2026年8月13日，DeepSeek正式发布并开源智能体框架DeepSeek Harness（简称dsh），开发者预览版同步登陆GitHub。这款以“一切皆插件”为核心设计的产品，不止是一个编程助手，更是一套可自由组装的智能体运行体系，从底层重构了Agent的构建逻辑。
一、产品全貌：一套可自由拼装的智能体运行框架
1.1 产品定位：给大模型装上“可定制的身体”
DeepSeek官方给出了清晰的定义：Agent = Model + Harness。
如果大模型是AI的“大脑”，负责推理与决策，Harness就是AI的“身体与神经系统”。它负责调度工具、管理上下文、执行任务、处理反馈，让抽象的模型能力落地到真实的编程与办公场景中。
产品定位上类似Claude Code，但走了更＊＊的开放路线。它不只是固定功能的编程助手，而是一个可无限扩展的智能体运行时，普通用户可以开箱即用，专业用户也能像搭乐高一样自由改造。
1.2 核心理念：一切皆插件
这是DeepSeek Harness＊＊颠覆性的设计原则。
传统软件的核心逻辑是固化的，用户只能在预留的少数接口上做有限定制。而在Harness中，从模型接入、工具注册表、会话日志、审批策略，到驱动智能体运转的主循环本身，所有组件全部都是插件。
这种设计带来三个核心价值。
＊＊个价值是可任意替换。更换搜索引擎、接入内部模型、调整审批规则，只需要修改配置，不用改动框架源码。
第二个价值是扩展无残留。新增功能只需挂载新插件，卸载时所有注册能力自动撤销，不会留下冗余内容。
第三个价值是可场景化组装。企业可以按合规需求裁剪工具，个人可以按习惯调整功能，共用同一套底层框架。
内测阶段已经涌现出大量第三方插件，包括各类主题皮肤、进度条、小游戏、表情包等，全部无需官方授权即可实现。
1.3 四种官方预设模式
框架内置四套官方预设模式，每套对应一组插件组合，适配不同使用场景。
标准模式是默认配置，具备功能完整的编程智能体能力，包含文件编辑、Shell命令、检索、技能、计划、子代理等全量功能，适合绝大多数普通用户。
PTC模式全称程序化工具调用，保留标准模式的全部能力，但工具调用逻辑不同。模型会生成一段代码来组合多轮工具操作，而非逐次发起调用。任务步骤越多、中间数据量越大，效率优势越明显，上下文消耗也更低。
极简模式只保留持久终端和文本编辑两个工具，系统提示词高度精简，不加载上下文压缩逻辑，适合基准测试、教学演示，或是偏好极简操作的用户。
创造模式用来生成自定义Agent预设。用户可以用自然语言提出需求，比如“创建一个只读的代码审查模式”，智能体会自动起草配置、挂载验证并保存为新模式。该模式信任等级等同于Shell权限，仅建议在受信任环境中使用。
四类官方预设为只读状态，用户可复制后修改生成自定义模式，效果与官方预设完全等价。需要注意的是，会话产生内容后不可切换模式，避免工具集差异导致历史调用记录无法解释。
1.4 内置工具与任务管理
框架自带完整的编程工具集，覆盖日常开发全流程，同时配套了精细化的任务管理机制。
文件操作支持读取、修改、写入工作区文件，也能读取图片输入给视觉模型；检索能力内置ripgrep引擎，支持文件名匹配和全文检索，无需额外安装。
命令执行可运行任意终端指令，支持后台运行；持久终端支持真实PTY交互，保持会话状态；代码语义查询接入LSP语言服务器，可实现定义跳转、引用查找。
网络能力支持网页搜索与内容抓取，搜索引擎支持自行配置更换。
三个工程化设计尤其用心：先读后写策略强制智能体修改文件前必须先读取内容；结果落盘机制会将超长搜索结果自动存入磁盘，避免内容截断；通用后台体系可统一管理命令、终端、子代理三类后台任务。
任务管理层面，智能体可根据要求先输出方案，用户批准后再执行；长任务会自动拆解为可勾选的清单逐项推进；遇到需要决策的节点，会自动暂停并抛出选项，等待用户反馈后继续。
1.5 多智能体协作体系
框架支持完整的多智能体协作能力，主智能体可拆分任务、分派给子智能体并统一管理。
subagent是可续跑的后台子代理，默认在后台独立执行，完成后结果自动返回父会话，执行中途也支持交互。
