DeepSeek Harness 深度调研：Everything is a Plugin 的 Agent 框架

原创 已于 2026-08-14 07:40:26 修改 · 672 阅读 · 7
于 2026-08-14 07:25:06 首次发布

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅

DeepSeek Harness 深度调研：Everything is a Plugin 的 Agent 框架

一、引言

2026 年 8 月，DeepSeek 官方在 GitHub 发布了开源 Agent 框架 DeepSeek Harness（简称 dsh），发布当周即冲上 GitHub Trending 榜首，Star 数在一个月内突破 3.8 万，成为 AI Agent 领域最受关注的开源项目之一。

它打出的口号是 “Everything is a Plugin”（一切皆插件）——与主流 Agent 框架"内核 + 扩展"的架构不同，它把模型适配器、工具注册表、会话日志、甚至 Agent 循环本身全部做成可替换的插件，从架构层面实现了极致的可组合性。

本文从架构、功能、生态、适用场景四个维度展开调研。

二、项目概况

项目 信息
项目名 DeepSeek Harness (dsh)
开发者 DeepSeek AI（官方）
语言 TypeScript
许可证 MIT
当前版本 v0.1.0-rc.x（开发者预览）
底层框架 Cordis
口号 Everything is a Plugin

dsh 目前处于 developer preview（开发者预览） 阶段，官方明确警告"THERE WILL BE COMPATIBILITY-BREAKING CHANGES"（未来会有破坏性变更），迭代节奏非常快。这一点在选择是否使用、如何使用时需要特别注意。

