配图

今晚 DeepSeek 悄悄放了一个大东西,一个开源 Agent 框架,叫 DeepSeek Harness。

发布时间就在两个小时前,GitHub 上 star 数涨得飞快。我第一时间装了,跑起来,然后给了它一堆「非分」的任务。

结果有点上头。

先说结论,这东西最狠的不是「DeepSeek 也做 Agent 了」,而是它的设计思路,一切皆插件。模型、工具、会话、沙箱、界面,全部可以单独替换。你用它的方式不是「等官方加功能」,而是「自己装插件」。

接下来是实操环节。安装门槛低到离谱,机器上装了 Node.js 就行,然后一行命令。

npx @deepseek-ai/dsh web

回车,Web 界面就在浏览器里打开,默认地址 http://127.0.0.1:3080。从装到跑,全程不到一分钟。

我去 GitHub 仓库核对过了,MIT 协议,随便用,源码全开放。这跟 Claude Code、Codex 那种商业闭源工具的路子完全不一样,DeepSeek 直接把框架扔出来了,你改不改、怎么改,它不管。

首次进去要配一下模型。官方 DeepSeek key 直接填,它也支持任意 OpenAI 兼容端点,公司网关、自建服务都能接,填完立刻生效不用重启。

到这一步,它已经是个能写代码、能跑命令、能搜网页的 Agent 了。

但真正有意思的是接下来,它的核心设计,一切皆插件。

传统软件的逻辑是,功能写死了,你只能在官方留的口子上做有限定制。dsh 不一样,它把 Agent 拆成一层一层的积木,每一块都能换。

想换搜索引擎,改个配置就行。想接自己公司的模型服务,不用动框架代码。想加个画板功能,装个插件就有。卸载的时候一切自动撤销,不留残余。

内测的时候有人给它做了 XP 皮肤、QQ98 皮肤、通达信皮肤、Minecraft 皮肤,官方还有皮肤中心,全部是独立插件,装上就能用。我自己也装了个,agent 变成了一只叫「大肥鱼」的猫娘,界面还带好感度条,跟养电子宠物似的。

技术底子是 Cordis 插件系统,专门管插件的加载卸载和依赖关系。剩下的所有组件,从模型到工具到界面,全都是插件。开发者不用改 dsh 源码,就能选择、替换、扩展任何一个能力。

这事的想象空间在于,Agent 的能力不再等官方施舍,社区一个人做出来的插件,所有人装上就能用。插件生态一旦滚起来,会非常吓人。

聊完架构,直接上手测。先给它装了个浏览器操控插件,Kimi Code 官方的 WebBridge,原理是走 MCP 协议,让 Agent 能驱动我电脑上的真实 Chrome,带着我的登录态干活。Kimi 的插件文档里写得很清楚,装完插件本体还要在浏览器里装个扩展,两步到位。

这两个插件的完整安装方法都在 Kimi 官方文档里,https://www.kimi.com/code/docs/kimi-code-cli/customization/plugins.html,WebBridge 和 Computer Use 是同一页里的两个官方插件。

我下的指令是,「帮我打开 B 站,给一个视频点赞投币」。

它先探测了浏览器连接状态,确认 daemon 正常,然后问我给哪个视频点。我说从我的「稍后再看」里挑一个。

然后它自己开新标签页,打开 B 站首页,进了我的「稍后再看」列表,开始操作。整个过程不用我碰鼠标,它在真实浏览器里完成点击,就像我自己在操作一样。

这事我自己手动做要十几秒,但它展示的意义不是省这十几秒,而是 Agent 终于能操作真实网页了。带登录态的网页操作,是 AI 从「聊天」到「干活」的分水岭。

浏览器会了,再试试桌面。

又给它装了个桌面操控插件,Kimi 官方另一个插件 Computer Use,这次测 Windows 记事本。它从第一步到最后一步,全程自己完成。

先枚举桌面,看到我真实运行的应用。然后启动 notepad,观察窗口,拿到完整的界面结构。接着输入了一段中英文混排的文字,回读验证,确实打进去了,窗口标题都多了个星号,说明真的产生了未保存的修改。