subagent_fork是一次性子代理，继承当前上下文启动，任务完成后即终止，适合拆分小型就近任务。
工作流引擎通过脚本确定性编排多个子代理，执行顺序、并行关系、汇总规则全部固定，不依赖模型临场决策，适合迁移、审计、批量改造等标准化流程任务。
Ralph循环是特殊执行模式：每轮启动全新子代理执行同一目标，且不带入上一轮上下文，直到目标达成，适合反复调试类场景，比如修复测试用例。
1.6 生态兼容能力
框架具备完善的生态适配能力，可无缝接入大量现有工具与协议。
支持Model Context Protocol协议，所有MCP服务器都可直接接入，接入后的工具和内置工具走同一套执行流水线，同等受审批、沙箱规则约束。
内置Hooks桥，原本为Claude Code、Codex编写的钩子脚本可以直接复用，无需重写；同时内置ACP服务端，支持ACP协议的编辑器可直接将Harness作为后端使用。
支持Skills技能包体系，可打包任务指令与配套资源，支持自建私有技能库；内置定时任务能力，支持延时、定时、固定间隔三种触发模式。
模型接入层兼容所有OpenAI格式接口，除DeepSeek官方模型外，也可接入企业自建推理服务或其他厂商模型。
1.7 五种使用形态
DeepSeek Harness提供五种使用形态，覆盖不同用户与场景需求。
Web UI通过浏览器访问本地地址即可使用，支持完整的对话、审批、模式切换等操作，是最通用的使用方式。
Headless CLI为无界面模式，执行单个任务后直接退出，适合集成到CI/CD流程与自动化脚本。
Python SDK自带打包运行时，提供高层轮次API与底层JSON-RPC客户端，适合Python技术栈开发者集成。
TypeScript SDK提供完整的协议、服务端与客户端实现，适合需要深度定制集成的团队。
ACP自动化协议服务器面向编辑器与工具链厂商，用于对接各类开发工具。
二、技术原理：插件化架构的底层逻辑
2.1 架构基石：Cordis元框架
DeepSeek Harness的底层，是具备时空可组合性的Cordis插件系统。
Cordis是一个元框架，本身不提供任何业务功能，只负责三件事：插件的加载与卸载、依赖关系管理、服务与事件的分发。
打个比方，Cordis就像标准插座面板，只提供统一的接口规范，每个插件都是独立的电器，可自由插拔、自由组合。
技术实现上，所有插件向Cordis上下文注册自身提供的服务与事件，同时消费其他插件的能力。整个系统没有“特权核心”，所有组件地位完全平等，理论上都可以被替换。
2.2 分层组装机制
运行中的dsh本质是一棵插件树，由三层配置按固定顺序叠加而成，上层配置始终覆盖下层。
＊＊层是Bundle组合包，即官方发布的成套插件配置，是框架的基础层。
中间层是Profile配置文件，即用户设备上的具名组装清单，定义了堆叠的组合包与额外安装的插件。
最上层是Patch补丁层，即用户的自定义覆盖配置，可以精准定位到任意一个插件条目进行替换。
这套机制让用户不用修改官方源码，仅通过配置就能定制框架的任意部分。
2.3 能力接缝三分离
框架的每一种能力，都拆分为服务定义、提供方、消费方三个独立角色，实现接口与实现的完全解耦。
服务定义负责制定接口规范，相当于统一的API契约；提供方负责具体的功能实现，同一种能力可以有多种实现方案；消费方负责调用能力完成业务逻辑。
三者相互独立，上层业务看到的接口始终不变。底层更换搜索引擎、切换模型厂商、替换存储方案，都不会影响上层业务逻辑。
2.4 仅追加的会话日志
每个会话对应一份仅追加的事件日志，会话中所有操作全部按顺序写入，只增不改。
日志内容覆盖全链路：用户输入、模型输出、工具调用与结果、系统提示词、思维链、子代理调度等等。
这份日志是众多高级功能的基础。它支持会话恢复，进程重启后可从断点继续；支持上下文压缩，超出窗口时自动精简早期内容；支持跨会话检索，智能体可查询自身历史记录；同时支撑会话分叉、轨迹回放、调试溯源等能力。
2.5 Code Mode：用程序压缩工具调用
Code Mode是PTC模式的核心技术，解决了传统逐轮工具调用效率低、耗上下文的问题。
