DeepSeek Harness爆火，测试开发的下一个“版本答案”找到了！

2026年8月13日深夜，DeepSeek把一个叫Harness的东西扔上了GitHub。6天，16.7万星。

这个数字什么概念？Hacker News 740分，评论区吵了上千楼。测试圈更热闹——有人失眠，有人焦虑，有人连夜装上了。

我属于第三种。熬了一整夜测完，只想说一句：这东西跟你想的不一样。

一、先别慌，搞清楚Harness到底是啥

很多人第一次看到“Harness”这个词会懵。直译是“马具”——套在马身上那套缰绳。

这个比喻特别准：模型是马力很强的马，但你没法直接控制它往哪跑；Harness就是那套缰绳和车厢，负责把模型和组织文件、执行命令、调用工具、管理上下文这些“让马真正拉车干活”的组件绑在一起。

DeepSeek官网给了一个很干脆的等式：

Model + Harness = Agent

模型是大脑，负责思考和推理。Harness是手脚+神经系统——读文件、调工具、执行命令、持续完成任务。

以前你调API拿到的是颗“大脑”，现在它顺手递给你一套“手脚”。

但有个坑很多人踩了：DeepSeek V4是模型，DeepSeek Harness是让模型干活的“操作系统层”，它俩不是一回事。叫Code的（Claude Code、Codex）定位是AI编程助手；而Harness的定位是更底层的 “Agent执行底座” ——编码只是它官方预置的一套组合，你完全可以用它拼出跟编程毫无关系的Agent。

Claude Code、Codex这类产品本质上是把Harness那一层做成了闭源成品——工具、Skill、会话管理、沙箱全被厂商封装进一个壳里，你用的是精装房，墙不能拆、格局不能动。DeepSeek这次干的事，等于把这套房子的施工图和所有预制件都开源了，还告诉你“墙随便拆，零件随便换” 。

二、核心设计：“一切皆插件”不是营销话术

Harness最核心的设计理念只有五个字：一切皆插件（Everything is a Plugin） 。

这不是一句营销话术。

过去的Agent框架像一个固定浇筑的大楼——核心Harness是固定的，用户只能在边缘加插件。DeepSeek Harness把这栋固定的大楼拆成了一盒乐高。

不只是外围能力可以插件化，连模型适配器、工具注册表、会话日志、Agent Loop本身，全都可以替换。

官方用了一句非常硬核的话：

“不存在需要打补丁的特权内核”——扩展dsh的方式就是把插件挂载到其他插件旁边。

什么意思？你不用fork官方代码仓库去改核心逻辑，所有扩展都通过插件机制完成。你想换掉整个Agent的运行方式，写个插件就行，不用动源码。

支撑这套架构的底层，是一个叫Cordis的元框架。它来自DeepSeek与北京大学联合发表的论文《A Programming Paradigm for Spatiotemporal Composability》。这套设计已经在Koishi聊天机器人框架中运行了四年，超过4000个社区插件在生产环境中验证过。

更狠的一点：Harness在设计上完全不绑定DeepSeek自家模型。OpenAI、Anthropic、AWS Bedrock、Azure、Gemini全都能接。甚至可以把Claude Code和Codex作为子Agent调用——通过解析PATH里的对应二进制文件实现委托执行。这意味着你可以用Harness做上层编排，把Claude Code和Codex纳入更大的工作流，而不是取代它们。

三、30分钟上手：从安装到跑通第一个测试任务

先泼盆冷水：官方文档以架构说明为主，缺少一条从零上手的路径。打开GitHub仓库，全是AGENTS.md、architecture.md——对新手不太友好。

下面是我踩完坑整理出来的实操流程。

3.1 装Node.js（2分钟）

DeepSeek Harness需要Node.js环境，要求版本 ≥ 22。

node --version

如果看到v22.x或更高，OK。没有的话去Node.js官网下载LTS版本。

3.2 一条命令安装DSH（2分钟）

npx @deepseek-ai/dsh web

这条命令会自动下载并启动Web UI。首次运行需要等一两分钟下载依赖。

验证安装：

dsh --version
# 当前版本 0.1.0-rc.8

Windows用户注意：装完如果提示找不到命令，重新打开一次PowerShell。

不想折腾命令行的还有两个选择：

• 桌面版：社区打包的DeepSeekHarness-win32-x64压缩包，解压即用
• Docker：docker run -d --name dsh -p 3080:3080 ghcr.io/huoxue1/deepseek-...

