上周 AI 圈像过年一样，太热闹了！
先是 DeepSeek 接连几番炸场。
8 月 13 号，发布了 DeepSeek V4 Pro 正式版。
14 号，DeepSeek 自家的 Agent 产品也发出来了：DeepSeek Harness。
紧接着，智谱也官宣发布了 GLM-5.3。
再到 17 号，DeepSeek API 价格狠涨了几倍到十几倍不等。
不说测评了，这更新速度，看都看不完……
今天我们就来重点聊一聊大家最近都在谈的：DeepSeek Harness 。
可能有人要说：我丢，都出来一周了，热度都过了，你现在才来讲这个？
这里也统一回复下：我写文章，从来不为追热点而写，只写两类东西——我觉得真有价值的，和我认为是趋势的。热度会过去，价值不会。像 Harness 这种 Agent 运行框架，往后只会越来越重要。
再者是，从上周五开始，我一直在重构自己的网站，这几天是真没腾出时间来，这才拖到了现在。🥲
好了，废话不多说，码字不易，先帮忙点个收藏，我们开始进入正题。
先说 DeepSeek V4 Pro
在聊 DeepSeek Harness 之前，先简单说一下 DeepSeek V4 Pro 和这次涨价这事。
这次 DeepSeek V4 Pro 正式版主要增强了 Agent 能力，之前发的预览版最大短板就是 Agent、工具链式执行、软件工程任务，正式版重点补齐这一块。
同时支持Responses API 和 Codex 接入，且在 App、网页、API 三端已全面上线。（当然这个不是此次的升级重点，毕竟这些特性，早支持了）
Responses API 是 OpenAI 推出面向 Agent 智能体的新一代接口标准，现在 DeepSeek V4 它原生支持了 Responses API，意味着可以直接接入 Codex，不需要任何协议转换，接入流程比以前简单多了。
DeepSeek 涨价意味着什么？
8 月 17 号，DeepSeek 官宣了一轮不小的涨价。
涨价前：
涨价后：
V4 Pro 的缓存命中价格，从 0.025 元涨到高峰时段的 0.30 元，直接涨了 12 倍。
输出价格从 6 元涨到高峰的 27 元，涨了 4.5 倍。
这个价格，配合 DeepSeek V4 Pro 的性能，我只能说：曾经那个"价格屠夫"，吸引力一下子少了一大截。
要知道，DeepSeek 之前的护城河，说白了就俩字——便宜。同样的活儿，别人收费它打折，别人打折它白送，无数个人开发者和小团队把它当成"最便宜的主力模型"来用，图的就是一个性价比拉满。
但这次涨价之后，情况变了。
性能上，V4 Pro 确实冲进了第一梯队，可国内的 GLM-5.3、Qwen 3.8 Max 也不是吃素的，几家本来就挤在同一条水平线上，谁也没法把谁甩开。以前 DeepSeek 是"性能差不多，但价格是零头"，闭眼选它就行；现在价格优势一缩水，这个"闭眼选"的理由就不成立了。
甚至从综合性价比来讲，单看 API 调用，GLM 可能已经反超了。
那，DeepSeek 8 月 17 日全面涨价意味着什么？
我觉得，这件事不只是一家公司调价，是国内大模型行业的一个拐点信号。
首先，是算力供需已经扛不住低价模式，其次是行业竞争逻辑变了，从原来拼低价，转向拼价值，过去一年国内大模型打法：谁便宜谁抢开发者。现在逻辑变成了：模型能力优先，价格其次。
重点聊聊 DeepSeek Harness
DeepSeek Harness 这玩意到底是啥，如何理解？又该怎么使用呢？
接下来，就围绕这几个新手最关心的问题，展开聊聊。
可能很多新手会想，现在 AI Coding 类的 Agent，不都是喜欢叫 XXX Code 吗，比如Claude Code、OpenCode、Kimi Code。那为啥 DeepSeek 自家的不叫 DeepSeek Code，而是 DeepSeek Harness。
这是因为，DeepSeek Harness 的定位，本来就不是专门为 AI Coding 来打造的。
正如，LangChain 之前在聊 Agent Harness 的时候提出来的，一条很重要的公式：
Agent = Model + Harness。
一个好的 Agent，必然是由 Harness 和模型一起构成的。（这条公式，在 DeepSeek 官网也提到了）
