DeepSeek Harness (dsh)：我安装了 DeepSeek 的开源编码代理，将其接入我的聊天应用，并进行了基准测试

2026年8月13日，DeepSeek 发布了 DeepSeek Harness —— dsh —— 一个采用 MIT 许可的编码代理，其核心理念是 万物皆插件：模型适配器、工具、沙箱，甚至代理循环本身。上线两天就获得了 95,000 个 GitHub star。同一周我把它装在家里那台机器上，让它与 Reasonix（我现有的编码代理）并排坐在 DisPatch 里，同时指向 DeepSeek 的云模型和我自己 GPU 机器上的一个模型，并用一小套任务进行了测试。这就是测试过程、成本，以及踩坑的地方。

路线：从基础到进阶

步骤 1–3 让你在十分钟内得到一个可用的代理。步骤 4–5 是我在此基础上做的补充，让其他软件——以及其他代理——也能调用它。

你最终会得到什么

我实际使用的是无头模式。在项目目录内：

$ cd ~/Projects/dsh-playground
$ dsh --profile headless "Create fizz.py that prints FizzBuzz for 1..15 and run it; reply with the program output only."

1
2
Fizz
4
Buzz
…
FizzBuzz


$ echo $?
0

六秒钟，文件创建，程序运行，答案打印，退出码 0。它不会在你启动它的文件夹之外写入任何内容（默认权限模式 workspace-write），只在标准输出上打印最终消息，并持久化每次运行，因此你之后可以在 Web UI 中打开它，准确查看它做了什么——每一次工具调用，每一次 token 计数。

浏览器 UI 是熟悉的 2026 布局——左侧是会话，中间是聊天，还有一个用于模型的设置页面——它有一个好习惯：API 密钥粘贴在设置页面中，绝不放入配置文件。我的实例以 systemd 用户服务方式运行，并嵌入到我的聊天应用中，紧挨着 Reasonix：

第一步：安装（两分钟）

一个 npm 包。我为 agent 工具保留了一个私有的 Node 前缀，这样就不会有任何东西落入系统目录——在像 Bluefin 这样的不可变发行版上，这无论如何都是唯一合理的位置——但普通的全局安装也是一样的命令：

npm install -g @deepseek-ai/dsh
dsh --version          # 0.1.0-rc.7 at the time of writing
dsh web                # starts the UI, prints http://127.0.0.1:3080

打开该 URL，进入 设置 → 模型，粘贴你的 DeepSeek 密钥，保存。这会写入 ~/.dsh/.credentials.yaml（权限 0600），模型路由立即生效，无需重启。如果要脚本化，这个文件就是一个普通的 YAML 映射——DEEPSEEK_API_KEY: sk-…——我是从其他服务已经在读取的 env 文件中写入它的，因此这个秘密多存在于一个地方，但绝不会出现在 shell 历史或 unit 文件中。

在继续之前，有两件事值得了解：

• 遥测默认关闭（未设置 DSH_TELEMETRY_MODE = 禁用）。我检查的是随附的配置，而不是营销文案；OTLP 导出器确实存在，只是没有启用。
• 沙箱是真实存在的，但范围很窄。 workspace-write 将写入限制在你启动它的目录内。读取不受限制——文档里说得很清楚——所以不要把真实任务从你的主目录启动，也不要指向包含秘密的文件夹。

步骤 2：将其作为服务运行

Web UI 是一个长期运行的 Node 进程；我希望它在登录时启动，不需要终端，仅限回环地址。systemd 的 systemd --user 单元可以实现这一点：

# ~/.config/systemd/user/dsh-web.service
[Unit]
Description=DeepSeek Harness web UI (dsh web) on 127.0.0.1:3080
After=network.target

[Service]
WorkingDirectory=%h
Environment=DSH_HOME=%h/.dsh
Environment=DSH_PERMISSION_MODE=workspace-write
ExecStart=/usr/local/bin/dsh web --host 127.0.0.1 --port 3080   # `which dsh`
Restart=on-failure
RestartSec=3

[Install]
WantedBy=default.target

systemctl --user daemon-reload
systemctl --user enable --now dsh-web.service
curl -s -o /dev/null -w "%{http_code}\n" http://127.0.0.1:3080/   # 200

