DeepSeek 官方 Agent Harness，简单试了一下

QUOTE

 模型决定 Agent 的上限，Harness 决定它能不能      真正完成工作      。    







 今天，      DeepSeek-V4-Pro 正式版      开始在 App、网页端和 API 上线。与此同时，DeepSeek 还开源了自己的 Agent 工作台：DeepSeek Harness。    



 简单说，DeepSeek 不只更新了“脑子”，也把驱动模型执行任务的      “工作台”      放了出来。    

— DeepSeek Harness 首页

本文看点

01

四种 Agent 模式

02

生成并调用 Skill

03

十三万 Token 四分钱

01

WORKBENCH

官方的 Agent 工作台

 DeepSeek Harness 可以进入本地工作区，读取和修改文件、运行 Shell、检索网页、使用 Skills，并调用      计划、目标、子代理和工作流      。    

安装 Node.js 后，一条命令即可启动：

bash

npx @deepseek-ai/dsh web

 它采用“Everything is a plugin”的架构，底层由 Cordis 驱动。目前仍是      开发者预览版      ，后续可能存在不兼容改动，暂时更适合尝鲜和测试。    











 

02

PRESETS

四种模式，也能自己造 Agent

标准模式

功能最完整，适合日常编码任务。

PTC 模式

让模型用 TypeScript 程序组合多步工具调用。

极简模式

只保留 bash 与 str_replace_editor。

创造模式

专门用于创建自定义 Agent preset。

— 四种默认模式

 模型同样可以自定义。设置页支持配置      提供方、API Key 和其他参数      ，不要求只能使用 DeepSeek 官方接口。    

— 自定义模型设置

我测试的版本中，设置页列出了 113 个插件条目。不同模式，本质上就是不同插件、提示词和工具的组合。

03

SKILL TEST

生成并调用一个 Skill

   STEP 01        生成 Skill      

 

   根据行政区划名称查询 adcode，并下载对应的 GeoJSON 边界数据。它检查工作区和 Skill 结构，整理数据源优先级、文件校验和坐标系说明，最后生成        SKILL.md        。      

— 生成行政区划下载 Skill

   STEP 02        直接调用      

 

   执行过程中，PowerShell 网络请求遇到凭据错误，它自动切换到 Python urllib 完成下载，还把这个        环境问题补进了 Skill        。      

— 调用 Skill 并完成下载

“它不只完成了一次任务，还把过程中发现的问题沉淀成了可复用能力。”

04

METRICS

运行数据与实际成本

 Harness 会显示轮数、步骤、模型耗时、工具耗时、首 Token 延迟、生成速度、缓存命中率，以及      输入输出 Token      。    

SESSION METRICS

1 轮 · 4 步｜LLM 30.8s · 工具调用 7.1s｜首 Token 平均 1s · 127 tok/s｜缓存命中 67%｜输入 69.1K tok · 输出 3.4K tok

137,207

TOKENS

¥0.04

实际消费

— 本次测试 API 消费

NOTE

截图中实际使用的是 DeepSeek-V4-Flash High。所以这是一篇 Harness 工作流体验，不是 V4 Pro 性能评测。

∞

THE END

简单体验

 任务比较轻，测试时间也不长，但初步效果还可以。它已经具备现代编码 Agent 的主要形态：      工作区、工具调用、Skills、自定义模型和自定义预设      。    



 V4 Pro 正式版提高的是模型能力，Harness 补上的则是任务执行框架。DeepSeek 正在从“提供模型”，继续向      “提供完整 Agent 工作方式”      往前走。    

至于它能不能成为长期使用的主力工具，还要放进真实项目里继续测试。后面有新的使用感受，再继续更新。

   END          
 









 

我是陈文茂，持续分享 AI 工具与真实使用体验。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。