可能很多新手到现在还搞不懂，到底什么是 Harness，简单来说，咱们用的 Claude Code、Codex、Workbuddy、ZCode 这些，本质上都是 Harness，要跟模型比如 Claude Fable 5、GPT 5.6-Sol、GLM-5.3 这些搭配起来用才行，要不然就是个空壳子。
而一个 Harness 的内部构成，其实相当复杂。
工具、Skill 系统、会话管理、沙箱隔离、存储、Agent 循环、子 Agent、调度、工作流……一整套东西，缺一不可。
它们之间的关系，画成图大概是这样：
flowchart TB
U["👤 用户输入"] --> SM["🗂️ 会话管理"]
SM --> LOOP
subgraph LOOP["🔁 Agent 循环（核心引擎）"]
direction LR
T1["🧠 思考<br>模型决策下一步"] --> T2["⚡ 行动<br>调用能力执行"] --> T3["👁️ 观察<br>收集执行结果"] --> T1
end
LOOP -->|"需要干活"| TOOLS["🛠️ 工具<br>文件 / Shell / 搜索"]
LOOP -->|"需要经验"| SKILLS["🎯 Skill 系统"]
LOOP -->|"任务太大，拆出去"| SUB["🤖 子 Agent"]
TOOLS --> SANDBOX["📦 沙箱隔离<br>执行环境安全区"]
SUB --> SCHED["📅 调度"]
SCHED --> WF["🔗 工作流"]
SM --> ST["💾 存储"]
SANDBOX --> ST
WF --> ST
classDef user fill:#e3f2fd,stroke:#1976d2,color:#0d47a1
classDef core fill:#fff3e0,stroke:#f57c00,color:#e65100
classDef cap fill:#f3e5f5,stroke:#7b1fa2,color:#4a148c
classDef infra fill:#e8f5e9,stroke:#388e3c,color:#1b5e20
class U,SM user
class T1,T2,T3 core
class TOOLS,SKILLS,SUB cap
class SANDBOX,SCHED,WF,ST infra
在过去，这一切几乎都是厂商替你做好的，所有组件被封装进一个软件的"壳"里，比如 Claude Code、Codex。
你用的，本质上是一个成品。内部构造全部藏在幕后，普通用户看不到，也不需要看到。
普通用户真正能动手的地方，无非就是 Skill、MCP 这些。至于壳里面的东西，全部是厂商提前封装好的——你改不了，一般也不会想着去改。
打个比方：过去的 Harness 是精装房，拎包入住，体验很好，但墙你不能拆，格局你不能动。
而如今，DeepSeek Harness 直接把这些组件全部拆成了独立的插件。开发者不需要改动 Harness 的源码，就能自由选择、替换、扩展其中任何一项能力。
简单来说，Harness 中的一切，你全部都可以自定义。
这也是 DeepSeek 官方强调的 Harness 设计原则：一切皆插件。
官方网址在此：
https://www.deepseek.com/harness/
DeepSeek Harness 其实真正的核心只有一个东西，叫 Cordis 的内核，这个内核可以在 Agent 运行的过程中，随时更换插件，还能保证 Agent 运行状态不崩。
简单来说，Cordis 这个内核只负责插件的加载、卸载和依赖管理，其他的什么都不管。
所以，现在你应该知道，DeepSeek 为啥叫 Harness，因为它的定位，就是做一个 Harness 基建系统，而并非一个单纯的 AI Coding。
通过一套基建，或者说，通过这套一切皆插件的设计理念，让全世界开发者都能一起参与进来，一起插拔，一起做各种各样的插件出来，丰富整个 DeepSeek Harness 的生态，从而构建出一个 AI 时代的新底座，同时又能完成 Agent 的自进化。
值得一提的是，DeepSeek Harness 开源后，成为了截止目前 Github 上有史以来 star 增涨最快的开源项目，截止到我写完文，它在 Github 上到了 15w+ 的 Star。
