DeepSeek Harness 是什么？为什么说"一切皆插件"？
DeepSeek Harness 把 AI 编程工具的每个组件都做成可插拔插件——模型适配器、工具注册、日志，连 AI 循环本身都能换。
- 定位：可拆装重组的 Agent 平台骨架，"成品车" vs "开源引擎 + 配件市场"
- 核心：连 AI 循环都是插件，4 层可替换 + seam 设计一处替换全局生效
- 标志：日志即真相，AI 看到的字节从账本重算，runtime 断言强制
- 适合：平台团队 / 合规重行业 / 多模型 A/B 测试；普 通用户用 Codex / Claude Code 扩展够用
- 现状：0.1.0-rc.5 Preview，可接入绝大数模型，第三方插件鱼龙混杂，权限过大
- 设计模式：可逆副作用 / 类型化事件 / 文档生成 + 完整性守卫 / 防御式加载 / UI 订阅事件
一句话理解它
DeepSeek Harness（命令行简写 dsh）是 DeepSeek 开源的 AI 编程智能体框架，跟 Codex CLI、Claude Code 干同一件事——让 AI 帮你读代码、改文件、跑命令。
但定位不是"又一个 AI 编程产品"，而是"一个可拆装重组的骨架"。Codex / Claude Code 的 AI 循环、调度逻辑都写死在核心里，外层只能挂小挂件；DeepSeek Harness 反过来——模型适配器、工具注册表、会话日志、连 AI 循环本身，全都是插件。可比作"成品车" vs "开源引擎 + 配件市场"：开箱即用、生态成熟度前者赢；可定制天花板和架构可组合性，dsh 更激进。
一次对话轮次是怎么跑的
一次用户输入到模型最终回复，称为一个 turn（轮次），走 7 步：收件 → 过安检（pre-step）→ 拼菜 → 模型思考 → 干活（工具执行）→ 要不要再轮 → 收工。
核心设计：每个工位之间都留了"检查口"，插件可随时往里塞逻辑——每一 步都能参与。
事件有四种分发模式：
| 模式 | 作用 | 通俗理解 |
|---|---|---|
emit | 广播，不等待 | 喊一嗓子，谁听到谁听 |
waterfall | 中间件，可短路 | 传话接力，谁有权谁拍板 |
parallel | 并行扇出 | 同时问一堆人 |
serial | 按序执行 | 排队一个个来 |
亮点
日志即真相
DeepSeek Harness 的硬原则「模型可见即记录」：模型看到的每一个字节，都必须从日志里重建出来。运行时断言强制保证。
主流工具存的是"截图"（用户看到的界面），AI 真正看到的上下文（系统指令、注入的背景、压缩后的工具结果）是另一套隐性东西，两套经常对不上。dsh 存的是"账"——AI 的每次动作记成 一笔不可篡改的流水账（只增不改），AI 实际看到的东西必须能从这个账本重算，运行时断言盯着不一致当场报错。
派生四个能力：回放 / 审计 / 算账 / 复制分支。
这跟 Pi 的 JSONL 节点树（见 Pi 的 Session 是什么？JSONL 树形结构撑起分支、回滚、压缩）不是同一种东西：
- Pi JSONL 节点树：消息（一条对话事件）。"回滚"= 跳到节点重启对话。
- dsh 日志即真相：字节（AI 那一刻看到的完整 prompt）。runtime assertion 强制「存的 == AI 看到的」。
不是 JSONL 的可视化版本——JSONL 节点树看不到 "AI 当时看到的完整 prompt"；dsh 把字节也存下来，所以能做字节级 replay、跨模型公平对比、token 算账。
| 维度 | Pi 节点树 | dsh 日志 |
|---|---|---|
| 存的最小单位 | 消息 | 字节（拼装后的完整 prompt） |
| "回滚" 含义 | 跳到节点重启 | 字节级还原 |
| 一致性保证 | 手工校验 | runtime assertion 强制 |
| 派生能力 | 跳节点 / side thread | 字节级审计 / 跨模型对比 / token 算账 |
可替换的"核心" vs 只能扩"外围"
Codex / Claude Code 在固定骨架上挂扩展；DeepSeek Harness 让你 连骨架一起换——换模型路由、存储、沙箱、审批策略、加入公司记忆/合规/遥测，或换成自己的 UI / 业务工作流。
但有代价：多一层 seam 就多一份抽 象负担；dsh 又是 0.1.0-rc.5 预览版，插件合约可能变，自己接的代码要跟着迁。
真正用得上的：平台团队（多业务线定制 UI/路由/沙箱）、合规重行业（金融/医疗/政企把审计审批做成 seam 一等公民）、多模型 A/B 测试（字节级可重算）。普通团队用不到——直接用 CC / Codex 扩展够用。
