DeepSeek Harness 原生 Agent 框架首发深度评测：从安装到实战，3 小时压测全记录
DeepSeek 这次玩了个大的。梁圣上午刚发 V4 Pro 正式版，晚上 Harness 就跟进了。模型和编排框架同日上线，这节奏确实不给人留缓冲期。
我花 3 小时把 DeepSeek Harness 从头到尾跑了一遍，以下是实测报告。
一、快速上手指南
安装命令很直接，通过 npm 官方包即可获取：
npm install @deepseek-ai/dsh
实测安装版本为 0.1.0-rc.6。安装完成后，可通过以下命令验证：
dsh --help
dsh --profile headless "your task"
dsh web
dsh web 会启动 Web UI，浏览器中即可访问图形化界面。
二、核心功能架构解析
Harness 的定位很清晰——一套完整的 Agent 执行框架。从功能模块来看，它覆盖了 Agent 落地的全部核心能力：
-
文件系统操作：读取和修改工作区文件 -
命令执行：在沙箱环境中运行 Shell 命令 -
网络检索：搜索网页、调用外部工具 -
Skills 管理：可插拔的技能扩展机制 -
任务编排：计划管理、上下文维护、多子代理协同 -
会话与权限：会话追踪、权限控制、运行轨迹记录
界面设计走的是极简路线，但功能入口一个不少。
三、四种运行模式：该选哪个？
这是 Harness 最有意思的设计——四种模式覆盖了从通用到专用的全部场景：
|
|
|
|
|---|---|---|
| 标准模式 |
|
|
| PTC 模式 |
|
|
| 极简模式 |
|
|
| 创造模式 |
|
|
官方反复强调的设计理念是「一切皆插件」——模型、工具、Skills、会话、文件系统、沙箱、多 Agent 协作，甚至 UI 本身都可以拆开重组。比如你可以通过插件给 Harness 加一个任务进度面板，运行时直接显示在界面里，不用时随时停用。
这套架构的扩展性值得后续单独深挖。
四、实测 Case 1：3D 黑洞引力模拟器
统一使用 DeepSeek V4 Pro 模型，接入 Claude Harness、DeepSeek Harness 和 Hermes Harness 进行横向对比。
结果汇总：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
这个 Case 的关键结论是：Harness 本身对模型任务执行的影响显著。同样的模型、不同的编排框架，输出质量存在实质差异。
DeepSeek Harness 在速度上与 Claude 还有差距，但效果基本持平。考虑到当前还是预览版，这个表现已经超出预期。
五、实测 Case 2：创造模式实战——门店宣传助手
创造模式的核心逻辑是：先配 Agent，再让 Agent 干活。我把这个模式跑了一遍，验证它能不能落地。
预设配置：创建了一个面向小店老板（不懂代码）的宣传网页生成 Agent，以标准模式为基础，保留文件读写、命令执行、网页检索等能力，额外约束了三点：
-
开始前最多问 3 个关键问题（店名、主营产品、宣传风格） -
网页必须适配手机浏览 -
完成后自动启动检查并反馈文件清单
踩坑实录：任务执行过程中，Agent 一度陷入 Bash noop 死循环——思考链里已经意识到应该调用 preset_ops，但下一步又回到同一个占位动作。手动终止后追问原因，它改用文件系统路径继续操作，最终生成了预设文件并通过加载检查。
最终效果：新建会话后，「门店宣传助手」直接出现在模式选择列表中。我只给了一句不完整的需求（"帮我给新开的甜品店做一个宣传网页"），它主动补问了 3 个关键信息，完成网页生成+检查，总用时 3 分钟。
创造模式的价值判断：偶尔做一次网页，标准模式足够。但如果你经常处理同类任务（比如每周给不同客户出宣传页），预设好规则后每次都能省掉重复沟通成本。适合创作者、小团队，以及想研究 Agent 工具链配置的人。
六、实测 Case 3：复杂数据处理压测
最后跑了一个数据量较大的处理任务。将 DeepSeek V4 Pro 分别接入 WorkBuddy 和原生 Harness，执行几乎相同的任务。
WorkBuddy（处理四川卷下） ：33 分钟完成，不仅跑通了流程，还主动发现了已有处理流程中的问题并给出修改建议。
DeepSeek 原生 Harness（处理四川卷上） ：跑了 20 分钟后报错中断，重新继续后总计耗时近 50 分钟完成。产出数据质量与前者一致，没问题。
坦白说，这个结果没达到预期。原本以为模型接入自家框架会有加成，实际在稳定性（首次报错）和执行效率（50min vs 33min）上都不如接入成熟平台。
七、总结与展望
三小时测下来，我对 DeepSeek Harness 的判断是这样的：
亮点：
-
四种模式的设计思路清晰，覆盖场景完整 -
「一切皆插件」的架构理念扩展性强 -
创造模式确实能落地，不是噱头 -
任务执行质量没问题，效果与 Claude 持平
待改进：
-
执行效率明显偏低（同样任务比成熟平台慢 30-50%） -
稳定性有隐患（复杂任务首次执行报错） -
个别场景存在死循环问题
DeepSeek 官方明确表示当前是公测阶段。模型能力已经证明了上限，Harness 需要的是时间打磨稳定性和效率。我会持续关注正式版的表现。
- 点赞
- 收藏
- 关注作者
评论（0）