8.0
热点
AI SCORE
技术实践2026-08-14 00:03
深度体验DeepSeek Harness：涨价也在情理之中
量子位#DeepSeek#API平台#成本优化
Editor brief · 编辑速览
量子位对DeepSeek API平台Harness的深度使用评测，覆盖成本控制、部署体验和与主流平台的对比。
DeepSeek Harness，终于发布，并且将源代码开源了。
为啥说「终于」呢？因为我已经内测了快半个月，现在也是终于能发了。。。
这段时间里，为了测试，我几乎把我所有 Vibe Coding 项目，都从 Codex 迁移到了黑鲸（是的，logo 黑化了）。
深度体验这么久，又把官方 Repo 从头到尾翻了个底朝天之后，我最大的感触是——
这简直是套彻头彻尾为「自进化」和「DIY」而生的马鞍啊。
事实上，DSH 的一切：模型、工具、策略、存储、上下文管理……都是可插拔的积木。
这意味着，如果你想，完全可以自己上手改造，或者针对特定场景定制运行时。
目前，官方已经内置了一百多个插件。后续社区会提供更多。
但在说底层技术相关的内容前，咱们还是先讲讲产品体验本身。
在已安装 Node.js 开发工具链的系统中，可以使用 npx 命令快速启动 DeepSeek Harness 的 Web UI。
npx @deepseek-ai/dsh web
获取完整项目源码，并按照仓库说明完成安装。
git clone https://github.com/deepseek-ai/deepseek-harness
其实可以更简单，直接把仓库链接（见文末）丢给 AI，让它帮你全部搞定（doge）。
但暂时没有 Electron APP，启动服务后，得通过浏览器 Web UI 用。
打开后，会先让你填模型 API Key，没有的话直接到 DeepSeek 开发平台买一个。
但梁圣这次可能不止收你电费钱了，17号要大涨价，尤其是缓存。。。
之后就能看到「黑鲸」真容了，基本和 DeepSeek 网页版长得一模一样，只不过现在对话列表成了本地项目管理列表。
开启会话前，你需要额外选择工作目录，以及——
这是 DSH 比较新鲜的功能，目前官方有四类预设供你选择——
标准模式：功能完整的编码 Agent，涵盖文件编辑、Shell、文件与网页检索、Skills、计划模式、目标追踪、子代理和工作流等全部能力
PTC 模式：在标准模式全部能力之上，额外提供 Code Mode SDK，允许模型编写 TypeScript 程序来组合多步操作。
极简模式：仅保留 bash 和 str_replace_editor 两个工具，用于基准测试和最小化复现。
创造模式：在标准模式全部能力之上，额外提供运行时检查、插件实验和 preset 创作指导，用于自定义 Agent 预设。
这也是 DSH 带给我最深的印象——这是一个非常极客，甚至可以说是开发者天选的马鞍。
众所周知，随着 Agent 跑得越久、工具链越复杂，Chat 摘要就越来越黑盒，根本搞不清楚模型在背后干啥。
DSH 做的这个轨迹，就是一个能随时监控 Agent 的回放窗口。
和 Chat 视图的是润色后的对话不同，Trajectory 能直接看到原始事件级记录，你可以随时回放，查看会话内部到底发生了什么。
这样，能更直观地看到模型究竟是在哪栽了跟头，每个环节都烧了多少钱。
此外，DeepSeek 还在仓库里内置了一堆 Skill，专为开发而生。
dsh-code-review：审 PR 用的。按本仓库的规范检查代码里看不出来的问题。
dsh-find-simplifications：找可以简化代码的地方，并把简化想法写成 Agent Note。
dsh-doc-standards：写/审文档用的。管文档层级、区分教程和参考、砍「文档废话」。
dsh-prose-standard：全仓库文字品控。Markdown、JSDoc、代码注释、提示词、CLI/UI 文案该不该写、怎么写。
不过，我不是重度开发者用户，日常确实不太用得着这些。
但多轮交互下来，我发现 DSH 有一个非常好用的小设计——
即便不开计划模式，黑鲸在遇见用户指令不明确的情况时，也会主动拉起提问。
这点和 Codex 很不一样。在 DSH 的鞭策下，黑鲸会非常主动地开启头脑风暴，并且给出建议选项。
说实话，太爽了，能节省巨多脑力，少吃很多根香蕉（bushi）。
当然，你也可以哪个都不选，自己巴拉巴拉语音输出一堆上下文给它。
你可以用 /，调用上下文压缩、设置目标、计划模式等功能，或者调用 Skills。
比较遗憾的是，经典 Agent 三列表中右侧栏还没做出来，体验上还是有些不方便。
这点 Codex 就非常吃香了，内置浏览器、文件管理、预览……
诸如此类，反正就是很多 UI 和交互上的小细节，跟 Codex 比起来肯定还是有差距，可能也得等后续更新打磨吧。
但众所周知，V4 是个瞎子啊 o(╥﹏╥)o，这个功能需要额外搭配多模态模型食用。
