# 第一时间上手 DeepSeek Harness：和 WorkBuddy 和 Codex 相比到底如何

> **概述**：8 月 13 日晚上，DeepSeek 发布了它成立以来的第一个 Agent 产品 DeepSeek Harness（DSH），GitHub 仓库一夜之间涨到三万多 star。本文先讲清楚 Harness 到底是什么、DSH 为什么特别，再告诉你我第一时间实操的体验：除了常规的 AI 工作台任务顺利跑通，我还顺手给自己攒了一个"像素风桌面版工作台"，让 DSH不再被锁在浏览器里。它跟 WorkBuddy、Codex 对比起来到底如何？最后聊聊我的一点判断：开源的 DSH 是一套强大、可定制的"乐高式"工具，它为未来更丰富的 AI 协同模式留足了可能性，我也已经看到它在 B 端、G 端市场，成为传统信息系统和数据平台进入 AI 时代"新底层架构"的想象空间。

## 一、引言：一夜之间，一只"黑色鲸鱼"浮出水面

这两天 DeepSeek 连发重磅。8 月 13 日晚上八点半，DeepSeek Harness突然正式开源，仓库公开前半小时其实就悄悄放出来了。star 从 21:05 的 7283，涨到 21:51 的 15530——公布不到两小时就破万。本稿发稿时已经冲破 12万。
![DeepSeek_Harness_Blueprint_02.png](https://developer.qcloudimg.com/http-save/yehe-4862070/2d05eb4d5af6fa42d2ed3d1146114999.png)
这是什么概念？之前号称"史上增长最快仓库"的 OpenClaw，84 天涨 20 万，平均每小时 99 个。DSH 头两个小时的涨速，是它的 80 倍。
圈子里有人管它叫"黑色鲸鱼"。我倒觉得这名字挺贴切——它一出水，Agent 这条赛道的水面就被搅动了。

先说清楚一件事：Harness 不是个新概念。你要是以为 DeepSeek 又凭空造了个新物种，那就错过了重点。它真正让市场震一下的，是"怎么搭 Agent"这件事，被它重新定义了一遍。

## 二、先搞清楚：Harness 到底是什么？

Harness 这个概念，今年二月才被正式命名、开始规模化应用。直译过来是"马具"——就是套在马身上、让人能驾驭它的那套缰绳和皮具。大模型再聪明，它也只是个"脑子"。光有脑子，没手、没脚、没工具，它什么都干不了。Harness 干的事，就是把这匹"马"套上缰绳、配上工具，让它真的能跑起来干活。
![DeepSeek_Harness_Blueprint_03.png](https://developer.qcloudimg.com/http-save/yehe-4862070/645220fcaba7678377ed3d94083b8216.png)

所以你会发现，我们现在天天用的 Claude Code、Codex、WorkBuddy，包括一堆 Agent 框架，本质全是 Harness。LangChain 今年三月提过一句很关键的定义，被直接印在了 DeepSeek Harness 的首页上：

**Agent = Model + Harness**
![DeepSeek_Harness_Blueprint_04.png](https://developer.qcloudimg.com/http-save/yehe-4862070/ab98f3744696b4173d120c8d8b33961d.png)
为什么 Harness 这么重要？因为工具、Skills、沙箱、任务调度、子 Agent、工作流……这一大堆东西，全都属于泛 Harness 的范畴。模型决定你的思考上限，Harness 决定这份能力最终能兑现多少，以及"干不干得成"。有开发者做过一个对照测试：**同一个模型接进八种不同的 harness，跑三十项任务，最好的完成了二十项，最差的只有十四项**——同一个模型，结果差距巨大。

而 DeepSeek 押注这个方向，其实比发布早得多。今年三月，他们把崔添翼挖过来做 Harness 团队负责人——这人之前是 Jane Street 的量化交易员，业内公认的技术大牛。团队六月还在网上喊"天天面试、人手不够"，结果八月就把第一版产品甩了出来。