项目地址：
https://github.com/deepseek-ai/deepseek-harness
聊完了，它是什么，它的设计理念，对于普通用户来讲，最关心的还是如何使用它，接下来，我们就来从 0 到 1，在本地环境安装搭建 DeepSeek Harness。
第一步：环境准备
你的电脑上需要先装好 Node.js。打开终端，输入：
node --version
看到版本号就说明装好了。如果没装，去 https://nodejs.org/zh-cn/download 下载 LTS 版本安装即可。
第二步：安装 DSH
Node.js 就绪后，全局安装 DeepSeek Harness：
npm install -g @deepseek-ai/dsh
装完之后，验证一下是否成功：
dsh --version
看到版本号就说明安装完成
如果你只是想临时用用，也可以选择利用 npx 命令在线启动：
npx @deepseek-ai/dsh web
如果你是一名技术从业者，考虑后续需要定制，可以直接选择源码安装
git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web
如果你是外行，看不懂上述命令，不知道咋运行，那就把上述的命令随便扔给任何一个你的本地 Agent 产品（Codex、WorkBuddy），让它帮你装。
第三步：启动服务
输入以下命令启动：
dsh web
服务会在本地启动，浏览器会自动打开 http://127.0.0.1:3080。如果没有自动跳转，手动在浏览器地址栏输入这个地址即可。
第四步：首次配置
第一次打开界面，会弹出一个内测声明。Harness 目前还在快速迭代，接口和功能随时可能调整，点击"继续"进入主界面。
点击继续后，第一次运行会让你填上你的 DeepSeek API，你去官网搞一个就行，记得充一点钱。
如果没有 API Key，需要先去 API 开放平台官网: https://platform.deepseek.com/ 注册并创建。
将创建的 API KEY 复制粘贴到 DeepSeek Harness 中，就可以进入到首页了。
第五步：选择模式
配置完成后，点击左侧的"新会话"按钮，进入对话界面。
创建一个目录 DeepSeekProjects 作为工作区：
mkdir DeepSeekHarnessProjects
新建会话时可以选择运行模式，DeepSeek Harness 目前内置了四种运行模式，这也是普通用户最难理解的，大家搞得最懵逼的东西。
先说结论：这四种运行模式，不是绝对的，你可以理解为，这就是 DeepSeek 官方给我们默认预设了几种模板，对，就是纯粹的模板，方便你开箱即用的，你也可以自定义新的模式。
我简单的说一下内置四种模式的区别。
标准模式
作为新手首选模式，如果你是第一次使用，或者对底层机制没有那么了解的话，无脑选择标准模式就可以了，标准模式下拥有完整的代码 Agent 能力，包括文件读取与编辑、Shell、文件搜索、网页搜索、Skills、计划、目标、后台任务、子 Agent 和工作流等，开箱即用。
PTC 模式
PTC 模式拥有标准模式的全部能力，区别主要在于工具呈现方式上。
标准模式里，模型通常发起一次工具调用，拿到结果，再决定下一步。PTC 模式会给模型一套 Code Mode SDK，让模型写一段 TypeScript 程序，在一次run_code里组合多个工具操作。
那这有啥用呢？
通俗来解释的话，就是原来可能需要五次模型往返的读取、搜索、筛选、并行调用和结果整理，有机会被压进一次程序执行，这会减少模型与工具之间来回对话的次数，节约 Token。
当然，它依赖较强代码规划能力，调试难度更高；小白用户先别急着碰，就用标准模式就行。建议用熟悉了或者遇到大量重复调用场景再切换。
极简模式
极简模式看这个名称就懂了，该模式下仅保留了持久 Bash 与文件编辑器的能力。
这个模式主要用于最小环境下的模型基准测试。
就比如你想比较两个模型裸 Agent 能力时，就用它。但该模式不适合日常开发。
创造模式
同样具备标准模式的全部能力，但它多做了一件事：能检查自己正在运行的 Cordis 环境，在内存中试验插件，帮你创建新的 Agent 和插件。