常规工具调用采用“调用一次、等一次结果、再决策下一步”的模式，步骤越多，往返次数越多，上下文占用越大。
Code Mode将全部工具封装为一套TypeScript SDK，模型通过 run_code 工具提交一段程序，在程序内直接调用各类工具，支持循环、条件判断、并发执行、结果过滤。只有程序最终的输出会进入模型上下文，中间过程完全不占用上下文空间。
安全性并未因此打折扣。程序内的每一次工具调用，都会完整走一遍执行流水线，审批、沙箱、超时、日志记录全部照常生效。
2.6 多层安全防护体系
框架构建了完整的安全治理体系，从多个维度控制风险。
进程沙箱提供三档隔离级别：只读模式、工作区可写模式、完全放开模式。三大桌面平台均采用系统原生隔离机制，且沙箱后端会如实上报隔离覆盖程度，不虚报安全边界。
审批与权限体系支持分级管控，文件修改、风险命令执行等操作会主动向用户申请批准，用户可整体调整权限宽严程度。
内置两个自动守卫插件：循环卫生检测用于识别并打断智能体的重复无效操作，工具超时机制用于强制终止超时的工具调用。
隐私层面，API密钥等敏感信息通过独立通道传递，不会写入会话日志；会话数据默认保存在本地，遥测功能需用户显式开启。
2.7 运行时自我修改能力
框架支持自我修改特性，开启后智能体可以检查并热挂载自身运行时的插件。
创造模式就是基于这一能力搭建的，智能体可以在内存中试验插件配置、生成新的预设模式，无需重启进程即可生效。
三、行业定位：智能体赛道的开源新变量
3.1 行业背景：从模型竞赛转向工程落地
2026年的AI行业，正在经历一场清晰的范式转移。
过去几年，行业竞争集中在模型参数、基准测试跑分上，但随着头部大模型基础性能快速趋同，单轮推理的精度差距持续收窄。
行业竞争的主战场，已经从“底层模型比拼”转向“落地能力与工程体系的较量”。其中代码智能体是＊＊跑通商业化的Agent场景，用户愿意为能真正执行工程任务的智能体支付高额订阅费，赛道价值已经得到验证。
3.2 DeepSeek的战略升级
在此之前，DeepSeek的核心标签是硬核模型厂商，以高性价比推理服务与出色的代码能力著称。
Harness的发布，标志着DeepSeek从单一的基础模型供给者，正式转向全链路AI工作流解决方案提供商。
这一布局有两层战略价值：一是向上延伸生态，通过框架锁定开发者群体，摆脱单纯的Token价格战；二是构建差异化壁垒，在模型性能趋同的背景下，用工程化能力与开源生态拉开竞争差距。
3.3 填补国产自主可控空白
海外闭源编程智能体存在数据出境与安全合规风险，金融、政务、能源等敏感行业无法直接使用。
DeepSeek Harness作为国产开源框架，代码完全透明、数据默认留存本地、支持全私有化部署，恰好填补了这一市场空白。
它不仅是一个技术产品，也是国产AI基础设施的重要组成部分。
3.4 差异化的市场定位
当前智能体产品主要分为两个流派。
一类是以Claude Code为代表的闭源商业产品，开箱体验好、产品成熟度高，但定制能力有限，且强绑定自有模型。
另一类是以LangChain为代表的开源框架，灵活度高但上手门槛高，缺少开箱即用的完整产品形态。
DeepSeek Harness走了第三条路线：兼顾开箱即用的产品体验与＊＊开放的定制能力，普通用户可直接上手，企业与高级开发者也可深度改造，定位在当前市场中具备独特性。
四、主流竞品深度对比
4.1 Claude Code
Claude Code是Anthropic推出的命令行编程智能体，也是当前编程Agent领域的标杆产品。
它的优势非常明显：产品成熟度高、模型能力强、开箱体验完善，是面向终端用户的标准化成品工具。
但它也有明显局限：完全闭源，强绑定Claude系列模型，定制能力局限在有限的钩子脚本，数据需要经过厂商服务器流转。
和DeepSeek Harness的核心差异在于：前者是标准化的成品工具，追求＊＊开箱体验；后者是可生产工具的工作台，追求＊＊化的灵活度与定制能力。
4.2 LangChain / LangGraph
LangChain是全球知名度＊＊的开源Agent框架，配套的LangGraph负责图状态机工作流编排。