三、核心架构：一切皆插件

3.1 基于 Cordis 的事件驱动框架

dsh 的底层是

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅
标签
#python
最低0.47元/天 解锁文章
DeepSeek Harness (DSH)：便捷安装及使用Skills
Blockbuster_drug
08-16 282
DeepSeek Harness (DSH)：AI Agent 运行框架 DSH 是 DeepSeek 开源的模块化 AI Agent 框架，遵循“一切皆插件”理念，通过插件系统让大模型具备实际操作能力（如读写文件、运行代码）。本文介绍 DeepSeek Harness如何加载通用格式skills。
DeepSeek 又放大招！开源 AI Agent 框架 Harness：一切皆插件
TheOne的博客
08-14 540
当 Agent 框架也开始讲究「时空可组合性」，我们或许正在见证——
DeepSeek Harness 入门教程
智造编程
08-14 769
2026年8月13日，DeepSeek推出开源Agent开发框架 DeepSeek Harness v0.1，核心定位为“Model + Harness = Agent”，通过插件化架构（基于Cordis元框架）实现模型与工具的无缝集成。其特点包括： 模块化设计：所有功能（模型适配、工具调用等）均以插件形式扩展，支持动态替换； 四种运行模式：覆盖开发、测试、自动化等场景，极简模式已用于模型基准测试； 轨迹记录：完整保存Agent运行日志，便于调试与溯源； 开发者友好：提供Node.js/Python支持，
【DeepSeek Harness技术解析】Everything is a Plugin如何重构Agent运行时
最新发布
独立思考，明辨是非
08-18 238
DeepSeek Harness技术解析：重构Agent运行时 摘要 DeepSeek Harness（dsh）是DeepSeek推出的开源Agent运行时框架，其核心理念是Everything is a Plugin，将模型适配、工具调用、记忆管理、子代理编排等均视为可插拔组件。 背景：2026年，Agent系统的竞争焦点从模型能力转向运行时管理（上下文、工具、沙箱、权限等），Harness成为关键架构层。 架构：基于Cordis插件系统，无特权内核，所有功能（如文件系统、模型接口、前端UI）均通过插件组
DeepSeek Harness 实现深度解析 第 0 章：教程导读与项目全景
飞月程序人生
08-14 387
DeepSeek Harness（dsh）是DeepSeek AI开源的高度模块化AI Agent运行框架，其核心理念是“一切皆插件”。该框架基于Cordis插件系统构建，支持从模型调用、工具执行到会话管理的全流程插件化，具备极强的可扩展性。教程将从底层框架到核心子系统（如Agent循环、工具系统、会话日志等）逐层解析实现原理，并介绍其关键设计——能力接缝（Capability Seam）和配置驱动的组合模式。通过分层配置（Bundle/Profile/用户自定义），dsh可实现灵活的功能组合与替换。
DeepSeek Harness 刚发布，先让它做了个网页
2504_91148942的博客
08-15 354
摘要： DeepSeek Harness（DSH）作为开源Agent框架，通过插件化设计将大模型与工具链结合，实现真实任务执行。作者实测了其网页生成能力：在空文件夹中输入需求后，DSH自动完成资料搜索、内容整理并生成可运行的index.html。关键亮点包括： 模块化架构：模型、工具、日志等均支持插件扩展，如安装第三方视觉插件后新增图片处理能力； 透明轨迹：记录Agent的搜索、文件操作等全流程，便于回溯； 权限控制：提供工作区读写、全访问等分级权限管理。
DeepSeek Harness 开源调研：不要问是否成熟，梁文锋在下大棋
想~ai抽
08-18 468
本报告以 DeepSeek AI 开源的 `deepseek-harness` 项目为核心调研对象，从架构原理、核心特性、生态布局、战略意图四个维度展开分析，提出一个核心观点：**DeepSeek Harness 的价值不在于当前是否成熟可用，而在于它开源——梁文锋正在下一盘从模型到基础设施的完整大棋。**
一夜爆火 15 万 Star！DeepSeek Harness 深度解析：把 Agent 拆成零件的“Android 时刻“
Number241的博客
08-18 371
摘要： DeepSeek Harness（dsh）是DeepSeek AI于2026年8月开源的智能体框架（MIT协议），核心设计理念为“一切皆插件”，将模型（灵魂）与工程底座（身体）分离，实现高度模块化。发布后迅速引爆开发者社区，24小时内GitHub Star破7万，第三方插件超4000个。其优势包括：真正的热插拔架构（内核仅管理插件依赖）、模型无关性（支持40+厂商）、可审计日志（全程记录Agent决策链）、理论支撑（Cordis元框架）及开源生态飞轮（MIT协议推动社区共创）。
DeepSeek Harness 接入 Litefuse：完善 Agent 可观测与评估能力
SelectDB
08-18 113
DeepSeek 发布官方 Agent ——后，很快引起了业界广泛关注，GitHub Star 短短几天便超过 15 万。。接入后，用户可以在 Litefuse 中查看 Agent 的完整执行过程，包括每一步调用轨迹、上下文、Token 与成本消耗，以及 Subagent 多层嵌套等复杂调用结构。除了 Agent Tracing，Litefuse 还可以进一步结合 Agent Evals，对不同运行结果进行效果评估，帮助开发者持续优化 Prompt、上下文管理以及 Agent 编排策略。
DeepSeek Harness 三天13万星：拆解“Agent时代安卓“的技术架构与生态野心
