DeepSeek Harness：让模型连接工具与工作环境
DEEPSEEK HARNESS / 智能体运行框架
模型负责判断。
Harness 组织行动。
它把模型、文件、命令、会话和执行策略连接起来，让一次提问可以发展成一项有反馈的任务。
提出任务→模型判断→工具执行→结果反馈
一项订单测试失败时，开发者需要找到测试、阅读实现、运行命令，再根据输出修改代码。DeepSeek Harness（简称 DSH）提供这条工作链：它组织上下文和工具，由模型决定下一步，并把工具结果送回模型。开发者仍负责确定任务边界、审查修改和验证证据。
它既可以作为本地助手使用，也可以作为构建智能体应用的框架。下面先看一次任务如何运转，再看哪些能力已经提供，哪些需要自行接入。
一项任务怎样从提问走到结果
假设订单取消测试失败，任务是定位原因并提出修复。选择工作目录后，DSH 将任务、上下文和工具说明交给模型；模型提出工具调用，运行环境执行后把结果返回；模型根据结果继续，直到回答或遇到阻塞。
任务轨迹教学示例 · 非实际运行记录
任务
定位失败的订单测试
给出测试命令、仓库目录和修改范围。
输入订单取消测试失败，请定位原因并验证修复。
结果DSH 读取任务和工作区信息，准备可用工具。
1 / 5
这个例子中，测试程序产生退出码和输出，模型负责解释证据。若测试无法运行，正确的结果是报告原因和未完成的验证；一段看似合理的解释不能代替测试结果。
它能处理哪些工作
01 / 代码与文件阅读、修改、验证
搜索仓库、阅读代码、编辑文件、运行命令，并结合返回结果继续处理。
02 / 资料与上下文检索、整理、续接
使用配置好的网页工具查找资料，在会话中保留任务过程和工具结果。
03 / 任务协作拆分、委派、汇合
把边界明确的工作交给子智能体；Agent Teams 提供共享任务板式协作，需显式启用。
04 / 外部能力接入模型与工具
配置不同模型接口、MCP 服务或自定义插件，将能力接入同一个工作环境。
可用能力取决于所选 profile、插件和权限。接入 MCP 只是提供连接方式，业务系统仍需单独配置与授权；换用模型时也要检查接口是否支持工具调用等所需能力。
模型、工具与会话如何配合
DSH 的一个关键设计是插件化：模型适配器、工具注册、会话日志，甚至组织调用的 Agent Loop 都是插件。下面的图从入口开始，展开一次任务的执行和权限检查，再区分默认能力与需要配置的扩展。
图中虚线框表示逻辑组件组合，不是网络或安全隔离边界。模型生成工具请求，工具执行结果再回到模型；如果请求被拒绝或执行失败，运行环境会返回对应状态，后续处理取决于实际流程。
插件、Bundle 和 Profile
插件提供一个能力，例如模型适配或工具；bundle 将一组插件及配置打包；profile 选择启动时使用的组合。Web、无界面运行、SDK 和 ACP 是不同入口，选用哪个入口并不自动改变模型能力或外部权限。
例如，团队想让助手查询测试平台，可以提供只读工具：输入任务编号，返回状态、日志地址或错误。查询超时时，工具应明确返回失败；模型不能据此猜测测试通过。若再开放重跑或发布，服务端还需要独立处理身份、权限、幂等和审计；高风险操作应保留明确的确认流程。具体设计见 MCP 与 Agent 工具工程。
自己试用，还是搭建团队助手
个人试用
从一个小任务开始
选用没有敏感数据的测试仓库，让它定位一个失败测试。保留基线，检查修改范围、测试退出码、输出与人工审查时间。
团队集成
先连接只读能力
从内部知识检索或测试结果查询开始，验证权限与结果，再逐步考虑有副作用的工具。自建也意味着维护插件、升级、日志和运行环境。
与 Codex 等产品比较时，使用相同任务、仓库基线和验收标准，记录完成率、耗时、模型调用费用与人工修正量。功能清单能帮助筛选候选，不能证明某个方案在团队实际任务中更可靠。
启动与使用边界
截至 2026 年 11 月 5 日，项目处于开发者预览，接口和默认行为可能发生破坏性变化。官方提供的本地启动命令如下，运行前需安装 Node.js，并确认软件包来源与版本：
bash
npx @deepseek-ai/dsh web官方说明默认地址为 http://127.0.0.1:3080。启动后配置模型与凭证，选择测试工作目录；安装条件和当前设置方式见使用指南。本文没有实测该命令或模型接口。
官方安全说明指出项目尚未经安全审计，不能视作生产就绪。工具和插件能访问被授予的文件、网络和凭证：先使用独立环境、最小权限与备份，审查插件和命令，避免直接接入生产凭证。沙箱与审批可以降低风险，业务系统仍须自行执行权限检查。提交反馈前还应检查会话中是否包含敏感内容。
回到订单案例，DSH 的价值在于把模型判断和真实工具反馈连成一次持续工作；可靠交付还需要清楚的任务范围、可观察的测试结果和开发者审查。要进一步了解不同工具的工作方式，可继续阅读 AI 编程工具的工作流选型。