DeepSeek Harness rc.8发布：多模态图片理解与子代理系统全面升级

DeepSeek Harness：一切皆插件的Agent框架

DeepSeek Harness（简称DSH）是DeepSeek AI推出的开源Agent框架，其核心设计理念是「Everything is a Plugin」（一切皆插件）。整个框架底层由Core Ads驱动，通过插件化的架构让开发者能够灵活扩展Agent的各项能力。

这一「一切皆插件」的设计哲学源自软件工程中的微内核（Microkernel）架构思想。在这种架构中，系统核心仅提供最基础的运行时环境和插件生命周期管理，所有业务功能——包括模型调用、工具执行、记忆管理等——均以插件形式动态加载。这种设计的优势在于极高的可扩展性和解耦程度：开发者可以在不修改框架核心代码的情况下，通过编写插件来增加新能力。类似的设计理念在VSCode的Extension系统、Webpack的Plugin机制中都有成功实践，已被证明是应对复杂功能需求的有效范式。

有意思的是，该项目目前仍处于开发者预览阶段。官方明确表示会存在破坏性变更（breaking changes），这意味着它尚不适合直接部署到稳定的生产环境。但从另一个角度看，频繁的破坏性变更也恰恰说明了项目的迭代速度极快，功能演进十分活跃。

rc.8核心更新：从「只读文字」到「看懂图片」的多模态跨越

本次rc.8版本最大的看点是多模态能力的引入。DeepSeek适配器现已支持原生图片请求，Bondi Go和Bondi Plan均可接受图文混合输入，而Bondi CE菜单也支持引用文件和绘画功能。

多模态（Multimodal）是指AI系统能够同时处理和理解多种类型的输入数据，如文本、图像、音频、视频等。在大语言模型领域，从纯文本到多模态的演进经历了几个关键阶段：早期通过CLIP等模型实现图文对齐，后来GPT-4V、Gemini等模型将视觉编码器直接集成到语言模型中，实现了端到端的多模态理解。对于Agent框架而言，多模态支持意味着Agent能够接收截图、解析图表、理解UI界面布局，这对于自动化测试、设计审查、数据分析等任务场景至关重要。

这一升级的意义在于：Agent不再局限于纯文本处理，而是能够真正「看懂」图片以及上下文中的附件内容。对于需要处理界面截图、图表、设计稿等视觉信息的自动化任务而言，多模态支持是一个关键性的跨越。

子代理系统：按需安装的能力扩展模块

另一项重量级更新是子代理（Sub-agent）机制。在rc.8中，Claude Code和Codex可以作为Profile Bundle按需安装，让开发者根据实际需求组合不同的代理能力。

子代理机制是多Agent系统（Multi-Agent System, MAS）的核心组件之一。在复杂任务中，单一Agent往往难以胜任所有环节，因此需要将任务分解并委派给具备特定能力的子代理。这类似于软件开发中的微服务架构——每个子代理专注于一个领域，通过协议进行通信和协作。Claude Code擅长代码生成与调试，Codex则提供高效的代码执行能力，将它们作为可按需安装的Profile Bundle，开发者就能像搭积木一样组合出适合自己场景的Agent工作流。

其中Codex支持非交互式权限模式，并允许创建多个命名实例，这为并行化、多任务的Agent工作流提供了基础支撑。非交互式权限模式允许子代理在无人值守的情况下自主执行操作，这是实现全自动化流水线的前提条件。用户可以针对不同场景配置独立的子代理实例，从而实现更精细的任务分工。

Windows终端持久化与SQLite性能优化

对于Windows平台用户，rc.8同样带来了实质性改进。框架新增了持久化的PowerShell终端支持（PTY），并将Minimal预设设为默认开启。

PTY（Pseudo-Terminal，伪终端）是操作系统提供的一种虚拟终端接口，它模拟了物理终端的行为，使得程序可以像与真实终端交互一样进行输入输出。在Agent框架中引入持久化PTY意味着Agent可以维持一个长期运行的Shell会话，在其中执行多条命令、保持环境变量和工作目录状态，而不是每次执行命令都启动一个新的进程。这对于需要连续执行多步操作的开发任务（如编译、测试、部署）尤为重要，避免了反复初始化环境的开销。

这意味着Windows用户也能获得与类Unix系统相近的终端交互体验，Agent可以在持久会话中执行命令行操作。

在底层性能方面，rc.8对SQLite后端进行了优化，提升了读写和分叉（fork）性能，同时降低了存储体积。SQLite是一种轻量级的嵌入式关系型数据库，无需独立的服务器进程，数据存储在单个文件中。在Agent框架中，SQLite通常用于存储对话历史、任务状态、插件配置、记忆上下文等结构化数据。其「分叉」性能的优化涉及到Agent对话分支管理——当用户从某个对话节点创建新的分支时，框架需要高效地复制或引用历史数据。相较于Redis或PostgreSQL等需要额外部署的数据库，SQLite的零配置特性使其成为本地优先（local-first）Agent工具的理想选择。

不过需要特别提醒的是：新版本的数据结构与旧版不兼容，升级前务必做好数据备份与迁移规划。

此外，Python SDK也得到了增强，覆盖了四个内置Agent预设，并打包了Glob搜索和MCP STDIO工具所需的依赖项，进一步降低了开发者的接入门槛。值得一提的是，MCP（Model Context Protocol，模型上下文协议）是由Anthropic提出的开放标准，旨在为AI模型与外部工具、数据源之间建立统一的通信接口。STDIO是MCP支持的传输方式之一，通过标准输入输出流进行进程间通信，适合本地工具的集成。MCP协议的出现解决了此前各Agent框架工具调用接口互不兼容的问题，类似于USB接口统一了各类外设的连接方式。DSH内置MCP STDIO支持，意味着开发者可以直接复用整个MCP生态中已有的工具插件。

社区热度与迭代速度：GitHub超17万星标

从社区反响来看，DeepSeek Harness的热度可以用「夸张」来形容。项目在GitHub上已收获超过17万星标、1.8万余次Fork，这样的数据在开源Agent框架中相当罕见。

更令人印象深刻的是其迭代节奏——从rc.7到rc.8仅仅间隔两天。这种高频发布的背后，是活跃的开发投入和快速响应社区反馈的能力。

如何快速上手体验DeepSeek Harness

如果你想在本地一键体验这个Agent工作站，可以尝试通过MPX运行相关命令启动DeepSeek AMH。DSH Web默认在3080端口打开，方便通过浏览器直接访问和操作。

再次强调，由于当前仍是预览版且存在破坏性变更，建议将其定位为技术尝鲜和学习实验用途，暂不推荐用于稳定的生产线业务。

总结

DeepSeek Harness rc.8的这次更新，围绕多模态、子代理、Windows终端三大方向进行了全面升级，展现出该框架在Agent能力边界上的持续拓展。对于关注开源Agent生态的开发者而言，这是一个值得密切跟踪的项目——尽管处于预览阶段，但其插件化架构、快速迭代和活跃社区，都预示着它在未来Agent工具链中的潜力。