheartrecord/dsh-desk-pet macOS 桌宠，实时反映 agent 状态
dsh-sysmon https://github.com/AKS1st/dsh-sysmon 右下角 CPU/内存/磁盘实时悬浮窗
dsh-pomodoro https://github.com/causebefore/dsh-pomodoro 番茄钟专注计时器
dsh-effort-slider https://github.com/2768651338/dsh-effort-slider Claude Code 风格推理强度滑块（带 WebGL 火焰拖尾）

11.4 对用户的推荐结论（第一性原理）

结合用户现有工具栈（Hermes 编排 + CC 精工 + 对话树/评测批跑）：

优先级 插件 理由
P0 装 dsh-market 插件管理入口，一次装齐
P0 装 dsh-browser 网页自动化比 Playwright 快 20% 且保留登录态——Hermes 浏览器任务的潜在替代/补充
P1 装 dsh-agent-teams 多 agent 团队编排，直接服务"自组织"诉求
P1 装 dsh-context 1M 上下文管理，批量生成/评测场景刚需
P2 装 dsh-TUI / better-sidebar 交互体验升级，按个人偏好选

风险提示：以上 star 数据为 2026-08-21 快照；插件生态爆发期质量参差，生产项目（催收对话树）用插件前必须源码审查 + 无密钥环境试运行。