它的生态最庞大，集成了数百种工具与模型，开发者社区成熟，生产落地案例丰富。
但它本质是开发库，需要开发者自行拼装组件、编写大量业务代码，没有开箱即用的终端产品，学习曲线陡峭，更偏向专业研发场景。
两者的核心差异是：前者是“积木包”，需要用户从零搭建；后者是“成品主机+可插拔配件”，装好就能用，也可自行升级改造。
4.3 Cline（原Claude Dev）
Cline是VS Code生态中＊＊＊的开源编程Agent插件，前身是Claude Dev。
它的优势是深度集成编辑器界面，开发者无需切换工具即可使用，上手成本极低。
但它绑定VS Code生态，跨场景能力弱，多智能体协作与深度定制能力有限，核心定位是编辑器内的辅助工具。
两者的核心差异是：前者是IDE内的功能插件，聚焦编辑场景；后者是独立的智能体运行时，支持多种形态，适用场景更广泛。
4.4 CrewAI / AutoGen
CrewAI与AutoGen是主打多角色协作的开源智能体框架。
这类框架的核心是角色化分工，通过定义不同职责的Agent完成流程化任务，在业务流程自动化场景应用较多。
但它们的工具执行能力偏弱，深度编程场景的工程化成熟度不足，更偏向业务流程编排而非重度研发场景。
两者的核心差异是：前者的核心是“角色分工”，横向扩展协作角色；后者的核心是“架构可插拔”，纵向深化定制能力。
五、核心优势与未来展望
5.1 五大核心优势
DeepSeek Harness的核心竞争力，来自架构、生态、定位等多个维度的叠加。
＊＊是＊＊的插件化架构。连智能体主循环都可替换的设计，在当前同类产品中处于独一档。随着生态繁荣，可组合的智能体形态会趋近于无限。
第二是开源开放的生态策略。产品完全开源，代码透明可审计，企业可自由二次开发，在定制化与数据安全上具备天然优势。
第三是模型中立的设计。不强制绑定自有模型，兼容所有OpenAI格式接口。企业可通过一套框架统一管理多厂商模型，按需选择＊＊方案。
第四是扎实的工程质量。源码实现逐文件100%单元测试覆盖，配套快照回放测试、端到端测试、代码克隆检测、文档同步检查等多重质量门禁，工程严谨度在开源项目中处于＊＊梯队。
第五是天然的合规适配能力。数据默认留存本地，支持全私有化部署，适配国内企业的数据安全与合规要求，是敏感行业落地智能体的优质选型。
5.2 未来发展路径
从当前的v0.1开发者预览版出发，DeepSeek Harness的发展会分为三个阶段。
短期是生态快速扩张期。未来半年的核心目标是稳定API、完善开发文档、培育插件生态。凭借DeepSeek已有的开发者基础，有望快速形成＊＊批标杆插件，跑出典型应用场景。
中期是企业级落地期。随着框架成熟度提升，大中型企业会逐步启动私有化落地。插件化架构天然适配企业分级管理需求，不同部门可按合规要求组装专属工具集，金融、制造、互联网研发将是率先规模化落地的行业。
长期是通用智能体操作系统。如果插件生态真正繁荣，Harness的边界会突破编程场景，覆盖办公自动化、运维监控、数据分析、客户服务等更多领域，最终从编程Agent框架进化为通用的智能体操作系统。
5.3 潜在挑战
与此同时，产品也面临几方面的现实挑战。
一是产品成熟度仍需打磨。作为刚发布的预览版本，在稳定性、普通用户体验上还有持续优化的空间。
二是插件生态培育需要周期。全插件架构的价值高度依赖生态繁荣度，开发者社区的建设需要时间沉淀。
三是用户认知门槛偏高。“一切皆插件”的理念先进，但也提高了普通用户的理解成本，需要更友好的产品引导降低上手难度。
四是赛道竞争会持续加剧。如果插件化路线被市场验证可行，头部厂商大概率会跟进类似设计，后续的生态竞争会更加激烈。
结语
DeepSeek Harness的发布，为智能体赛道提供了一种全新的构建思路。它没有把智能体做成一个功能固定的成品，而是做成了一套可生长、可进化的开放体系。
在大模型能力逐渐同质化的今天，真正决定智能体上限的，早已不是单轮推理的分数，而是工程架构的灵活性和生态体系的丰富度。Harness交出的“全插件化”答卷，或许正是智能体下一阶段发展的重要方向。