DeepSeek Harness深度评测：Agent时代的安卓系统如何重塑AI开发

深度体验DeepSeek Harness：Agent时代的安卓系统如何重塑AI开发

DeepSeek Harness（简称DSH）终于发布并开源了。作为内测用户，我体验了近半个月，几乎将所有Vibe Coding项目从Codex迁移到了这个被戏称为“黑鲸”的框架上。深度使用后，我最大的感受是：这是一套彻头彻尾为“自进化”和“DIY”而生的马鞍。

初识DSH：安装与界面

官方提供了两种安装方式：快速体验可通过npx命令启动Web UI，源码安装则需克隆GitHub仓库。启动后，浏览器会打开一个与DeepSeek网页版相似的界面，但对话列表变成了本地项目管理列表。使用前需填写模型API Key，支持接入其他模型。

开启会话前，需选择工作目录和Agent预设。官方提供四类预设：标准模式（功能完整）、PTC模式（额外提供Code Mode SDK）、极简模式（仅保留基础工具）、创造模式（用于自定义预设）。这种设计体现了DSH的极客精神——一切皆可定制。

核心亮点：轨迹功能与主动澄清

DSH的“轨迹”功能让我印象深刻。它能实时监控Agent的原始事件级记录，回放会话内部细节，帮助用户理解模型决策过程，甚至能查看每个环节的Token消耗。这解决了传统Chat摘要黑盒化的问题。

另一个贴心设计是，当用户指令不明确时，DSH会主动发起提问，提供建议选项，而不是盲目执行。这种“头脑风暴”模式节省了大量沟通成本，与Codex的“自信”形成鲜明对比。

实测对比：DSH vs Codex

我使用同一模型（V4 Flash）分别通过DSH和Codex运行了几个demo。在“鹈鹕自行车”测试中，两者差异不大；但在“猪八戒3D白模”任务中，DSH生成了更逼真的模型，而Codex的产物则显得粗糙。原因在于DSH的长程任务能力更强——它能持续运行20分钟而不返工，而Codex仅6分钟就草草交付。

社区反馈也印证了这一点：有用户让DSH连续运行10小时完成复杂任务。我自己体验了第一人称射击游戏生成，仅用一句语音指令，DSH便自主完成了所有功能。

架构解析：Cordis——一切皆插件

DSH的底层架构基于Cordis，一个类似乐高底板的插件系统。它将Agent框架拆解为独立插件，各司其职，避免重复造轮子。开发者可以按规则编写新插件，直接插入底板，或替换现有插件。这种AI-Native设计思路，与Codex的闭源哲学（Rust单体核心+外部挂件）截然不同。

DSH的插件生态已初具规模：官方内置超百个插件，社区也贡献了TUI皮肤、QQ风界面等创意插件。更关键的是，DSH提供了插件开发教程和魔改Skill，鼓励用户参与生态建设。

自进化路线：从插件到智能上限

DSH团队的目标是构建开放、可组合的基础设施，探索智能上限。通过Cordis协议，模型能在任务中自主编写并安装插件，实现自进化。结合用户生态，从海量Agent实例中筛选优质插件并融入主线，这为AI自进化提供了可落地的路径。

尽管对普通用户而言，插件生态的益处尚不明显，但对极客开发者来说，DSH提供了前所未有的定制空间。正如社区所言：“欢迎，为后人种点树。”

结语

DeepSeek Harness不仅是工具，更是一种理念。它用开放对抗封闭，用插件对抗单体，用生态对抗垄断。在Agent时代，DSH或许就是那个“安卓”，让每个开发者都能成为AI进化的推动者。