然后它按 Ctrl+Z 撤销,文字消失,标题恢复。最后 Alt+F4 关闭,进程表里干干净净。

八步全绿,全程没污染我任何文件。

这就是 Claude Code 们一直想补上的短板。写代码它能干,但写完代码之后的图形界面操作,它以前只能干看着,现在能自己点鼠标了。

除了手脚,还有一个细节值得说,视觉能力。

dsh 默认的 DeepSeek 适配器是纯文本的,看不了图。官方给了方案,用泛型适配器接一个支持视觉的 OpenAI 兼容端点,声明一下支持图像输入,read_image 工具就生效了。

配置写在 settings.yaml 里,改完下一次请求就生效,不用重启。

这带来的改变很实在,给 Agent 传截图、传文档照片、让它看界面来判断下一步,全部成为可能。配合浏览器操控和桌面操控,它的「感知」才算完整。

说到值不值得现在上手,说点掏心窝的话。

如果你是开发者,或者正在折腾 AI 自动化,现在就可以玩。装一下,把浏览器插件和桌面插件配上,你会立刻体会到「Agent 自己动手干活」的感觉。

如果你只是好奇,可以先收藏,等它迭代稳定了再上。官方自己都说了,这是开发者预览版,v0.1,后面会有破坏兼容性的变更。你辛辛苦苦配的插件,可能过两周就升级了。

还要提醒一句,让 Agent 操控浏览器和桌面,等于把电脑的钥匙给它了。涉及资金、账号、对外发布的操作,别让它碰,或者只在专用的测试环境里玩。安全永远要排在效率前面。

我的判断是,DeepSeek 这步棋走得很聪明。模型现在不缺,缺的是让模型真正干活的框架,而框架的胜负手在生态。开源 + 插件化,是抢生态最快的路。

几个月后再看 dsh,大概率已经不是现在这个样子了。到时候装插件的人多了,它会长出我们都想象不到的能力。

我先玩为敬,你随意。

如果你想系统地把 AI 用起来,这几篇值得看:

AI 从零到一系列: ① AI能帮你干什么?一张三层地图讲清楚 https://mp.weixin.qq.com/s/B_8Mc52z3lXLReGh9gaMqQ ② 2026年最好用的8个AI工具,我帮你试过了 https://mp.weixin.qq.com/s/pqKFkieNkg2e8dKf0E4OdA ③ 从聊天到干活:怎么让AI帮你做事 https://mp.weixin.qq.com/s/ZhcuCWaiGmy1v3hYX_Tu_A ④ 从提示词到挽具工程:AI使用方式的3个阶段演进 https://mp.weixin.qq.com/s/cyG-LQqHeoEPpNbvo542Cw ⑤ GitHub 200K+ Stars的Hermes Agent,从装好到用爽到底要几步? https://mp.weixin.qq.com/s/sb-A4YX-up_UT1iZbLTFqw ⑥ 会装Hermes的人很多,会用透的人就在这4步 https://mp.weixin.qq.com/s/tEtq67rbFy0oVecWc0ES5w ⑦ AI操作系统三件套,让它记住你、替你跑、帮你干活 https://mp.weixin.qq.com/s/1MvrNf5kzZFiioaYHgG_5A ⑧ Agent工作流避坑:为什么你搭了但最后全在吃灰 https://mp.weixin.qq.com/s/UapNO5aTlFUQbgk42glAKg ⑨ DeepSeek V4 Flash × 多Agent:输入便宜 30 倍、输出便宜 100 倍 https://mp.weixin.qq.com/s/uCSf4DhowpbeWL3n_5eq0Q

我是饮冰,大三学生,边学边搞 AI。加我微信,送你一份《AI从零到一完整教程合集》,再拉你进 AI 学习群,一起踩坑一起成长。

你玩 AI 的时候最想让它帮你干什么,评论区聊聊。如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。

相关文章