也是很神了，DSH 专门在屏幕最下方搞了个统计表，你可以随时在这里查看 Token 消耗量、缓存命中率，以防一不留神给信用卡刷爆掉。
缓存命中方面，也是很猛的，大多处于 99% 左右，有几次直接干到 100% 了。
当然，也是遇到过几次掉到 60-70% 的情况的。
但奈何内测的时候 DeepSeek 是真便宜啊！
最后就来拴上这套原生马具后，黑鲸的表现吧。
我让 V4 Flash 分别用 Codex 和 DeepSeek 自己的 harness 跑了几个 demo，大家可以自行对比一下。
左边是 DSH，右边是 Codex。模型、推理强度完全一致。
比较经典的一个测试了，说实话，没太大差别，甚至右边 Codex 的审美更好。
同样是只简单嘱咐了一句任务，没有写复杂提示词，右边 Codex 马鞍一把梭的产物简直不像个生物。
至于原因，我个人感觉是：DSH 驾驭下，模型的长程任务能力会强非常非常多。
像猪八戒这个 demo，就一句「生成猪八戒 3D 白模」，DS 直接猛跑了 20min。
反观 Codex，几乎就没怎么返工，6 分钟就跑完了，异常自信。
甚至最开始还以为是要生成图片，还管我要 GPT-Image-2 的 API。。。
这也是社区比较一致的反馈，听有个哥们说，他最长跑了 10 个小时。。。
我自己的体验也差不多，基本都是一句 prompt 直出，很少出现直接、不绕弯子地交付半成品的情况。
比如这个第一人称射击游戏，我真就啥 prompt 没给，下蹲、换弹、瞄准、NPC……所有功能都它自己做的。
也建议大家不用让 AI 单独生成一遍 Prompt，直接语音输入把需求讲清楚就行，太过详细反而会限制模型发挥。
对了，这有个黑鲸给自己做的「思考」gif，欢迎大家拿去当表情包。
所以，买了梁叔叔的 API，接 DSH 还是 Codex？
结论很简单：自家模型肯定是优先搭配自家 Harness。
实测的部分就先到这，主要聊的还是产品设计上的细节。至于模型能力，市面上已经有太多 demo 了，这里不再赘述。
打开官方 Repo，你会发现 README 里反复出现同一个词——Cordis。
啥意思？我看了一下，大概可以理解为乐高的底座板。
你玩乐高的时候，不会从零开始捏，你有一块带凸点的底板，然后往上插各种零件。
Cordis，就是程序员写代码时的「那块底板」。在设计 Agent 框架时，它将整体拆解为一个个独立插件，各司其职。
开发者若有魔改需求，只需按规则 Vibe Coding 一个新插件，直接插到底板上即可；若对现有插件不满，也能随时拔下替换。
说实话，这是一种相当 AI-Native 的设计思路。
要知道，Skill 只是 Prompt Engineering 的范畴，已经爆发出如此强大的影响力。
而 Cordis 插件，允许用户自定义整个 Agent 运行时。
这个主流 Agent 的思路很不一样，虽然 Codex 的 Harness 也开源了，但骨子里还是 iPhone 这类闭源哲学——
Rust 写单体核心，依靠「外部挂件」做 App Store 扩展，MCP 工具、hooks、skills，统统挂在核心外面，你不能随意触碰主干。
Rust 直接控制内存和并发，比插件框架的抽象层更快；一体化封装，可控性也更高、更极致。
而 DSH，我觉得，就是 Agent 时代的安卓。
它以 Cordis 为一等公民，打造了一套彻底开放的操作系统。在仓库的 Doc 文件夹中，甚至有手把手教你从零构建插件、接入官方 Harness 的完整教程。
甚至还内置了一个魔改 Cordis 的 Skill。
这意味着，任何人、在任何时候遇到 Bug 或需要新功能，都可以直接动手实现，然后再开源出来。
未来，其他用户遇到相似问题时，也能直接安装社区已有的 DSH 插件，就像《我的世界》装模组一样。
比如前面说到困扰我很久的侧边栏功能，社区里就有老哥做了插件。
事实上，DeepSeek Harness 已经预留好了 Plugin Store，光是官方，现在就已经内置了 100 多个插件。
这也是 DeepSeek Harness 团队呼吁的事情：
我们期待与全球开发者一起，在开源、开放、可复用、可组合的基础设施之上，共同探索智能上限。欢迎全球 Harness 开发者加入 DSH 插件生态。
今年自从 Anthropic 那篇 self-improvement 博客发出来之后，大家一直在聊「自进化」，但说实话，始终没有一个很清晰的路线图。
DeepSeek 这套思路，是我目前看到的比较可落地的实现方式——
Cordist 协议下，模型可以在不打断任务的前提下，自己写个插件、自己安上。
再配上用户生态，你想想：从成百上千万个 Agent 实例里，筛出魔改得比较好的插件，再融回主线……
什么？你问说了这么多，这 Cordis 对用户体验到底有啥帮助？？
在社区里问了一圈，目前看来，对普通用户而言，暂时是没太大帮助。。。
毕竟是个吃生态的 feature，也许要等后面大量高质量插件沉淀下来后，才能体现出差异。
当然，如果你是极客选手，欢迎，为后人种点树。