实测DeepSeek Harness，原来PTC模式和Cordis插件才是隐藏大招

来不及解释了，

DeepSeek把自己的Agent框架开源了，叫DeepSeek Harness，缩写dsh，上线GitHub一个多小时破2万星，离谱中的离谱。

简单用的话，就是DeepSeek版的Web ui工具，跟其他的没啥区别，装上就能干活。

但只到这一层的话，你会错过它最骚的那部分。

Agent = 模型 + Harness

先用人话说说它到底是个啥。

CLI工具大家应该都不陌生，cc，codex，opencode，好多好多，就是能在你终端里干活的智能体，读文件，改代码，跑命令，你给它一句话，它自己拆步骤干完。

dsh干的是同一件事，但底层设计跟其他的压根不在一个路子上。

大多数软件的核心逻辑是写死的，厂商在外面给你留几个口子，你在口子上做些有限的定制。dsh是反过来的。模型接入，工具注册表，会话日志，审批策略，甚至驱动整个智能体运转的那个主循环本身，全部都是插件。

他们很标榜的一句话，everything is a plugin

它底下用的是一个叫Cordis的插件系统，我们都不用改一行框架源码，就能替换掉里面任何一块。

我知道你现在大概率已经有一个用顺手的了，cc也好codex也好，再装一个听着就挺烦。我自己也是几个都开着。但这个设计上的差别，值得你花五分钟看一眼。

这套东西带来的直接后果就是，画风已经开始跑偏了。有的已经开始给UI换皮了，Web和CLI都没放过hhh，求一个梁圣皮肤。

我也试着玩了一下，就说了一句话刷新了个页面直接完事了。。

安装一下这个皮肤包，github. com/Small-tailqwq/dsh-deep-whale

everything is a plugin这句话，别的项目也爱写在README里，但基本都是写给投资人看的。但这次是真的了，真到你连它的脸都能整张摘下来换掉。。。

说完设计说上手。一行命令，一分钟就能跑起来。电脑上有Node.js的话，打开终端，就一行，npx @deepseek-ai/dsh web

跑完给你一个本地地址，浏览器打开就是完整的Web UI，对话，审批，切模式，改设置全在里面。

对，就这样，没了。

没有装环境装依赖折腾半小时的环节。这一点我要给个好评，这两年被各种Agent框架的安装教程折磨得够呛，能一行命令进GUI的，属于自觉在照顾小白了。

如果要全局命令，也是一行就过

目前DeepSeek Harness的Agent预设有四个模式，标准，PTC，极简，创造。

体验了12小时之后，我来补充更多模式上的区别，

标准模式，默认的。文件编辑，Shell，检索，Skills，工作流，啥啥全都有。你不知道选啥，就它。

PTC模式可以理解成「先把任务流程写成一段可执行的小程序，再一次跑完」，在标准模式下，模型通常是调用一次工具、看一次结果、再决定下一步。PTC会先把连续的多步操作（比方说我们后面用到的case，遍历 8 个地区、每个地区采样10次，最后汇总数据）组织成程序，让程序自己连续调用工具并处理中间结果。小任务感受不明显，但任务步骤长、重复多、数据量大时，PTC 能少很多来回，更快也更稳定。

极简模式，只有一个终端加一个文本编辑器，系统提示词就一句话，用来跑基准测试和教学演示。V4 flash跑分就是用的这个模型。

创造模式，在标准模式基础上，额外支持运行时检查，尝试插件，以及使用预设完成创作类任务。

你直接跟它提需求，比如给我创建一个只能读不能写的代码审查模式，它会自己起草配置，挂载验证，存成新的preset，然后这个模式就出现在你顶上的选择器里了。

这里得提醒一句，创造模式能执行模型自己写的代码，能改运行时，信任等级基本等同于给了它shell权限，不要在不信任的环境里开。

另外提一嘴，会话一旦开始产生内容就不能再切模式了，因为模式决定工具集，中途换会导致新工具看不懂历史里的旧调用。

工具本身就介绍到这，直接上测试。

第一个上的是aimap. carlwow. com，一张我在做的AI热点知识图谱。

它把最近 7 天新闻里出现的模型，公司，产品，开源项目，概念全都抓出来，连成一张力导向图，每 12 小时刷新一轮，现在也把AIHOT和goodcase都带上了。

你在图上点任何一个节点，右边详情面板会给你两个出口。一个是近 24h 相关新闻，接AIHOT的管线，看这东西现在正在发生什么。另一个是最佳用例与实践，接goodcase，带着这个节点的名字直接搜过去的。

