DeepSeekHarness桌面端正式发布，把本地文件夹变成工作区，能整理资料、做PPT、改代码，还自带插件市场与自动化任务。从插件内核到训练沙盒，它正与模型同步演进。本文带你上手体验这款开箱即用的Agent产品。
DeepSeekHarness桌面端现已发布，Windows和Mac均已支持，可在官网下载：deepseek.com/harness
新版本预置了日常办公和开发的常用功能，如：整理资料、做ppt、改代码等。对于新增插件安装与管理也有专门页面，让用户能够灵活配置，打造独属于自己的harness当然，DeepSeekHarness还在起步阶段，初具鱼形，功能和体验会继续打磨
上手
我提前上手用了下这款产品，给大家带来一下更直观的预览
首先，DeepSeekHarness会把本地的一个文件夹当作工作区，在里面读写文件、调用各种工具，完成查资料、做文档表格、写代码、排查问题这些任务
第一次打开时，引导会先问你想让它帮忙做什么：办公or开发（你可以同时勾选这两个
接着问你想看到多少工作过程，分聚焦结果、关键细节、完整过程三档这个选择只改变界面上展示多少信息，不影响它的工作能力
用DeepSeek账号登录后，可以直接用账号额度跑任务，不需要另外申请APIKey，联网搜索也不用再单独配置。已有APIKey的用户，可以在设置里接入，也能添加其他厂商的模型
DSH的桌面端是开箱即用的，自带Node和Python运行时，Python第一次用到时自动装好，里面有pandas、python-docx、python-pptx、openpyxl这些处理数据和Office文件的库，还带了LibreOffice，用来在应用里预览文档做表格、写PPT需要的环境，直接预制了
办公与开发
你可以给它文档、表格或PDF，让它整理资料、分析数据、生成图表、制作演示文稿，也可以让它修改项目、运行代码
比如这里我让它做了一份5页的PPT，主题是「AgentHarness是什么」。它先加载处理PPT的技能，用内置的Python写了一段生成脚本，做出文件后，再把每一页渲染成图片，检查版式有没有溢出、遮挡。第一次渲染出来是空白，它换了一种方式，先转成PDF再渲染，检查通过后才交付整个过程3分钟左右，用了约66万token，缓存命中96%
生成的文件和每一轮代码变更，会集中展示在对话里。你可以在侧栏预览文件内容，查看代码和修改前后的差异，接着在对话里提修改意见，也可以用本地应用打开文件继续编辑
任务运行时，输入框下方会显示当前的轮次和步数、生成速度、token用量、缓存命中率和上下文占用。切到「轨迹」页签，能按时间线看到每一条系统提示、上下文注入、工具调用和返回结果。这些都来自同一份只追加、不改写的会话日志，恢复、分叉、检索和回放一个会话，用的也是它
这次还内置了一个可以按需开启的自动化任务插件。在插件管理页打开后，侧栏会多出「自动化任务」，你可以把重复的工作设成按计划执行的定时任务，查看每次的运行记录，调整执行频率和任务指令
创建任务直接用对话就行。我们跟它说“2分钟后在工作区写一个提醒文件”，它调用定时工具建好了一条一次性任务，到点准时执行，写完还在同一个会话里回报结果，并确认任务列表已经清空
此外，界面的详略也可以调整，包括Agent工作步骤怎样展示，以及各种功能和信息在界面上显示多少，按自己的工作习惯来选
一切皆插件
DeepSeekHarness的底层是一个叫Cordis的插件内核，内核只负责插件的加载、卸载和依赖关系。模型、工具、技能、会话、沙箱、存储、循环、调度，直到界面本身，都由插件提供，在配置里就能选择、替换或扩展，不用改源码
桌面端延续了这个设计，并新增插件管理页面。安装插件不再需要命令行，在页面里输入插件的包名（也就是npm包名）就能装上，同一页还可以停用、卸载，查看插件的介绍和来源。习惯用命令行的话，桌面端也自带了dsh命令，在菜单栏里装好后就能用它管理插件，不需要另装Node或pnpm
我们装了一个社区插件「小鲸鱼」。输入包名、安装、启用，窗口右下角立刻多了一只鲸鱼：任务运行时它抱着电脑干活，需要你确认时它会提醒，任务完成后会庆祝一下
