DeepSeek Harness实测：零成本搭建专属编程Agent

DeepSeek Harness是什么：模型是大脑，Harness是外壳

DeepSeek近期开源了一个名为DeepSeek Harness的项目，短时间内GitHub星标数就冲到了19万，被不少开发者称为"免费版Claude Code"。这位海外UP主没有停留在阅读文档层面，而是完整走了一遍安装、配置和实测流程，验证它是否真的能撑起一个属于你自己的编程Agent。

理解这个项目的关键，在于分清"模型"和"Harness"两个概念。模型是大脑，而围绕大脑的一切——上下文、工具、插件、MCP服务器、权限、记忆——都属于Harness。UP主给出的核心观点是：Claude Code也是一种Harness，但它是别人替你做好了所有内部决策、并把这些决策封闭起来的Harness；而DeepSeek Harness把同样的这些决策全部开放，运行时你都能干预。

这意味着什么？在普通编程Agent里，抽掉一个组件它就崩了，任务进行到一半丢了依赖它也崩了（除非你提前硬编码了Plan B）。而在DeepSeek Harness里，每个组件都会声明自己需要什么，运行时会为它做的每一次改动保留"撤销"能力。没有东西被硬编码，因此没有东西非得重启。

"Harness"这个词在软件工程中原指"测试框架"或"驱动外壳"，即围绕核心逻辑提供运行环境、工具接入、状态管理的脚手架层。在AI Agent语境下，Harness承担的是：决定模型能看到哪些上下文、能调用哪些工具、如何处理错误与重试、如何保存和恢复状态。Claude Code、Cursor、Codex这些产品本质上都是各家厂商预先设计好的Harness，只是它们把内部决策封装起来不对外暴露。DeepSeek Harness的差异在于它把这一层完全开放并可编程化——这也是为什么它能接入任意模型而不是只能用DeepSeek自家的API。

安装与配置：模型也是插件，成本可以归零

安装过程相当简单。从官网或GitHub仓库复制安装命令，在终端粘贴回车，大约五分钟即可完成。安装结束后会自动打开一个本地Web应用仪表盘，首次加载时会要求填入DeepSeek的API Key。

值得关注的是——你并不需要填DeepSeek的Key。可以点击"稍后配置"，然后接入任何你想用的模型。UP主在设置的模型页面添加了一个Provider，接入了自己每月10美元的GLM订阅，连接成功后状态变绿即可使用。

这里体现了项目的核心设计理念：模型本身就是一个插件。你不会因为DeepSeek写了这个Harness就被绑死在它的付费API上。如果想真正做到零成本运行，可以添加自定义Provider，填入本地模型（比如通过Ollama部署）的Base URL和API Key即可。

不过UP主给出了一个诚实的提醒：免费托管模型都有额度上限。Google的免费Gemini层级同样能接入，但它已经停止公布限额。唯一真正无限的免费路径，是在自己的机器上运行模型权重——如果显卡够用，Ollama提供了很好的一键安装方案，完全不计量。他坦言自己的硬件跑不动，所以没演示这部分，不愿展示自己实际运行不了的东西。

Ollama是一个本地大模型运行时，允许开发者在自己的机器上一键下载并运行开源模型权重（如Llama 3、Mistral、Qwen等），对外暴露一个与OpenAI API格式兼容的本地接口（默认为 http://localhost:11434）。由于它完全在本地运行，没有网络请求、没有Token计费、没有隐私泄露风险。DeepSeek Harness支持自定义Provider的Base URL，因此只需将Ollama的本地地址填入，即可实现真正零成本、零网络依赖的编程Agent闭环。瓶颈在于本地显卡显存：7B参数的模型大约需要8GB显存，70B级别则需要多张高端GPU，这是"完全免费"方案的硬件门槛。

全链路可追溯：每一次调用都能回看

真正让UP主开始认真对待这个工具的，是它的可追溯性（traceable）。当一个任务运行时，你能实时观察它做的每一件事：上下文、助手、工具调用、每一个报错，全都可追溯——不是概括总结，而是逐字可查。

打开一次运行的轨迹（trajectory），你能看到它使用的确切系统提示词、逐字注入的上下文、哪些技能被加载哪些没有以及原因、每一次工具调用的载荷和返回结果、思考过程、每一步耗时。这种透明度是Claude Code或Codex都给不了的。

为了验证"组件可安全进出"不是空话，UP主直接在任务执行中途把它杀掉，然后要求它"从上次中断处继续"。结果它真的凭借保留下来的完整数据——相同的上下文、相同的用户偏好、相同的助手与工具调用记录——精确地接续了下去。