"一处替换，全局生效" 的 seam 设计
DeepSeek Harness 把每个底层能力拆成三层：接口定义 + Provider + Consumer——类似"插座标准 + 电源 + 电器"：电器只认插座不认电源，换一个电源，所有电器自动跟着换。
dsh 真实例子：AI 编程工具的 Bash、终端（PTY）、LSP 都依赖 文件系统 和 进程。把这两个从"本机"换成"沙箱"，Bash、终端、LSP 全自动跟着搬到沙箱里跑；没有 seam 的设计，得 一个一个功能去改。
一句话：seam = 把能力做成标准插口。换电源，就换全部。
兼容桥接 + 自主工作
- 兼容桥接：
hooks-claude-code/hooks-codex直接读你现有的 CC / Codex hook 配置（还做${CLAUDE_PLUGIN_ROOT}变量替换），还支持 MCP、ACP、LSP - 自主工作：dsh 的
goal/Ralph 循环/schedule是更"自动化"的能力（持久目标 + 全新上下文 + 定时触发），但预览版成熟度待观察
可逆副作用
每个插件返回"撤销函数"（disposer）——卸载即清理，热重载 / 可回滚 / 可组合 三件事的底气。
类型化事件做扩展点
插件通过 ctx.<key> 找服务、通过事件通信，不 import 具体实现；事件带"类型化"——填标准表格，编译器当场检查字段。
文档由代码生成 + 完整性守卫
tool-catalog、config-catalog、module-graph 全部脚本自动生成；新增工具但没进文档，CI 直接失败。
防御式加载
读 hooks.json 路径错、正则坏——隔离处理 + 打警告，不让 agent 启动崩溃。
UI 只订阅事件，不绑死 Agent 内核
UI 从 Session Event 流渲染；Web UI、CLI、SDK 可共享同一个内核。不要让"聊天界面的状态"成为 Agent 真正的状态。
劣势
仍是 Developer Preview
官方明确表示会快速迭代并产生不兼容变化，当前根版本为 0.1.0-rc.5。不建议此时直接把它当稳定企业基础设施，除非团队能持续跟进升级并承担迁移成本。
高度模块化也带来理解成本
包、事件、配置层和生命周期明显增多。官方文档建议 先理解 Cordis，再修改 packages。除非真要替换底层，否则这种复杂度不容易产生回报。
产品完整度暂时落后
Codex 已覆盖 CLI、IDE、云端并行任务、GitHub 工作流；Claude Code 已覆盖 CLI、IDE、桌面、Web、移动、CI、Slack、后台 Agent、Agent Teams。DeepSeek Harness 主产品面仍以 本地 Web 和 Headless 为主，优势集中在"内部可塑性"，不是"外部体验完整度"。
安装方式对非开发者不够友好
虽然是一行命令，但容易出错。社区第三方封装了 Desktop 版 降低上手门槛。
慢，且效果一般
DeepSeek 模型目前 agent 的思考模式只有 off / high / max 三档，缺 low / medium 这种轻档。跑 task 时默认走高档位，整理一个任务的速度相对其他 Agent 慢了不少，对追求快响应的场景不友好。模型在真正动手改代码前已经把大量 token 烧在前置推理上。同样的 prompt 给 Claude Code，Agent 往往几秒内就开始改文件；给 DSH，是想很久、动一次，最终输出往往一般——既不显著优于"快速动手 + 迭代修改"的 Agent，体验下来两头都不占优。
哪怕是换其他模型，比如 MiniMax 同样的思考强度，DSH 下跑，速度也未见明显改善，改代码 之前执行还是比较缓慢，效果也不如人意。如果和 Claude Code 比那除了“一切即插件”这个口号外，国内打鸡血的一样自媒体狂吹，Github 上狂揽 Star，很多国内开发者积极贡献插件外。其他是感受不到明显优势的。
小结
| 维度 | 结论 |
|---|---|
| 它是什么 | 开源的、一切皆插件的 AI 编程智能体框架 |
| 核心思路 | 无特权内核 + 事件驱动 + 日志即真相 |
| 最大优势 | 连 AI 循环都可替换，可组合性天花板极高 |
| 最值得抄的 | 可逆副作用、日志即真相、文档生成 + 完整性守卫、防御式加载 |
| 要留心的 | 开发者预览、破坏性变更、生态尚新 |
如果只挑一句话记住它：
它把"一个 AI 编程工具的每一个组件"都做成了可插拔的零件，然后用一条可回放的日志把整件事沉淀成可审计的事实。
References
- 拆解 DeepSeek Harness：一切皆插件 —— 隔壁樊同学 Ai, 小红书, 2026-08-15