DeepSeek Harness（dsh）是 DeepSeek 開源的 AI 代理執行框架：模型負責推理與生成，Harness 提供工具、工作階段、沙箱與代理迴圈，讓模型能讀檔、修改程式與持續執行任務。它在 2026 年 8 月 13 日以 MIT 授權開源，採「一切皆插件」架構，模型、工具、儲存層甚至介面都可透過插件組合。官方儲存庫與 README列有原始碼、啟動方式與開發者預覽說明。
一般使用者可從 macOS 或 Windows 桌面版開始；開發者可用 CLI 或本機 Web UI，選工作資料夾後交付檔案分析、文件與程式任務。軟體本體免費，模型與搜尋費用依所選供應商、時段及用量計算；Claude Code 與 Codex 也能透過各自插件作為子代理。實際可執行的動作，取決於模式、插件、權限與帳號條件。
想直接跟著操作，可跳到工作區與權限、模型設定、CSV 報告實作、指令與對話管理、插件設定、Creator 與擴充、排程實作。
DeepSeek Harness 是什麼：模型之外的那一層
先處理最容易搞混的一點：DeepSeek Harness 不是新一代的 DeepSeek 模型。DeepSeek 官方用一條公式定調：代理等於模型加上 Harness。模型負責推理與生成，Harness 則是模型與外部世界之間的工程層，供應工具、工作階段、沙箱，以及讓任務持續推進的代理迴圈。模型不會自己讀你的檔案、開終端機或記住五分鐘前做了什麼，這些能力全部由 Harness 提供。換句話說，同一個模型接上不同的 Harness，會表現出完全不同的代理能力，而 DeepSeek 這次開源的，就是後者那一層。
把這條公式攤開看會更具體：模型推理出「我需要先看這個檔案再改程式」之後，是 Harness 決定它能呼叫哪些工具、要不要先問你一聲、指令在哪種權限下執行、執行結果怎麼寫回工作階段記錄；缺少任何一環，模型的計畫都只是文字，不會變成動作。想先補齊「代理」這個概念本身的讀者，可以參考站上對AI Agent 定義與原理的完整解析。
DeepSeek 在 2026 年 8 月 13 日以開發者預覽(Developer Preview)狀態開源整個程式碼庫，授權是 MIT，同一天也正是 DeepSeek-V4 Pro 模型正式版發表的日子，官方把「新模型」與「新框架」當成一組配套推出。框架建立在 Cordis 這套插件式後設框架上，原始碼放在GitHub 上的 deepseek-ai/deepseek-harness 儲存庫,README 開頭就警告會有破壞性的相容變更，定位明確是給願意一起踩坑的開發者。截至 2026 年 10 月 21 日，儲存庫約有 25.6 萬個 star 與 3.1 萬次 fork；這些數字會隨時間變動。官方產品頁把使用情境分成五塊：日常文書（整理檔案、分析資料、草擬文件與簡報）、寫程式（探索儲存庫、修 bug、跑測試）、研究（找資料、查證、標出處）、背景任務（排程跑腳本、批次處理檔案）,以及用插件延伸工作流，輸入框支援斜線指令與 @ 提及檔案或工作階段。官方的發布公告如下。
🧩 DeepSeek Harness v0.1 is now available in Developer Preview! 🔹 We're opening it up to developers building agent harnesses worldwide and open-sourcing the codebase in MIT license. 🔹 Powered by the Cordis meta-framework, DeepSeek Harness is an agent harness built around one…
— DeepSeek (@deepseek_ai) August 13, 2026
順帶一提「Harness」這個字的本義：馬具。模型是馬，Harness 是馬鞍與韁繩，讓馬的力量真的能被引導去拉車。這個比喻也解釋了它與一般大型語言模型的關係：模型輸出的是文字，Harness 負責把文字變成動作，兩者缺一，代理都不成立。開源對一般使用者的實際意義，不是每個人都會去改程式碼，而是你能自己審視代理被允許做什麼：工具清單、沙箱邊界、資料流向全部攤在儲存庫裡，比起只能相信閉源產品的說明文件，這是信任基礎的根本差異。模型公司親自下場做框架，也代表代理時代的競爭已經從模型效能延伸到執行層，誰能把自家模型的最佳表現封裝進預設體驗，誰就拿到下一輪的注意力。
三種執行形態：桌面版、CLI 與本機 Web UI
