专题 · FULL STORY

DeepSeek-Harness：从泄露到爆火始末

DeepSeek-Harness 自 Agent 框架代码泄露引发关注，随后正式开源 v0.1 并与北大揭秘底层架构。虽伴随门槛争议，项目两天 Star 破十万，并在研发中大量借助 Codex，展现了极强的技术影响力与社区热度。

2026-08-12 ~ 2026-08-15 · 7 集 · 61 条

第 1 集 · DeepSeek-Harness WebUI 疑似泄露，预计即将发布(2026-08-12,2 条)

据多位网友和 X 用户爆料，DeepSeek 私有平台 DeepSeek-Harness 的代码库疑似发生泄露。多个公开仓库引用了该平台的依赖包，并包含了 WebUI 截图。有用户指出该界面与现有的 DeepSeek-Web 高度相似，但增加了额外功能。外界预计官方很快就会对其进行正式发布。

第 2 集 · DeepSeek 开源 Harness v0.1 插件化框架(2026-08-13,36 条)

DeepSeek 正式以 MIT 协议开源其内部 Agent 框架 DeepSeek Harness（简称 dsh）的开发者预览版 v0.1.0。该项目由 Cordis 元框架构建，核心理念为“万物皆插件”，旨在提供高自由度的全插件化架构。其开源引发社区高度关注，GitHub Star 数在短时间内迅速增长。

已确认

  • 开源与获取：DeepSeek Harness v0.1.0 采用 MIT 协议开源。用户可通过 npm 安装 Web UI，指令为 npx @deepseek-ai/dsh web，也可将安装链接发给 AI Agent 进行自动化部署。
  • 核心架构：框架底层基于 Cordis，定位类似 Claude Code。其核心设计为“万物皆插件”，模型、工具、技能、会话、沙箱、文件系统、编排及 UI 等所有组件均模块化，支持自由组合与扩展。
  • 功能特性：dsh 提供可重组、可回放的 Agent 运行时系统，内置插件生命周期管理、工具执行与会话日志记录功能。作者 teortaxesTex 指出，该设计允许 Agent 动态重组自身，为递归自我改进（RSI）提供基础。

尚未确认

  • Star 数与公测状态：各帖报道的 Star 数差异较大（如近千、5.5k、24k），反映统计时间不同。关于官方是否结束内测并开启公测，仅作者 teortaxesTex 提及相关预测，未获官方证实。

为什么重要

  • 冲击企业级市场：该框架被称为“中国版 OpenClaw”，其高自由度架构预计将冲击现有的 WorkTool 等私有化工作助手市场。
  • 降低开发门槛：通过便捷的 Web UI 与 AI 自动化部署，dsh 降低了构建复杂智能体系统的门槛。

还有 16 条相关讨论 →

第 3 集 · DeepSeek-Harness 上线即陷两极口碑(2026-08-13,6 条)

8 月 13 日，DeepSeek 发布新工具 DeepSeek-Harness，随即引发两极评价：其「一切皆插件」的架构设计获得部分技术人士认可，但官方文档被指不知所云、需命令行安装且仅提供 WebUI 界面，被认为对新手不友好，加之涨价，口碑在 X 与国内媒体之间明显分化。目前争论焦点集中在产品定位与易用性，而非底层技术路线本身。

已确认

  • 08-13 上线当天，@xiaohu 即表示 DeepSeek-Harness 的官方描述让人一头雾水，引发社区对文档清晰度的讨论。
  • @xiaohu 转述 @GordenSun 的评价：DSH 设计理念先进——一切皆是插件，支持运行时安全加载/卸载/替换插件并保证依赖关系，有论文证明；但需命令行安装和启动、界面仅 WebUI，对小白不友好，更像底层框架，且出现涨价，结论是对普通用户不如直接订阅 Codex。
  • @AlchainHust 指出产品定位拧巴：从「一切皆插件」转向增加复杂模式，明显面向专业开发者而非普通用户，却未优先提供 CLI 模式，而是采用「不伦不类」的 WebUI。
  • X 上亦有正面声音：@TheZachMueller 转发 @xlr8harder 的观点，称当前的 harness 是错的、DeepSeek 新 harness 是重大进步，并调侃道德正确的 harness 将源自 emacs。
  • 中外舆论反差被多位用户独立注意到：@yihuiindie 与 @sujingshen 均表示 X 上以批评和吐槽为主、国内媒体几乎一边倒好评，两人都声明尚未亲自体验；@sujingshen 帖下有回复以「适口者珍」解释这一反差，即各人口味不同。

尚未确认

  • @GordenSun 提到 DSH 涨价，但现有材料未给出具体价格与涨幅；国内好评一方的具体评价依据在帖子中也缺乏展开，「适口者珍」只是网友的一种归因。

为什么重要

  • 争论核心是

第 4 集 · DeepSeek Harness 开源 48 小时 Star 破 10 万(2026-08-13,6 条)

