DeepSeek Harness零基础安装与测试实战指南

为什么测试工程师需要关注 DeepSeek Harness

自动化测试和测试开发过去是有门槛的——你得会写代码，这既是门槛也是护城河。但 AI 时代把这层壁垒削平了，现在行业趋势正转向「AI 主导测试」。据 B 站 UP 主在教程中的判断，DeepSeek^广告 Harness（简称 DSH）很有可能在国内环境取代 Cloud Code 的地位。

这个判断背后有几条支撑逻辑。第一，DSH 是开源的，支持接入各种模型，包括 DeepSeek 官方模型、通义千问^广告、小米、MiniMax 等，开放性很强。第二，Cloud Code 是命令行形态的工具，而 DSH 提供的是网页 UI——对不做开发的测试人员来说，鼠标点选、可视化交互的体验要友好得多。第三，从数据安全角度，UP 主提到 Cloud Code 所属公司曾爆出通过后门采集数据、截取用户明文等问题，国产工具在这方面的顾虑更少。

需要说明的是，DSH 目前标注为技术预览版，仍处于快速开发阶段，主要面向技术人员而非普通用户。它「有成长但还不完美」，企业落地时往往需要做进一步封装，把测试活动与 DSH 结合起来形成测开平台。

环境准备：Node.js 是起点

DSH 的运行依赖 NPX，而 NPX 来自 NPM，NPM 又需要 Node.js 环境。这就是整个安装链条的起点。

安装 Node.js

打开官网下载安装包，双击运行、一路下一步即可。UP 主建议使用 V24 长期支持版（LTS），不建议用 Node.js 18 这类老版本。安装完成后，在终端执行 npm -v 和 npx -v，能正常打印版本号说明环境就绪。

如果 NPX 无法使用，一般是环境残留问题，彻底卸载后重新安装通常能解决。

配置国内镜像

NPM 源在国外，国内下载速度可能很慢，配置国内镜像几乎是必做步骤，否则安装依赖可能要等很久。

两个命令的分工值得说清楚：NPM 是包管理工具，NPX 是包执行工具。后续的 DSH、MCP 等都通过 NPX 执行——它会一次性完成下载、安装、启动、执行，是一条龙服务。

Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时环境，它让 JavaScript 可以脱离浏览器在服务器端或本地终端运行。NPM（Node Package Manager）是随 Node.js 一同安装的包管理工具，负责下载、安装和管理第三方依赖；NPX 则是 NPM 5.2 版本起内置的包执行工具，它可以直接运行某个 npm 包而无需先全局安装，运行时会临时下载包及其依赖，执行完毕后清理缓存。文章中的 DSH 正是以 npm 包的形式发布，因此必须依赖 Node.js 环境才能通过 NPX 启动。若环境中曾安装过其他版本的 Node.js 或残留旧配置，可能导致 NPX 命令失效，此时彻底卸载并重新安装是常见解法。

国内镜像是指将 NPM 官方源（registry.npmjs.org）替换为部署在国内的镜像服务器，例如淘宝 NPM 镜像、腾讯云镜像等。由于官方源服务器在海外，国内直接访问时下载速度可能极慢甚至超时，配置镜像后可以显著提升依赖安装速度。配置方式通常是通过 npm config set registry 命令修改全局源地址，或使用 nrm 这类源管理工具切换。需要注意的是，镜像源存在同步延迟，极少数最新发布的包可能短期内无法从镜像获取，此时可临时切回官方源。

一条命令启动 DSH

安装 DSH 只需要一个命令：npx 加上 DSH 的包名（该包位于 DeepSeek 组织下，官方简称为 DSH）。

目录选择有讲究

UP 主特别强调：不要在 C 盘系统目录、下载目录里执行。应该专门创建一个干净的工作目录，比如命名为「北凡DSH」的独立文件夹。这样将来出现环境后遗症的几率会小很多。

有些学习者尝试先克隆源码再本地编译，结果在 Windows 上遇到某个模块编译失败，导致部署不起来。实际上用 NPX 一条命令就够了，它会自动下载正确的依赖，不需要手动编译。

命令背后做的三件事

执行这条命令后，DSH 会完成三个动作：下载 DSH 及其全部依赖；启动一个 Web UI 服务；自动打开浏览器并填入 token。

从 1.2 版本开始，DSH 增加了鉴权功能——直接访问 localhost 地址会被拒绝，必须带上正确的 token 才能进入。这在一定程度上提升了安全性。UP 主演示时，命令执行完浏览器会自动弹出并完成登录；如果想在另一个浏览器访问，把完整 token 复制过去即可。

配置大模型：不止 DeepSeek 一家

首次打开 DSH 时，界面会引导你添加 API Key。如果点「稍后配置」关掉这个窗口，反而拥有更高的灵活性——可以自由配置不同厂商的模型。

方案一：使用 DeepSeek 官方模型

这是最简单的路径。注册 DeepSeek 账号、充值、在控制台生成 API Key，然后把 Key 填入设置中的模型配置即可。

关于充值金额，UP 主给新手的建议是先充五块十块感受一下消耗速度：如果觉得烧得太快，就转包月；如果用得不多，按量付费更划算。这是典型的「小马过河」，取决于个人使用强度。API Key 涉及财产安全，不要透露给任何人。