WorkingDirectory 是 Web UI 的默认工作区根目录，但 UI 仍然会先让你明确选择一个工作区，之后才允许输入。这是个不错的默认设置。CLI 还拒绝 --host 0.0.0.0——作者称所有接口绑定“有意暂不支持”，而且由于 UI 完全没有认证，我同意这一点。想从另一台机器访问？在前面加一个带认证的反向代理，或者通过远程桌面方式访问宿主机自己的浏览器（我就是这么做的）。

第 3 步：模型——一个 YAML 文件，热重载

~/.dsh/settings.yaml 保存默认模型和任何额外的提供商，dsh 会在处理下一条请求时重新读取它——无需重启，也无需重新登录。我的配置如下：

agent-default-model:
  provider: deepseek-official
  model: deepseek-v4-flash          # or deepseek-v4-pro

llm-deepseek:
  reasoningEffort: high             # off | low | high | max

# A local OpenAI-compatible server (mine is llama.cpp-based on a GPU rig).
llm-pi-ai:
  providers:
    buildpc:
      displayName: StudioForge (GPU rig)
      apiKeyEnv: STUDIOFORGE_PLACEHOLDER_KEY   # a reference, not a value
      api: openai-completions
      baseURL: http://my-gpu-rig:1234/v1      # your server; mine sits on the tailnet
      defaultContextWindow: 65536
      models:
        - id: unsloth/gemma-4-26B-A4B-it-qat-GGUF/gemma-4-26B-A4B-it-qat-UD-Q4_K_XL
          name: Gemma 4 26B-A4B (rig)

有两个细节各花了我十分钟：apiKeyEnv 是一个从 .credentials.yaml 或环境中解析的引用，绝不会是字面值；而且即使本地服务器不需要密钥，也仍然需要引用某个凭据，因为兼容 OpenAI 的客户端坚持要求 bearer token。在 .credentials.yaml 中放一个占位值就能满足它。另外，一旦会话引用了 provider ID（buildpc），它就是永久的；要改名就新增一个。

因为这个文件就是整个接口，“把 dsh 切换到本地模型”不过是任何脚本——或任何其他 agent——都能完成的两行编辑。我的主 agent 会把 harness 重定向到免费的本地模型来处理杂活，遇到难题再切回 V4-Pro，其余什么都不用动。

第 4 步：在 DisPatch 中与 Reasonix 并列

我已经把 Reasonix 作为伪机器人放在 DisPatch 里：点击它后，聊天窗格会变成一个终端，通过 PTY 运行其 TUI。我想让 dsh 就在它旁边。问题是：官方包没有 TUI。npm 上确实有第三方“Claude-Code 风格 TUI”插件，但它们才出现了四天，还带着损坏的 workspace:* 依赖；而且一个未经审查、带 shell 权限的包不能上家庭服务器。所以 dsh 窗格是用官方包确实提供的东西搭建的：

• 嵌入在 iframe 中的Web UI（它不发送帧阻止头）；只有当浏览器能访问主机的回环地址时才显示——tailnet 上的手机会看到一段简单的说明文字；
• 用于 systemd 单元的启动 / 重启 / 停止，外加健康状态；
• 一个模型下拉框，用于重写那个 YAML 文件中的 agent-default-model；
• 一个无头任务（Headless jobs）标签页：输入任务，选择 home 下的一个文件夹，然后点击运行。服务器会以固定的参数列表生成 dsh --profile headless "…"（不经过 shell——任务只是 argv 中的一个元素，所以包含 ; rm -rf / 的任务也只是普通文本），一次只运行一个任务，并保留包含每条最终答案的简短历史。

该窗格中的所有内容都位于应用的管理员解锁之后——无头任务本质上是任意代码执行，而被锁定的家庭设备永远不知道这个窗格的存在。如果你要把 dsh 接入你自己的任何东西，请照抄这种做法：把“运行任务”当作 shell 一样对待。

dsh 与 Reasonix 对比

两者都是 Claude Code 风格的代理，在 DeepSeek 上按 token 计费。它们的区别在于制造者以及呈现给你的界面：

	DeepSeek Harness (dsh)	Reasonix
谁	DeepSeek 官方，MIT 许可	第三方，Claude-Code 风格
界面	Web UI + 无头单次运行；没有 TUI	终端 TUI（PTY 中的交互式会话）
从脚本调用	dsh --profile headless "…" — 一个答案、退出码	为人在回路中设计；脚本调用很别扭
切换模型	编辑 settings.yaml，热重载；没有 --model 标志	config.toml 分级（flash/pro）+ 按技能路由
本地模型	通过 provider 块支持任意 OpenAI 兼容服务器	同样三项：base URL、密钥环境变量、模型 ID
可扩展性	一切都是插件（模型、工具、沙箱、循环）	子代理、技能、按项目记忆
在我的 DisPatch 中	iframe + 单元控制 + 无头任务标签页	基于 PTY 的 xterm.js 终端
成熟度	开发者预览版（rc.7），版本间有破坏性变更	v1.18，自带更新器，配置稳定