weixin_54920620的博客
08-18 187
DeepSeek Harness（DSH）开发者预览版v0.1在2026年8月13日发布，三天内GitHub突破13万Star，插件生态涌现近6000个插件。其核心理念是"一切皆插件"，将模型、工具、会话、存储等组件模块化，定义了一套开放的Agent运行标准而非固定框架。技术架构分为五层：沙箱与存储、模型接口、会话管理、工具与技能、Agent Loop（支持自定义主循环逻辑）。
OpenClaw 结合 Stable Diffusion 与 ComfyUI 实现本地离线 AI 漫剧全自动流水线｜批量渲染、人设一致性、帧闪烁问题工程实践
2603_96706799的博客
08-13 489
摘要：针对AI漫剧批量生产存在的云端API成本高、本地StableDiffusion手动工作流效率低等问题，本文提出基于OpenClaw+StableDiffusion+ComfyUI的离线生产方案。通过任务调度框架串联剧本解析、分镜渲染、视频合成全流程，结合自定义节点和优化脚本，解决角色漂移、视频闪烁等工程难题。详细记录环境部署、参数配置及显存优化方法，提供完整资源包（含二次元模型/LoRA/工作流模板）。方案支持8G显存设备，实现本地化、低成本的AI漫剧自动化生产。关键词：OpenClaw、AI漫剧流水
FunASR 语音识别本地部署实录（下）：34 分钟录音实测，踩过的坑、上线前要补的事
qq_31429225的博客
08-16 378
自建语音转写，门槛不高，但要做得稳，坑都在细节里。我实测下来的结论：环境坑比模型坑多，官方标了"生产验证"的路径可以放心走，但认证、限流、监控这三件事，官方明确留给你自己补，别指望示例代码替你解决。再说句心里话：自建最值钱的不是省下的服务费，是我想要什么能力都能自己加，不用求人。转写量大、音频敏感的朋友，值得自己搭一套；偶尔用几回的，云 API 更省心。觉得有用的话，顺手点个关注，后面我会继续写本地 AI 服务落地的实测。【欢迎访问我的个人博客主页，这里有我的精选文章和AI大模型日报专栏。👇）本文用到。
将components下的文件夹复制到别一个文件夹下，并重新生成CMakelist.txt文件
shaohl2103的博客
08-15 255
一、将components下的文件夹复制到别一个文件夹下，并重新生成CMakelist.txt文件。二、python程序。
Python基础7 - 函数:（2）参数传递
weixin_69667614的博客
08-17 169
【代码】Python基础7 - 函数:（2）参数传递。
基于Python实现（控制台）点菜系统
神仙别闹的自留地
08-14 271
目的是通过课程设计的综合训练，培养学生实际分析问题、解决问题的能力，以及编程和动手能力，最终目标是通过课程设计这种形式，帮助学生系统掌握Python这门课程的主要内容，养成良好的编程习惯，更好的完成教学任务。通过本次课设程序的编写，我深深的发现了自己的不足，在没有编写程序之前我以为本次课设是一件非常简单的事情，但是在我编写的过程中，发现自己有许多不足，开始的时候并不太会字典的操作，但是经过了本次课设，我对字典的时候更加的了解了，同时也明白了字典这一数据类型的强大之处。建立一个字典，存储菜名，菜价。
回顾Spark的概念与应用
Revivedsun的专栏
08-16 251
Spark 核心原理与 PySpark 优化指南 本文深入解析 Spark 3.x 的执行原理与 PySpark 性能优化方法。主要内容包括： Spark 架构分层：从 Application、Job、Stage 到 Task 的四层执行模型，每层解决特定的资源管理、计算触发和数据并行问题 RDD 核心机制：血缘图(Lineage)的构建原理，窄依赖与宽依赖的本质区别及其对执行计划的影响 执行流程详解：从 Transformation 构建逻辑计划到 Action 触发物理执行的全过程，包括 DAGSche
【Spring Cloud Alibaba】Sentinel（三）
Blue_Pepsi_Cola的博客
08-15 247
这里有个关键点：不是 “前 10 秒”，是。
Python调用通义千问API实现长尾搜题内容自动化生成实战
weixin_70280055的博客
08-16 189
本文详细讲解如何利用大语言模型API进行长尾搜题内容的自动化生成。从长尾搜索的基础概念出发，结合阿里云通义千问的具体参数与调用方法，提供可运行的Python代码示例。文章剖析了提示词工程在长尾问题解答中的实际应用，并分析了该技术对自媒体创作者、独立开发者和中小企业的具体价值，帮助读者快速掌握大模型内容生成的实操技巧。
python神经网络编程入门（三十七）——Decoder 内部——掩码自注意力与交叉注意力
qq_65148539的博客
08-15 624
上一章我们把编码器（Encoder）内部的"残差、LayerNorm、前馈"三块承重墙拆了个底朝天；这一章轮到另一半——解码器（Decoder）。解码器比编码器多两样东西：一张**"不许偷看未来"的掩码**，和一种**"去查编码器记忆"的交叉注意力**。文章先把这两样东西的来龙去脉讲透：为什么生成第 t 个词时不能看第 t+1 个词？那张"上三角遮罩"到底长什么样、为什么必须填 -1e9 而不是 0？交叉注意力里"解码器问、编码器答"的 Q/K/V 到底从哪来、为什么它们的长度可以不同？然后用 9 张图、若
LangChain漏洞排查与AI供应链扫描实操指南
weixin_70280055的博客
08-14 245
本文解析近期曝光的大规模AI供应链自动化扫描事件，攻击者在40分钟内利用自动化脚本定位约2500家企业的AI组件漏洞。文章深入剖析基于LangChain等组件的漏洞利用原理，并提供具体的本地化扫描命令与Python审计脚本，帮助开发者排查供应链风险并生成软件物料清单。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值