你点到一个模型，下一秒就能看到别人已经拿它做出了什么。

我写这篇的时候去图上瞄了一眼，DeepSeek V4 Pro热度 98，全场第一。DeepSeek Harness 93，排第六。

OK，我把aimap的整个仓库丢给dsh，要求写得很死，不要泛泛而谈，要能直接排进开发计划，要分优先级。

最后按优先级列出最值得先处理的3–5个问题和建议。

它交回来一份P0到P3分级的完整分析，技术栈，数据流，每个判断对应哪个文件哪一行，全标了。

P0那两条我印象特深。

先是数据加载失败的时候，我们的前端是静默的。代码里fetch数据，失败了直接catch成一个空数组，用户看到的就是一片空白。没有错误提示，没有重试，连个加载中的状态都没有。它原话是，数据是产品的全部，但最坏情况下用户看到的是白屏加图例，第一反应是网站坏了。

然后是首屏的理解成本。我们的图谱首屏是一堆节点，标签默认不显示，要等热度够高或者缩放进去才看得到。它说，新用户进来前3秒，可能根本不知道自己在看什么。

看完是真得回去大改一轮了。。。之前写的时候根本没注意，开发环境里数据基本不会失败。但从用户视角，这一块就是在赌运气。。。

dsh点出来了我埋了很久但一直没做的热点时间轴。实际上aimap试运行了一周，历史快照我们存了16份，这些数据在前端一份都没用上，白浪费了。。。

项目读完，开始真的造点东西了，就一句话，让它画一张纽约天际线。

画面要有趣、精致且细节丰富，加入一些出人意料的巧思。请尽情发挥创意，把视觉美感拉满，并将完整代码放在同一个代码块中。

用v4p跑了下，它交回来一个HTML文件。就一个，534 行，双击就能开。

打开是黄昏时候的纽约，天空从深蓝渐变到紫，楼是暗的，窗户一格一格亮着，星星在闪，飞机的警示灯在眨。水面上有整座城市的倒影，还在轻轻晃。

全程零JavaScript，零外部资源。整张图是纯SVG加CSS动画。

离谱的是，那架飞机横穿整个画面用了20几秒，慢到你盯着看几乎察觉不到它在动，得离开一会儿再回来才发现它挪了位置。

dsh框架有个特性是每一次的调用过程，全都能在 log 里看得清清楚楚。

用了哪些工具，缓存命中率多少，全都摊在那儿。

再来再来。前面那个是从零画，这个是带交互功能的，邮件签名生成器。直接拿goodcase .ai上的case来复刻。

因为签名生成器要把填表单，实时预览，一键复制成内联样式HTML，弹窗教你怎么导入到 Gmail这一整条链路真的跑通。

输出使用纯 HTML + inline CSS，确保主流邮件客户端兼容。

它交出来的版本，表单，实时预览，浅色深色切换，复制按钮这些全都有。试了一下，填完信息预览实时更新，点复制，粘到 Gmail里样式也是对的。

有个细节我得提一句。它连纯文本回退都做了，因为iOS的邮件签名只支持纯文本，粘过去样式会被整个剥掉。这条我没写在需求里，它自己补的。

最后一个case就给goodcase做个优化。

我手上有两个域名，goodcase. ai和goodcase. carlwow. com，我想知道到底哪个更快，全球各地打开分别是什么体验。说实话，视频多了之后，同一页我们就得限制加载的数量。它是慢加载还是别的机制？所以这个站从它诞生开始，我们就不停地在优化打开速度

这事儿得在多个地区取样，得区分网络层和渲染层，得跑多轮取中位数不能只跑一次就下结论，还得把原始数据存下来。所以我打开了PTC模式，把需求丢给它之后，它做的第一件事不是回答我，是开始写脚本。

然后它给了我一个没想到的答案。

页面打开速度这块，它直接说没得比，两个域名跑的是同一套代码，页面本身完全一样，差异小于5%，直接判平手。

我是真有点意外。你让一个Agent做对比，它最容易干的事就是硬挑一个赢家给你，反正你也不会去核实。但dsh完全没在编的。

那差异是在哪发生的咧，在网络层。

先在我电脑上测，carlwow响应快了将近36%。正常到这儿就可以下结论了。

但PTC模式下它没停。。。自己又去拉了全球八个地区的真实测速数据，每个地区采样27次。结果出来我愣住了，完全反过来，goodcase.ai在八个地区全赢，8比0。