3.3 启动Web UI（1分钟）

npx @deepseek-ai/dsh web

界面风格从蓝色变成了黑色，LOGO从蓝鲸换成了黑鲸——据说这是要把Harness当独立生态经营的信号。

3.4 配置API Key（2分钟）

先去DeepSeek开放平台买Token、获取API Key。

配置方式：

export DEEPSEEK_API_KEY=sk-xxxx  # Linux/macOS
$env:DEEPSEEK_API_KEY="sk-xxxx"   # Windows PowerShell

不一定非要用DeepSeek的模型。Harness通过LLM适配器可以接OpenAI、Anthropic等各种模型。

3.5 四种运行模式选哪个？

点击对话框的模式选择，能看到四种预设：

测试任务直接选标准模式。

3.6 装测试插件，跑起来

社区已经有人做了dsh-test-runner插件——让Agent一次工具调用就能完成 “改代码→跑测试→修”的完整闭环。

安装方式：

dsh plugin --profile <name> add dsh-test-runner

还有dsh-browser-playwright插件，基于Playwright的浏览器自动化工具。每次操作返回当前页面的可访问性快照（带ref标识），后续click/fill直接用ref定位，确定性强、token省。

截至8月18日，以dsh-plugin标签发布的社区插件已有数百个，公开仓库超过700个。

四、实测：AI到底能替测试开发干多少活？

有开发者把日常工作拆成五个环节，逐项交给dsh做了一遍：

需求解析（替代度约50%） ：文档写得清楚，它提取得就齐——入参、出参、错误码都能列出来。但“库存为零不允许出库”这类没写进文档、只存在于业务方脑子里的规则，它不会凭空知道。

用例设计（替代度约70%） ：最省人的一环。它给的是具体可执行的用例描述，不是“测试正常流程”这种正确的废话。边界值会主动凑成对（刚好等于阈值、刚过阈值各一条），异常场景也知道往负数、超长字符串、缺字段上想。

脚本编写（替代度约60%） ：形态不错，会用fixture、会参数化，断言具体到状态码。但会偶发编出不存在的接口，或者假设错返回结构，每一条都要人看。

执行调度（替代度约30%） ：短板很明显——响应速度偏慢；任务链一长就容易不稳，遇到过循环打转，反复读同一份日志不往前走。

缺陷定位（替代度约40%） ：能从日志里圈出可疑点并给假设，但确认还得靠人。

综合替代度约50%-67% ——AI擅长重复劳动，判断力仍属人类。

五、为什么说它是测试开发的“版本答案”？

5.1 从“写脚本”到“管Agent”

过去测试开发的核心工作是写自动化脚本。现在Harness把执行层全包了——它自己读代码、自己跑测试、自己分析失败原因、把修复方案列出来。

你的价值从“写脚本”变成了“管Agent” ：选什么模型、配什么插件、定义什么规则、怎么审计结果。

5.2 “一切皆插件”带来的工程化可能

Harness最被低估的一点：它不是消费品，是基础设施。

你可以：

• 把内部的测试框架封装成Harness插件
• 把公司自建的模型服务通过自定义接口接入
• 把Claude Code和Codex作为子Agent编排进同一个工作流
• 用Headless模式跑批量任务，适合CI/CD流水线

这些在Claude Code里根本做不到。

5.3 Trajectory全链路追踪，测试可观测性的新范式

Harness维护一份只追加写入的会话日志——所有抵达模型请求的内容都必须可从该日志中还原。恢复、分叉、回放、转录、遥测，全建立在这一事件流之上。

对测试来说这意味着什么？ AI跑的每一步都有记录，出了问题随时复盘，相当于自带测试报告。你再也不用猜“AI当时是怎么想的”——Trajectory里全写着。

六、几个避坑指南

1. 当前是开发者预览版，官方明确警告存在breaking changes，不保证向下兼容。别在生产环境乱搞。

2. 模型成本要算清楚。V4系列API改为峰谷分时计价，高峰时段价格明显上浮。Harness跑长任务时token消耗不小，建议先用小模型试水。

3. 生成的结果必须评审。实测中AI会编出不存在的接口、假设错返回结构。“生成完先跑一遍，红的先人工分类——是代码错还是用例错——再决定改哪边。”

4. 选对预设很重要。写代码、做测试、修Bug，不同类型的任务适合不同的模式，选错了可能事倍功半。图快就用极简模式，正经干活用标准模式。

写在最后

Harness开源6天16.7万星，这个速度在开发者工具史上都是罕见的。有人把它叫做 “Agent领域的Linux时刻” 。

是不是Linux时刻不好说，但有一点是确定的：测试开发的玩法确实要变了。

以前你的核心竞争力是“能写自动化脚本”。以后这可能只是基本功。新的护城河是：你能不能搭一套让AI帮你跑测试的工程体系？能不能判断AI生成的结果靠不靠谱？能不能把测试经验和业务理解转化成Agent的规则和插件？

Harness给了你一把扳手。用它拧螺丝，还是用它造一台能自己拧螺丝的机器——取决于你。