说白了，它能让 Agent 直接改造自己。
比如，你可以让它"捏"一个全新的 Agent 出来：
“帮我做一个只允许读代码、不允许改任何文件，专门负责代码审计的 Agent。”
也可以捏一个贴着你工作流的。比如你是做测试的：
“帮我做一个接入公司 Jira、能读需求、能提交 Bug，但碰不了其他任何东西的测试助理 Agent。”
但这两条，还只是"造别的 Agent"。创造模式真正魔幻的地方，是第三个玩法——改造它自己。
比如你让它跑一个接口压测，它会先检查自己身上有没有压测插件。发现没有，它不会回你一句"抱歉，我做不到"，而是当场写一个压测插件，挂到自己身上，接着把活儿干完。
整个过程，你只说了一句话。
用一个比喻来说，就是 Agent 发现自己没有扳手，于是现场造了一把扳手，插到自己手上，接着用这把扳手继续干活。
这个才是 DeepSeek Harness 最特别的地方，也是 Cordis 内核最棒的体现。
第六步：开启对话
选择好模式后，在输入框里输入你的需求，就能开始和 DeepSeek 的 Agent 对话了。
比如我问它：你认为DeeSeek harness 设计理念好吗，好在哪，只能说三点
另外，DeepSeek Harness 还提供了一个轨迹功能，可以按来源查看每一次运行，对开发者来说，这意味着可观测、可审计、可复现，非常适合做研究。
第七步：使用插件
前面提到了，DeepSeek Harness 最重要的设计原则是：一切皆插件。
插件，有两种玩法：
- 一个是，自己造插件，好处在于，方便理解 Harness 怎样注册工具插件的，适合学习用途。
- 另一个则是，安装别人写好的插件，拿来即用，适合日常使用。
本篇教程因为主要是面向新手，因此就不讲如何自己造插件了，其实也不难。
日常使用的话，DeepSeek Harness 有些功能，如果无法满足使用需求的话，我们可以直接用大佬们做好的插件。
官方社区目前收录了很多插件：
https://github.com/topics/dsh-plugin
比如，我挑一个一键更换 DeepSeek Harness 皮肤的插件: dsh-web-ui
安装也很简单，一条命令装齐：
dsh plugin --profile web add @linxin666/dsh-web-ui-all
装完重启 dsh web，打开「设置 > 插件配置」按需开关插件，或在皮肤中心试穿皮肤。
还有其他更多好玩的插件，大家可自行安装体验。
第八步：接入第三方模型
上面已经讲过了，在 DeepSeek Harness 中，一切皆插件，什么都可以更换，模型当然也能换，如果你想在 DeepSeek Harness 接入其他厂商模型，完全是可以的。
这里我就以 GLM-5.3 为例。
演示，如何在已有的 DeepSeek Harness（简称 DSH）里接入第三方模型。
1）打开 DSH 的 Web 界面，点击左下角的「设置」按钮，进入「模型」标签页，点击「添加提供方」。
2）「模型提供方」列表中已经内置了几十家国内外主流厂商模型可自由选择，此处我们选择
模型提供方为 zai-coding-cn，然后到 智谱开放平台（https://bigmodel.cn/apikey/platform）获取你的 API Key 填进去就行。
3）展开自定义设置，点击「获取可用模型」。不过因为 GLM-5.3 太新了，默认不会被自动拉取到。
所以如果你需要使用 glm-5.3 模型，需要手动点击「添加模型」，填入 glm-5.3，然后保存。
4）配置好了之后，就可以在对话框中选择并使用 GLM-5.3 模型了
用同样的方法可以继续把你的 GPT、Claude、 Kimi 等模型添加进来。
写在最后
DeepSeek Harness 只是个起点。接下来真正值得关注的，是 “一切皆插件” 能否形成一套行业足够稳定的开发标准，以及它是会长成 DeepSeek 自己的 Coding 产品，还是会成为更多 Agent 产品共同采用的底层 Harness。
总之，这个 Hanress 的其他有趣的地方，就交给大家去探索了。
需要注意，目前放出来的，DeepSeek Harness 还只是开发者预览版，通俗来说，就是专门面向开发者放出的早期测试版本，普通用户也可以刷，但不并建议作为日常主力用。