DeepSeek 于 8 月 13 日开源 Harness 项目后迅速刷屏：上线两小时 Star 数即突破 2.4 万，不到 48 小时（8 月 15 日）已突破 10 万。社区评测普遍认为它适合以“搭积木”方式构建定制化 AI Agent，是区别于 Claude Code、Codex 的新架构尝试。

时间线

  • 08-13：项目发布，@vista8 当天观察到 Star 数先破 7000、随后升至 9100 以上；@AlchainHust 统计两小时内已斩获超 2.4 万 Star
  • 08-15：@Hesamation 与机器之心先后确认 Star 数突破 10 万，距发布不到 48 小时

已确认

  • Star 增长数据：两小时超 2.4 万，48 小时内破 10 万，多帖交叉印证
  • @vista8 转述社区评测：该框架灵活性极高，非常适合以“搭积木”的方式搭建自定义 AI Agent
  • @AlchainHust 评价：该项目并非 Claude Code 或 Codex 的简单复制品，而是一种新颖开放的架构尝试，将计划模式、子 Agent 等机制纳入设计

尚未确认

  • 项目基于 Cordis 元框架、以“一切皆插件”为核心、以 MIT 协议开源，以及“打破此前 7 天纪录、成为史上增长最快开源项目”等说法，目前仅见于 @AccBalanced 的转发帖，暂无其他帖子交叉印证

为什么重要

  • 两天破 10 万的 Star 增速在开源社区极为罕见，若“史上最快”的说法属实，意味着大模型厂商推出 Agent 基础设施的号召力已远超一般开源项目
  • 其积木式、可定制的定位与差异化架构思路，为 AI Agent 的构建方式提供了新选项，后续能否沉淀出真实生态值得持续关注

第 5 集 · DeepSeek×北大：自进化Agent热插拔编程范式(2026-08-13,6 条)

DeepSeek 与北京大学联合发布论文《一套处理时空可组合性的编程范式》并同步推出配套测试框架，揭示 DeepSeek Harness 背后的核心技术 Cordis 框架。研究面向自进化 Agent 持续修改自身运行环境时的稳定性难题，支持组件运行时热插拔与副作用的干净撤销，被解读为 DeepSeek 在框架级持续学习领域的首次实质性尝试。

已确认

  • 核心模型：据 @tokenbender，论文提出组件级的自适应合成编程模型，引入「自适应合成/形式化」概念；组件可显式声明其所需输入及将产生的副作用，运行时能根据组件的加入与退出自动激活或停用依赖关系，并干净地撤销副作用。
  • Cordis 与热插拔架构：据 @量子位，论文详细揭示 DeepSeek Harness 背后的 Cordis 框架，其定义持久化的抽象层，使工具、记忆、技能等组件可在运行时动态插拔；传统插件系统（如 VSCode）卸载插件时常需重启整个宿主进程，在自进化 AI 场景下会丢失状态，该设计正是为解决动态注册与状态复原这一难题。
  • 配套发布：论文发布同时推出了配套的测试框架，@SimplyAnnisa 等多个账号转述了同一消息。

为什么重要

  • 据 @philipvollet 转述的论文要点：当前关于递归自我改进（RSI）的讨论多聚焦模型权重或算法优化，但现实中的智能体还需不断重写包含工具、内存、沙盒在内的运行时环境；缺乏保障时，自我修改极易引发不可逆的副作用或破坏恢复机制。
  • 据 @teortaxesTex 转述的解读：该研究指出了自进化 Agent 所需的全新工具范式——与传统仅用 bash 执行脚本的极简工具不同，Agent 在进化过程中会动态产生和弃用工具，对系统的动态注册、状态复原及副作用处理能力提出极高要求；相关解读还涉及 TypeScript 在这一新范式中的地位。

第 6 集 · DeepSeek Harness被指门槛高，实为非代码场景Agent底层(2026-08-14,2 条)

近期有声音吐槽 DeepSeek Harness (DSH) 门槛过高、过于“面向极客”。对此，有作者发文反驳，认为这种吐槽是对时代趋势的逃避以及营销号的博眼球行为。文章指出，DSH 的架构是生态建设的最优解之一，其卡位类似于原子级的 Agent OS。尽管看似硬核，但 DSH 并非仅局限于编程场景，未来在非代码场景下作为智能体底层具有极大的应用潜力。

第 7 集 · DeepSeek Harness 复盘：两成提交出自 Codex(2026-08-14,3 条)

DeepSeek Harness 发布 20 小时即收获 8 万星。作者用 OpenAI Codex 分析其 GitHub 仓库发现：开发中大量使用 Codex，约 20% 的提交和 PR 由其完成；插件系统与 Koishi 插件平台相似度约 75%，推测复用了部分架构，整体成为 AI 深度参与开源项目开发的样本。