## 三、那 DSH 特别在哪？我把它理解为：一个"可能性更大"的 AI 个人工作台

如果只是又一个 Claude Code 或者说 KIMI code，我不会写这篇文章。DSH 最特别的地方，一句话就够——**一切皆插件**。

它的形态很特殊：本质就是一个预置插件集合，加上一个极其灵活的插件运行器。包括 Web UI 和各种基础插件在内，DeepSeek 预置了 100 多个插件。以前这些能力都被封装在 Codex 这类软件壳里，现在它全拆成了插件——运行途中也能热插拔，可以改造，甚至能让 Agent 自己造插件。

再往深里说，模型、工具、界面、审批策略，乃至驱动整个 Agent 运转的主循环本身，全都能拆下来换掉。它底层跑在一个叫 Cordis 的插件容器上，每个能力（模型接入、写文件、终端、搜索、会话、界面）都是一个插件。连界面都分两半：一半跑在 Node 进程里干活，一半跑在浏览器里负责 UI。所以你要是愿意，连前端都能换成自己的风格。
![DeepSeek_Harness_Blueprint_06.png](https://developer.qcloudimg.com/http-save/yehe-4862070/540d4fa0ae6bba6d7ea0e4b6ef3e4e3e.png)

所以在我眼里，DSH 不是一个"成品软件"，而是一个**拥有更强大可能性的 AI 个人工作台**——它是乐高，不是玩具车。

基于这一点，我的判断很直接：在国内市场，DSH 未来会是 WorkBuddy、Codex 这类闭源/半闭源产品最主要的开源竞争对手。别人把 Agent 做成成品卖给你，DSH 把 Agent 的零件全部摊开，赌开发者会拼出它自己都没想到的东西。这跟当年 Android 问世时"粗糙、开放、只吸引动手的人"的味道，几乎一模一样。

## 四、第一时间上手：常规任务 + 我的"像素风桌面工作台"

### 4.1 一条命令，先跑起来

看完文档我第一时间就动手了。门槛几乎为零，Node.js 22 以上就行，一条命令：

```bash
npx -y @deepseek-ai/dsh web
```

浏览器打开 http://127.0.0.1:3080 ，就是它的全部界面。会话、日志、数据全留在本地，浏览器只是它的一层壳。第一次启动会弹个"内部测试提示"，大意是 0.1 版还在面向 Harness 开发者测试，核心插件和基础接口未来几个月会快速演化。新会话页面上挂着它的 slogan——"探索未至之境"，英文原文 Into the Unknown，旁边一个"预览版"的小角标。

进去之后有四种预设：标准、极简、代码、创造。我直接开了个新会话开干。

### 4.2 先让它干点正事

我给它派的第一个任务，是查一下 `deepseek-ai/deepseek-harness` 这个仓库的 star 数据，结合我自己记录的几个时间点，画一张涨星曲线图，标出关键节点，存成图片。这活儿听起来简单，但它要真的去调 GitHub 公开接口、真的处理数据、真的写文件存图。

任务推进是非常快而且流程清晰的，确认接口地址，再请求数据，再把我的时间点和接口结果对齐，最后画图存下来。

在过程可视化方面，DSH 有两个创新很实用：

一是整个过程在它底部的统计栏里实时摊开——这一轮走了几步、模型耗时几秒、输入输出各多少 token、缓存命中率多少，全都明明白白。这一套 Demo 跑下来，token 花销没超过 五毛钱。

但真正让我觉得牛逼的，是那个"轨迹"页。模型看到的每一件事——系统提示词、思维链、每一次工具调用和返回结果——全都记录在案，只增不改。模型到底是真的抓了页面，还是凭印象脑补了一个结果，翻记录就能查看。这也是它和聊天机器人在架构上的根本区别：聊天工具只保存最终的对话，它保存的是过程里的每一步。Hacker News 上有人把这个叫 killer feature，还特别点出，美国那几家模型厂商的 API 恰恰把这层数据藏了起来。
![HEIF图像.jpg](https://developer.qcloudimg.com/http-save/yehe-4862070/2a616e78d03c8a854e8b3dd791ede5de.jpg)