同样的设计也体现在模式上。输入框下方可以切换四种模式：标准模式提供完整的工具组合；PTC模式让模型写一段TypeScript程序，把多步工具调用组合起来；极简模式只保留一个shell和一个文件编辑工具；创造模式可以检查当前运行时，试验插件，组合出新的模式
元股证券:ygzq.hk
在实验性的创造模式里，你可以用对话描述需求，让DeepSeekHarness编写和修改插件。做好的插件即时生效、持久保存，也会出现在插件管理页面里，方便以后使用和管理
官方插件列表里，还有几个标着“实验性”、默认关闭的插件，除了自动化任务，还有智能体团队、自动授权审查和语音输入
智能体团队会让主Agent建一份共享任务清单，再派出几个队友并行工作。我们让它调研三款AI编程工具并写一份对比表：它派出3个调研员同时查资料，等结果的时候自己去核对各家的定价数字，最后汇总成文，各家没有公布的数字都标成了“未确认”。这个任务用了约5分钟、160万token
自动授权审查是一种新的权限方式：每一次工具调用前，先由和当前Agent相同的模型审查，审查拒绝的调用再交给你决定。它不使用沙箱，开启前需要确认风险提示。测试时我们让它删除工作区之外的一个文件，它在执行前先停下来，给出跳过、确认删除、先备份再删三个选项，由我们来选
接下来
在使用DeepSeek官方API的用户里，以日均活跃用户、日均会话数等口径计算，DeepSeekHarness已经是最受欢迎的CodingAgent产品
接下来，团队计划改进这些方向：
沙箱功能与安全性
智能体团队的效果与易用性
个性化的长期记忆
浏览器和其他GUI软件的自动化操作
远程与移动端使用
杠杆股票配资会话分享与多人协作
新功能会先以实验性插件的形式按需开启，打磨验证后再默认开启
DeepSeekHarness也会和DeepSeek模型一起演进：新模型出来后针对性优化适配，模型训练时优化它在DeepSeekHarness里的实际表现，模型研究也会为新的产品功能提供支持
第三方插件方面，按模型API用户口径统计，约60%的DeepSeekHarness用户用过第三方插件。团队会改善插件的发现、获取和管理，建设官方插件市场，同时让插件API更清晰、更稳定，尽量避免破坏性更新，降低插件开发者跨版本适配的成本
训练里的Harness
DeepSeekHarness和模型一起演进，有一部分发生在训练阶段。DeepSeek同时公开了训练用的沙盒基础设施，DeepSeek弹性计算（DeepSeekElasticCompute，DSec）。DeepSeek-V4全部的训练、评测和数据预处理都跑在DSec的沙盒里，DeepSeekHarness就是装进沙盒的工具包之一
Agent模型要在真实环境里反复试错：读代码、改文件、装依赖、跑测试、起服务。DSec把这样的环境拆成三层：基础镜像放操作系统和基础软件，工作区放任务要用的代码仓库和依赖，工具包放DeepSeekHarness这样的组件。三层各自管理版本，创建沙盒时再组合起来
这样拆开，工具包更新时最省事。以2026年某一周为例，容器后端用了11,266个基础镜像、102,171个工作区。如果工具包打包在每个镜像里，它一更新，所有镜像都要重建；拆成三层之后，DeepSeekHarness更新一次，只需要重建工具包这一层，再和已有的基础镜像、工作区组合
从DeepSeek-V4.1开始，Agent的执行逻辑也搬进了DSec：Agent沙盒运行Agent框架和工具包，工作容器负责管理沙盒、推进交互，两者都在可被抢占的GPU资源池之外。此前，Agent的执行循环和GPU训练任务跑在同一个Pod里，训练被抢占，执行循环也跟着停下，恢复时要重放命令日志。现在训练被打断后，Agent可以从中断的地方继续执行
DSec的技术报告《DeepSeekElasticCompute(DSec):ASandboxInfrastructureforEffectiveAgenticTrainingatScale》已经公开在arXiv
最后
这里还有个小福利，你现在用DeepSeek账号登录桌面端，可以限时领到6元体验赠金，无需充值赠金限量发放，送完即止，到账后7天内有效
美股投资入口平台
优选杠杆配资网提示：本文来自互联网，不代表本网站观点。