测试量大到我的测速工具额度都被冻结了。。

它继续挖，八个地区里唯一一个carlwow赢的地方是香港，快了40ms。

是因为carlwow的域名解析专门针对国内做过优化，离香港近，所以在这儿快。代价是全球其他地方的解析都变慢了，整体反而输了。

用人话说就是，一个照顾国内用户，一个照顾全球用户，各有取舍。

Agent = 模型 + Harness

前面这几轮测试，我其实一直在测等号右边那一半，Harness。

AIMap时我用的是标准模式，画纽约时切到了创造模式，测速那一轮则手动换成了PTC。

模型始终都是同一个v4 Pro，但只是换了运行模式，最后做出来的东西就已经不是一个量级了。

测速那次最明显。标准模式下，它大概率就是在我电脑上跑几轮测试，然后给出一个结论；到了PTC模式，它会自己写脚本，拉取八个地区的数据，对每个地区反复采样，最后甚至把原始数据一起落盘保存。

模型没有突然变强，只是框架给了它更多发挥能力的空间。

这也是Cordis这套插件系统真正有意思的地方。它本身主要负责插件的加载，卸载和依赖关系，其他能力几乎都可以作为插件挂上去。工具注册表是插件，审批策略是插件，甚至连驱动整个Agent运转的主循环本身也是插件。

所以所谓的四种模式，其实并不只是四个简单的开关，而是四套不同的Agent运行方式。

PTC能一次完成一整串操作，不是模型突然变聪明了，是通过这一层Harness允许它先把连续的多步任务组织成程序，再一次性执行。

Harness这一半看完了，那左边的模型呢？

v4pro是不是真的比不上v4flash，我保持框架和提示词完全不变，只把模型从v4 Pro换成v4 Flash，让它也画一遍纽约。

v4flash+dsh压根没直接画SVG，先写了个生成器脚本，再让脚本去吐SVG。里面带种子的随机数，专门画塔楼的，画水塔的，画屋顶花园的，全都有，出来的东西比Pro那版要好。

还有一个Goodcase的复刻我也让 Flash 跑了一遍。

真的跑出来效果真的是一比一了

所以模型和框架之间，与其说是谁增强了谁，不如说更像是乘法。

模型决定上限，Harness决定这些能力最后能发挥出来多少。

DeepSeek这次比较特别的地方，就是把乘号两边都放了出来。

而当它们是乘法关系的时候，便宜模型的性价比也会被重新放大。

考虑到V4 Pro的价格更高，日常使用我反而会更倾向于v4-flash。普通的小任务交给它，速度快，成本低，大多数时候也足够稳定。真的遇到复杂任务、长流程或者需要更强推理的时候，再切到 Pro。

所以日常我最推的还是v4-flash，便宜好用，简单的小任务交给它基本不会出岔子。

然后说个数字来感受一下。

dsh上线GitHub，一个多小时破2万星。上一个纪录保持者是xAI的Grok-1，用了1.2天。DeepSeek自己的R1，5.7天。

一个多小时。

第二天我醒来刷了一眼，6万了。

翻了两天社群评论后，我发现真正让大家兴奋的，好像不是模型本身，而是这个框架到底能被改到什么程度。

最开始，大家只是换UI。

Web端换，这个还很好理解，毕竟谁都想让自己的工具看起来顺眼一点。

接着有人开始换工具层，接视觉层的改成多模态的，默认的文件编辑，Shell不够用，就自己写一个工具挂进去，到这里都还算正常。

直到有人直接把主循环换掉了。

Agent怎么运行的，下一步做什么，什么时候调用工具全都自己手搓了。表面上跑的还是dsh，但这个Agent怎么工作的逻辑，都都变成自己调的了。

就像同样是我的世界，大神们甚至可以在里面手搓CPU，我估摸让dsh自由生长一个月也会有人搓出来这种程度的工作量的。。。

我们在dsh里面可以自由造了一台自己的dsh。

以前想给一个Agent框架增加能力，

通常要等官方更新，或者自己fork项目，读源码，改实现。

现在只需要我们把需求说清楚就行。

前面还想着这条鲸鱼可以当奇迹暖暖玩玩了，

本来想就是换个UI，换个模式，折腾一下外观。

现在看来，这个比喻其实还说轻了。

奇迹暖暖只能换衣服。

dsh连游戏引擎都能换。

那还说啥了，

加油冲啊，蓝色大鲸鱼！

@ 作者 / 卡尔 & yc星辰

最后，感谢你看到这里如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论

如果想要第一时间收到推送，不妨给我个星标

如果你有更有趣的玩法，欢迎在评论区聊聊

更多的内容正在不断填坑中……