说实话，用到这里，我已经觉得它作为"正常 AI 工作台"是合格的。

### 4.3 主体定制：给自己攒一个"像素风桌面版工作台"

我的动机很朴素：dsh 默认是个网页，得先起服务、再开浏览器，用起来总觉得"隔了一层"。既然它说"一切皆插件、前端可换"，那我为什么不能让它变成一个独立窗口、能固定到 Dock 的桌面应用，再给它套上喜欢的皮肤？首先需要打开“创造模式”，四种模式其实也是 DSH 特别的一点。

服务的启动还是 `npx @deepseek-ai/dsh web`，跑在本地 3080 端口，这层不动。dsh 的 Web UI 其实就是个本地服务，桌面壳要做的事，只是给这个服务换一个更顺手的"门"。

接下来，我让 DSH写了一个极简的 Electron 壳：`BrowserWindow.loadURL("http://127.0.0.1:3080")`，把 dsh 的 Web UI 装进一个独立原生窗口。然后去掉默认菜单栏、把窗口尺寸定成一个舒服的比例、再换上一个像素风的应用图标。到这一步，它已经是个能固定到 Dock、能单独切窗口的"正经桌面应用"了，不再寄生在浏览器里。

**最后是换皮。**这个过程我会让 DSH 先去做一些搜索，并不是直接生成，这一点可以考验 DSH 的判断能力和综合任务处理性能，最后选择给窗口注入一套多巴胺配色的像素风 CSS：8-bit 描边、等宽像素字体（这类界面用 Press Start 2P 这种字体，味道一下子就对了）、扫描线纹理、像素风的滚动条和按钮。更关键的一步在后面——我没把这层皮肤只写在 Electron 里，而是把它做成了 dsh 的插件，让网页版和桌面版共用同一套主题。这样一来，"桌面应用"和"网页"就不再是两个东西，而是同一个 dsh、同一个插件栈的两个皮肤。网页版你换我做的主题，桌面版也是同一套，改了任何一处，两边一起变。

最后用 electron-builder 打包，出来一个 .app（Windows 下就是 .exe），图标换好，名字起好。现在我的 Dock 里多了一个像素风的工作台图标，点开就是 dsh，不用再惦记浏览器、不用先手动起服务。它还是那个"一切皆插件"的 dsh，只是壳变成了我自己的样子。
![HEIF图像 (3).jpg](https://developer.qcloudimg.com/http-save/yehe-4862070/12dbdd5e672cfa032dacf279f229bd0a.jpg)

这种"模型是别人的，但工作台是我的"的感觉，还是很爽的。

中间也踩了几个坑：包括3080 端口被占用（换个端口或在配置里指定就行）；Windows 下中文路径会出幺蛾子（社区讨论区里一堆同款）；还有 Electron 加载 localhost 时 CSP 配置要放行。基本都是改几行配置就能过的事。这些毛边恰恰印证了官方那句"这是给开发者的预览版"——它是个毛坯，但每一块都拆得开、改得动，你想怎么捏都行。

## 五、横向对比：DSH 到底比 WorkBuddy、Codex 强在哪？

我前面说过，Harness 不是新东西，我们其实一直在用。所以我专门拿它跟自己天天在用的两个家伙——腾讯的 WorkBuddy 和 OpenAI 的 Codex——放在一起比一比，看看 DSH 独有的优点到底在哪。尤其是"快"这件事，很多人第一眼会忽略。