他也如实说明这是一个开发者预览版，唯一的标记发布是Release Candidate，README里用大写字母明确写着"会有破坏性变更"。但正因为组件化和状态可恢复的设计，即使出问题，它也能"复活"。

"轨迹（Trajectory）"是强化学习与Agent系统中的标准术语，指一个任务从起点到终点经过的完整状态-动作序列。在编程Agent里，一条轨迹通常包含：初始提示→模型推理→工具调用（如读文件、执行命令）→工具返回→再次推理→……→最终输出。大多数商业产品只展示最终结果或简化日志，而轨迹级别的可追溯性意味着你能在任意节点审查"模型为什么做出这个决定"，这对调试失败任务、优化提示词、核查安全边界都有直接价值。这也是为什么任务被中断后能精确续接——状态被完整持久化在轨迹数据里，而非仅存在于内存中。

一切皆插件：亲手造一个官方都没有的工具

DeepSeek官网首页的标语就是"Everything is a plugin"（一切皆插件），而且比想象中更字面。在设置的插件页面，里面几乎每一样东西都是可以启用/禁用的插件，包括侧边栏、命令等等。你可以随意添加、创建插件到Harness中。

UP主选择了Creator Mode（创作者模式），这个预设会自动加载插件开发技能。然后他给出了一个提示词：做一个在任务运行结束时触发桌面通知的插件，并把token数量和花费成本直接写进通知里。这正是他一直想要、但所有编程Agent都没有做的功能——经常在另一个窗口跑着九分钟的任务却忘了它，从没看到它跑完。

经过几轮迭代（修复黑底黑字看不清的问题、改成白色文字、修复计数器），这个通知栏插件真的做出来了。这种从零创建、自由启停、任意定制的能力，是Claude Code和Codex都无法提供的。

与Claude Code的关系：不是对手，而是可以驱动它的一层

仓库里有两个几乎没人讨论的包：sub-agent-claude-code和sub-agent-codex。它们不是模型Provider，而是会把Claude Code和Codex作为子进程真正拉起来，并交给它们任务。

这样你的Agent就多了两个工具——sub-agent-claude和sub-agent-codex，它可以自行判断某个任务更适合交给Claude Code处理，然后去调用它。关于这一点有三个要点：

• 一次性调用：每次调用都会启动全新进程和一段无法恢复的对话，一个任务一个答案，没有后续追问。
• 默认休眠：两个Provider都是休眠加载的，需要预设主动把工具交给你的Agent，首次打开默认不开启。
• 会剥离凭证：它会故意从环境中剥离凭证相关变量，你Shell里已有的Key不会传给子进程，必须显式传入。

因此这不是你正在付费的Agent的竞争者，而是一层可以"驱动"它的东西。所有把它框定为"DeepSeek vs Claude Code""vs 你现有Agent"的说法，方向都错了。文档本身就说明：Anthropic、OpenAI、Bedrock、Vertex、Codex都在DeepSeek Harness自带的Provider列表里。你完全可以添加Anthropic、填入Key，就在这个免费Harness里运行Opus，同时享受完整trace和插件能力。

Sub-agent模式在多Agent系统架构中是一种常见设计模式：主协调Agent（Orchestrator）负责任务拆解与路由，将子任务分发给具有不同专长的子Agent执行，再汇总结果。DeepSeek Harness将Claude Code和Codex作为子进程拉起的方式，实际上实现了一种轻量级的Multi-Agent编排。需要注意的是，这种调用方式意味着主Agent无法访问子Agent的内部推理过程，只能获得其最终输出——这与Claude Code本身的封闭Harness特性一脉相承。这种架构的实用价值在于：对于需要Claude Code强项（如深度代码理解、Artifact生成）的子任务，可以按需路由过去，而无需将整个工作流都迁移到Claude的生态里。

核心结论：Harness和模型本就是两笔账，其中一笔归零了

UP主的总结很直接：过去两年里，Agent和模型是捆在一起卖的一个产品，你想要好模型，就得接受它绑定的那个Harness。现在这件事不再成立了。

真正的问题从来不是"选DeepSeek还是Claude"，而是Harness和模型本就是两笔独立的支出，如今其中一笔（Harness那部分曾经要花钱的能力）归零了。唯一的现实限制是：接入Claude用的是API Key而非Claude订阅，而Claude API并不便宜。

他给出的建议是：如果今天从零开始，就先装上它、指向一个免费或便宜的模型，用一周时间处理那些不需要顶级大脑的工作，看看这能覆盖你一个月里多少任务量。对于成本敏感又想拥有完全可控编程Agent的开发者来说，这确实是一个值得动手一试的方向。