实际使用中：Reasonix 是我打算和代理一起坐下来工作时打开的；dsh 则是我的其他软件调用的。正因为这种分工，两者都保留了下来。

基准测试：5 个任务、3 个模型、15/15

并非严谨的科学实验——只是五个我会实际交给编码代理的小任务，每个都在全新的临时文件夹中运行，每项都经过自动验收（文件是否存在并能运行？在不动测试文件的前提下测试是否通过？重命名后是否零旧引用残留？）。墙钟时间涵盖整个过程，包括约 7,500 token 的系统提示词；token 数据来自 dsh 自己的会话日志。

任务	V4-Flash	V4-Pro	Gemma-4-26B（本地，主机）
回复“PONG”（启动 + 一次调用）	✅ 2.1 秒	✅ 2.8 秒	✅ 13.2 秒*
编写并运行 FizzBuzz	✅ 5.3 秒 · 2 次工具调用	✅ 8.4 秒 · 2 次工具调用	✅ 4.9 秒 · 2 次工具调用
修复 2 个 bug 使单元测试通过（测试文件未改动）	✅ 11.7 秒 · 8 次工具调用	✅ 15.8 秒 · 7 次工具调用	✅ 10.4 秒 · 8 次工具调用
总结含 6 个模块的代码库（150 词以内）	✅ 8.9 秒 · 9 次工具调用	✅ 10.9 秒 · 7 次工具调用	✅ 12.1 秒 · 7 次工具调用
跨 3 个文件重命名函数 + 测试，证明全绿	✅ 15.1 秒 · 14 次工具调用	✅ 18.2 秒 · 12 次工具调用	✅ 12.2 秒 · 11 次工具调用
总墙钟时间	43 秒	56 秒	53 秒
Token（输入未命中 / 缓存读取 / 输出）	42.6k / 136k / 4.5k	41.4k / 107k / 3.2k	40.5k / 237k / 5.6k
峰值费率成本（非峰值减半）	≈ 0.027 美元	≈ 0.072 美元	0 美元（电费）

*首次调用是在模型冷加载到主机后进行的；后续任务显示的是预热后的速度。价格来自 DeepSeek 的定价页面，日期为 2026-08-18：Flash 每百万 token 0.014 / 0.44 / 1.32 美元（缓存命中 / 未命中 / 输出），Pro 每百万 token 0.044 / 1.32 / 3.96 美元。

表格说明了什么：

• 提示词缓存是省钱的关键。每个任务都要支付约 7.5k token 的系统提示词，但第一步之后几乎全是缓存读取，价格仅为未命中价格的 3%。多步骤任务之所以便宜，正是因为框架保持了前缀的稳定。
• Pro 用更少的步骤和更少的工具调用完成了同样的结果（重命名任务 12 次 vs 14 次工具调用；总结任务 3 步 vs 4 步）。在这套测试中，Flash 更快，价格只有三分之一，所以它仍然是我的默认选择。
• 本地模型毫不逊色。Gemma-4-26B（4B 激活参数的 MoE 模型，Q4 量化，由 llama.cpp 在两块 RTX 5090 上提供服务）全部通过，虽然步骤更多、token 消耗更多，但墙钟时间同样有竞争力。这是本地模型第一次真正成为这里日常杂活的可行选项，而不只是新鲜事物——尽管五个小任务并不能说明 40 文件重构的情况。

然后是“日常任务”测试：我把它指向这个网站的仓库，让它阅读项目的 runbook，运行构建和链接检查，然后汇报——不发布、不改动。它读取了 runbook，运行了正确的命令，报告了检查器的确切输出（290 个页面、1,752 张图片、无失效链接）、构建时间，并且——在没有提示的情况下——注意到 runbook 仍写着“288 个页面”，并标记了这一偏差。五十三秒。这就是我整天交给它处理的低风险杂活。