先定个调。这三个东西虽然都被叫"AI 工作台/Agent"，但走的是两条路：

- **WorkBuddy 是"应用式"的。** 它是腾讯出品的全场景 AI 办公工作台，覆盖日常办公、代码开发、设计创意，目前已经是国民级应用，我自己也是深度使用者，优点是省心、开箱即用、普通人也上手，可玩性也很多。但它的壳是焊死的——界面、工具链、行为都是官方定好的，虽然官方迭代速度奇快，但你想让它长成自己的形状，很难。在用户体验层面，是最接近一款”好产品“的，这种是产品打磨出来的顺滑。

- **Codex 也是"应用式"为主。** OpenAI 家的，GPT 系模型加持，工程能力强，有终端也有桌面端。但同样闭源、绑定 GPT，定制空间有限，本质上是个"成品"，除了模型优势与全球的应用生态之外，还支线设计等一些功能上有独创特点。

- **DSH 是"底座式"的。** MIT 开源、模型无关（官方适配 DeepSeek，理论上能接别的 OpenAI 兼容模型）、一切皆插件、web 和 headless 双形态、数据全留在本地。

这些区别落到体感上，有一个最直观的点就是**快**——但这里的"快"，不是界面操作的快，而是**终端式的快**。因为没有很多在产品内的设计，直接面向程序，在执行层面极其流畅。我用 Claude Code 的时候有个很深的感受：它是终端原生的，打字即命令，回车即执行，没有一层 GUI 的事件循环在那拖着你。这种"终端式的快"，是封装成应用壳的产品很难给到的。

WorkBuddy、Codex 的桌面端再顺滑，中间也隔了一层固定的应用框架，这就导致，我在做自己的 harness 设计的时候会与 Workbuddy 和Codex的一些底层逻辑冲突，例如 Codex 不支持启动对话预注入提示词文档，Workbuddy 在 subagent 和自动任务唤醒能力较弱，还包括md 注入、记忆策略设计、长任务的回溯依赖这些都有我自己的习惯，但因为主力产品的形态问题，我需要去适配 Workbuddy，不够自由。

而 DSH 恰好把这条路也留出来了。除了 Web UI，它还有个 headless 形态，一条命令直接跑任务：

```bash
dsh --profile headless "帮我做某件事"
```

跑完打印结果就退出，非零退出码即失败——这意味着它能直接进 CI、进脚本、进任何终端流程，速度和 Claude Code 那种终端体验是同一个量级的。手册里有实测数据可以参考：简单文件创建，冷启动首轮含上下文注入大概 110 秒，但热缓存下只要约 1 秒；同一个任务同模型横向比，omp 是 36 秒、dsh 85 秒、opencode 114 秒。更别提成本——用 V4-Flash 接 DSH，花销大概是 Claude 的十分之一到三十分之一。

所以我更愿意这么形容 DSH：**它快得像终端里的 Claude Code，而不是又一个封装好的应用。** 这个差别，是 WorkBuddy 和 Codex 的桌面形态给不了我的。

| 维度 | DSH | WorkBuddy | Codex |
|---|---|---|---|
| 开源 | ✅ MIT | ❌ 闭源 | ❌ 闭源 |
| 模型绑定 | 模型无关（官方适配 DeepSeek） | 腾讯系 | GPT 系 |
| 形态 | web + headless + 插件生态 | 桌面应用 | 终端 + 应用 |
| 插件体系 | 官方级"一切皆插件" | 无（官方封装） | 配置为主 |
| 自定义界面 | ✅ 可自由换 | ❌ | ❌ |
| 本地运行/数据 | ✅ 全留本地 | 云端为主 | 云端为主 |
| 使用效果 | 终端式 + 热缓存的流畅 | 应用内体验 | 应用内体验 |

当然得说句公道话：DSH 现在还是个 rc 阶段的毛坯，开箱即用程度比不上已经打磨成熟的 WorkBuddy 和 Codex。但它多给了一个别人给不了的维度——界面、工具链、主循环都能自己拼。要"省心成品"，WorkBuddy、Codex 都行；如果你有很多自己的 harness 理念，包括在记忆策略、Skill 策略、任务联动、subagent 调度等有自己的需求，DSH 真的能够让你解放所有平台对你的镣铐。