如果当时关掉了输入框，可以点开设置 → 模型 → 编辑，找到 DeepSeek 官方密钥栏位填入并保存。

方案二：接入第三方模型

使用非 DeepSeek 模型时，需要准备四项信息：

• 接口类型：不同接口的数据格式和参数类型不同。大部分厂商都提供 OpenAI 兼容格式，不确定时选 OpenAI 兼容一般不会出错。
• 接口地址：官方模型不需要，第三方模型必须提供。
• 接口密钥：与 DeepSeek 一样需要。
• 模型名称：必须写对。UP 主提到有学习者从阿里换到小米时，地址和密钥都换了，模型名称却还留着通义的——模型名称不对同样无法使用。

在设置中可以选择知名厂商（如通义、小米、OpenCode），也可以走「自定义提供方」：随便起个名字、填入地址、选择 OpenAI 兼容协议、放入密钥、添加模型 ID 和显示名称，点击创建即可。

选择工作区是强制步骤

配置完模型会发现输入框点不了，因为还差一步：选择工作区。工作区本质上就是一个目录，AI 读写文件、加载技能都在这个目录内完成。不同工作区之间相互隔离，在第一个目录创建的文件，第二个目录看不到。DSH 强制要求选择工作区，不选就无法使用对话框。

验证配置是否成功很简单：随便问一个问题，看它有没有返回答案。即使答案错了也不要紧——那说明模型能力问题，至少调用链路是通的。UP 主对比测试时发现，同样的问题 DeepSeek 模型几乎是零秒响应，而某个第三方模型用了六秒，DeepSeek 在速度和价格上的优势比较直观。

实战能力演示：搜索、文件与可观测性

网页搜索：DeepSeek 生态的整合优势

DSH 的插件设置里有网页搜索功能，底层通过 DeepSeek 完成搜索。配置好密钥后，可以让它搜索实时信息。UP 主演示时搜索了当天的金融要闻，DSH 不只返回标题，还抓取网页内容、交叉核对、剔除旧闻，最终汇总出市场监管、行业行情、海外焦点等维度的摘要。

这种深度整合是 DSH 与 DeepSeek 模型搭配的独特优势。过去用 OpenWebUI 接入 DeepSeek 模型时无法使用搜索，需要额外注册第三方搜索服务、获取密钥、充值再接入。DSH 把大模型能力、网页搜索、多模态解析集成在一起，对原本就用 DeepSeek 模型的用户来说过渡非常自然。

文件读写与可视化

让 DSH 在工作区创建一个 Markdown 文件（比如写入「大家好我是北凡」并加粗），它会调用写入工具，明确展示文件名和内容参数，然后把文件以卡片形式发出来，点开即可预览渲染效果。JS 或 Python 文件还会显示行号。

局限在于只能看不能编辑——AI 可以帮你创建和修改文件，但用户无法直接在工作区内编辑。UP 主在自建的测开平台中强化了这块能力，为工作区所有文件做了文件管理器，支持上传、下载、打开、编辑、修改、删除。

轨迹视图：智能体的可观测性

对话右侧的「轨迹」面板记录详细信息，类似浏览器的 F12 开发者工具。它把上下文直观化、可视化：系统提示词写了什么、用户提示词是什么、每一步调用了什么工具、花了多少时间、消耗多少 token，全部可查。

UP 主在课程中强调过 Function Calling（后来业界更倾向叫 Tool Calling）的概念——大模型加上工具调用才构成智能体。DSH 把这套机制可视化，正好对应智能体搭建中的「可观测性」需求：出了问题可以点开每一步看它怎么思考、怎么执行、错在哪里，对调优和排 bug 帮助很大。

Tool Calling（工具调用，早期常被称为 Function Calling）是指大模型在生成回答时，能够根据用户意图主动选择并调用外部工具或函数的能力。开发者预先定义好工具的名称、描述和参数结构，模型在对话中判断需要调用哪个工具，并输出结构化的调用参数，由外部程序执行后将结果返回给模型，模型再基于结果继续推理。正是这一机制让大模型从「只会聊天」进化为能读写文件、搜索网页、执行代码的智能体。轨迹视图记录的每一步工具调用，本质上就是 Tool Calling 的执行日志，因此可观测性对智能体调试至关重要。

局限与后续方向

DSH 原生版本不支持多人同时使用，多账号访问需要额外改造，UP 主表示会在测开课程中讲解接入方案。文件管理、平台化封装等增强能力也都需要二次开发。

整体来看，DSH 的问答、搜索、文件读写等基本能力已经可用，环境就绪后就能上手。它代表的方向——AI 主导测试、Web UI 化的智能体工具、国产开源替代——值得测试从业者提前布局。