趣味测试：给我做个小玩具

基准测试是一回事；我还想看看它在开放式创意简报下会怎么做。于是：“把这个网站的标志做成一个交互式像素画版本——原生 JS，可嵌入任何地方，悬停时有一些物理效果，点击时有一些酷炫效果，无依赖，你自己测试一下。”下面是它构建出来的成果——它是可交互的，所以请直接试试：

老实说，过程是这样的：

• 尝试 1（V4-Flash）：一个 10 分钟的循环，没有文件产出。简报允许手绘位图或程序化生成两种方式。它选择在推理过程中手绘一个 40×40 的位图，结果陷入了一个退化的循环——会话日志里有几百行 ################ / ....——直到我的超时机制把它终止。大约浪费了 2 美分。教训：永远不要让模型在脑子里手绘像素。
• 尝试 2（V4-Flash，简报修改为“从几何图形光栅化，不要位图”）：25 分钟，全部交付。100 个模型步骤，201 次工具调用，172k 输出 token（其中 123k 是推理 token），16.3M 缓存读取 token——≈ 按峰值费率 49 美分。它编写了一个 399 行的 ll-pixel-logo.js，带有一个全局 API 和 data- 配置项、一个演示页面、一个 README、一个用于光栅化器的 Node 单元测试，并且——在没有提示的情况下——还写了一个 Playwright 脚本，以三种尺寸截图演示页面。它在润色 README 时达到了我设定的 25 分钟上限，所以退出码是超时，但工作已经完成。退出码两头都会说谎。
• 艺术效果：圆环和两个斜 L 一眼就能认出是那个标志；它们比真实标志更粗壮、更像 Z 形，如果真要投入使用，我会花十分钟调整它的斜切常量。但我没有调——你所看到的就是原样。
• 嵌入到这里的代码只有一行，因为该网站的 CSP 是 script-src 'self'，而这个小部件不会发出任何网络请求。简报里提到了这一点；它也遵守了。

注意事项

• 开发者预览版，而且是用大写字母标注的。 安装时为 0.1.0-rc.7；三天前还是 rc.6。配置文件、配置键和插件布局都可能变化。在自动化内容中固定版本，并在每次升级后重新运行冒烟测试。
• 无头模式在完成前是静默的。 不会有任何内容流式输出到 stdout——长任务看起来像卡住了。请读取会话日志（~/.dsh/sessions/…/session.jsonl.zstd，zstd 压缩的 JSONL），或在 Web UI 中查看。此外，退出码为 0 表示“回合已完成”，而不是“任务已成功”。请检查结果。
• 无头模式没有 --model 标志。 默认模型来自 settings.yaml；在那里修改（热重载）或在 UI 中修改。
• 无密钥的本地服务器需要占位凭据，通过 apiKeyEnv 引用，而且 provider ID 是永久性的。上文已提及；你会踩到这个坑。
• Web UI 的静态资源使用绝对路径（/assets/…、/api），因此如果不做重写，就无法将其挂载到你自己反向代理的子路径下；要么将其嵌入，要么给它一个独立的主机名。
• UI 的语言环境跟随浏览器——自带的 index.html 写着 lang="zh-CN"，你首先会看到一个“内部测试通知”对话框。点击“继续”；之后的内容对我来说都是英文的。
• 安装会运行 postinstall 脚本（node-pty、koffi、protobufjs）。npm 会对此发出警告。就我所见没有恶意内容，但它是会在你的前缀目录中编译的原生代码——这也是将其放在私有前缀而非系统前缀中的另一个原因。
• 仅支持 Node 22.19+ 或 24。 较旧的 LTS 会拒绝运行它。

这对我意味着什么

它用一个下午就站稳了脚跟。无头模式是供其他软件调用的编码代理的正确形态——一条命令、一个答案、一个退出码、一份可审计的日志——而模型由 YAML 配置意味着我的代理栈可以将它指向任何适合任务的智能体。如果你已经在运行本地模型服务器，不妨试试同样的五个任务；十美分的 API 额度和一个临时文件夹就是全部投入。

相关：Reasonix（本文中提到的另一个编码代理）、DeepSeek Everywhere（将 DeepSeek 接入 Claude Code 和代理栈）、DisPatch（该面板所在的聊天应用），以及 bench-llm（以比我这里更严谨的方式对本地模型进行基准测试）。