## 六、总结：一套乐高，AI 时代的 Linux 和 Android

开源的 DSH，本质是一套强大、可定制的乐高式工具。它把"Agent"从一件成品，还原成了一堆可以任意组装、任意替换的零件。

DSH真正带来的其实是模式和可能性，正如早些年的Andriod：

**第一，是更丰富的 AI 协同模式。** 当工具、Skills、子 Agent、工作流甚至主循环都可以热插拔、可以由 Agent 自己生成，人和 AI 的协作就不再是"我下命令、它执行"这一种姿势，而是会长出无数种我们还没见过的形态——把自己改成 App、做成桌面宠物、关联硬件，只要协议支持，形态可以无限变化。
![image.png](https://developer.qcloudimg.com/http-save/yehe-4862070/585b2daba44c473d95dcc6a542ddf78f.png)

**第二，是 B 端、G 端市场的"新底层"。** 我已经能看到这样的画面：今天大量还在跑的传统信息系统和数据平台，要进入 AI 时代，缺的从来不是一个大模型，而是一层能把自己的业务能力拆成插件、让 Agent 调度起来的底座。开源、可定制、一切皆插件的 DSH，恰恰具备成为这层底座的潜质——它不取代你的系统，而是让你的系统"长出"AI 的手脚。

最后回到开头那个比喻：模型是马，Harness 是马具。过去我们围观一匹匹聪明的马；现在，DeepSeek 把马具拆开、开源、交到了每个人手里。未来真正拉开差距的，不再是马的智商，而是人驾驭它的想象力。

模型决定上限，Harness 决定兑现，而最终决定人与人之间差距的，是创意的灵感，和创造的野心。



概述：8 月 13 日晚上，DeepSeek 发布了它成立以来的第一个 Agent 产品 DeepSeek Harness（DSH），GitHub 仓库一夜之间涨到三万多 star。本文先讲清楚 Harness 到底是什么、DSH 为什么特别，再告诉你我第一时间实操的体验：除了常规的 AI 工作台任务顺利跑通，我还顺手给自己攒了一个"像素风桌面版工作台"，让 DSH不再被锁在浏览器里。它跟 WorkBuddy、Codex 对比起来到底如何？最后聊聊我的一点判断：开源的 DSH 是一套强大、可定制的"乐高式"工具，它为未来更丰富的 AI 协同模式留足了可能性，我也已经看到它在 B 端、G 端市场，成为传统信息系统和数据平台进入 AI 时代"新底层架构"的想象空间。

第一时间上手 DeepSeek Harness：和 WorkBuddy 和 Codex 相比到底如何

本文先讲清楚 Harness 到底是什么、DSH 为什么特别，再告诉你我第一时间实操的体验：除了常规的 AI 工作台任务顺利跑通，我还顺手给自己攒了一个"像素风桌面版工作台"，让 DSH不再被锁在浏览器里。它跟 WorkBuddy、Codex 对比起来到底如何？最后聊聊我的一点判断：开源的 DSH 是一套强大、可定制的"乐高式"工具，它为未来更丰富的 AI 协同模式留足了可能性。

咖啡消灭机

人工智能

开发工具

**DeepSeek Harness评测：开源"乐高式"AI Agent工具，插件热插拔+终端级速度，与WorkBuddy/Codex对比优势明显，或成B端新底层架构。**

聊天机器人

代码解释

WorkBuddy 

OpenClaw

DeepSeek

Android

Windows

GitHub

容器

Linux

Agent

快速部署LLM、AI绘画等应用,助你玩转AIGC！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

第一时间上手 DeepSeek Harness：和 WorkBuddy 和 Codex 相比到底如何-腾讯云开发者社区-腾讯云

第一时间上手 DeepSeek Harness：和 WorkBuddy 和 Codex 相比到底如何

第一时间上手 DeepSeek Harness：和 WorkBuddy 和 Codex 相比到底如何

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