DeepSeek Harness 有三種執行形態，全部免費取得，差別在安裝方式與適合的使用者。第一種是桌面版 App：macOS（Apple 晶片、macOS 13 以上）與 Windows x64 都有官方打包安裝包，從DeepSeek 官方下載頁直接下載 dmg 或 exe 檔，安裝後開箱即用，連 Node.js 都不用裝，適合不想碰命令列的人。第二種是命令列工具 dsh，透過 npm 安裝，可供 Linux 使用者啟動，也是開發者做自動化的一種形式；官方沒有出 Linux 桌面安裝包，Linux 使用者可走 npm 套件路線，啟動 Web UI 或其他 profile；原生桌面整合則與桌面版不同。第三種是本機 Web UI，一行指令 npx @deepseek-ai/dsh web 就會在本機 127.0.0.1:3080 起一個網頁介面並自動開啟瀏覽器，想讓介面留在終端機外的讀者會偏好這個路線；在遠端主機上跑時加上不自動開瀏覽器的參數，再透過 SSH 通道轉回本機，就能用瀏覽器操作雲端機器上的代理。官方沒有提供雲端託管版，執行環境由你自行管理；但使用雲端模型時，送進模型的內容仍會傳到供應商。
| 形態 | 取得方式 | 平台 | 適合誰 |
|---|---|---|---|
| 桌面版 App | 官方下載頁安裝包 | macOS(arm64)、Windows(x64) | 不想碰命令列、要長時間背景任務 |
| CLI(dsh) | npm 安裝 | macOS、Windows、Linux | 開發者、自動化與 CI 情境 |
| 本機 Web UI | dsh web 一行指令 | 任何可跑 Node.js 的環境 | 想在瀏覽器操作、遠端主機搭配 SSH |
版本演進的速度值得單獨講。從 2026 年 8 月中到 10 月中的兩個月裡，官方在GitHub Releases 上列出 31 個預發布版本，平均大約兩天一版：8 月 13 日 v0.1 開發者預覽，9 月 28 日進入 v0.2，9 月的版本紀錄已列有 macOS 與 Windows 桌面版變更，10 月 17 日的 v0.2.1-rc.2 則加入對 DeepSeek-V4.1-Flash-1017 模型的支援，並提供可在 Plugins → Web search 開啟的 DeepSeek Search 與 Fetch API；新 API 預設關閉。
細看各版內容會發現桌面版其實 9 月就有了，9 月 29 日的 v0.2.0-rc.2 已把 dsh 命令綁進桌面 App，選單列也提供管理項目，桌面版內建完整的執行環境，不必再裝 Node.js。
網頁介面這邊，10 月中的版本加入了用 DeepSeek 帳號在本機登入的選項，不用 API key 也能起步，登入後可在 Account 設定查看餘額與 Usage；使用 API key 則依 API 平台的用量計費。要注意的是，截至 10 月 21 日所有版本都還掛著預發布標籤，沒有任何一個正式穩定版，官方明確提醒可能出現破壞相容性的變更，升級前應備份工作階段與設定。一個能說明框架彈性的小插曲：官方在發布前把內建的 TUI 文字介面抽掉了，社群不到一週就用第三方插件補回來，不需要 fork 原始碼。
不想啟動時自動切換到瀏覽器，可用 dsh web --no-open；尚未安裝全域命令時則用 npx @deepseek-ai/dsh web --no-open。啟動後用終端機印出的本機網址進入，包含驗證資訊的啟動連結不要公開分享。桌面版若需要註冊 dsh 命令，可從應用程式選單的 Manage dsh Command… 查看 Install／Repair／Remove；macOS 安裝到系統目錄時可能要求管理員驗證。
一切皆插件：Cordis 架構怎麼運作
DeepSeek Harness 的核心設計哲學就一句話：一切皆插件(everything is a plugin)。在一般代理框架裡，工具可以外掛，但代理迴圈、儲存層和介面通常是焊死的核心；在這裡，模型介面、工具、技能、工作階段、沙箱、儲存、排程、代理迴圈以至於整個使用者介面，全部都是插件。背後的功臣是 Cordis 這套來自 Koishi 聊天機器人生態的插件式後設框架，作者把它引進並加以擴充，核心只負責掛載、卸載與插件之間的相依管理，代理的實際能力完全由插件堆疊出來。北京大學與 DeepSeek-AI 研究者在一篇論文裡闡述這種時空可組合的設計範式，有興趣的讀者可以在arXiv 上的原始論文看到完整論證。
這種架構的實際意義，是「換零件」變成改設定而不是改程式。以 DeepInfra 在 2026 年 9 月的原始碼檢視與操作評測為例，框架裡有幾個明確的替換點：工作階段持久化、子程序執行器、shell 與子代理供應器，每一個替換點都有官方附帶的多種實作，全部在設定檔裡挑選，不用動到框架原始碼；評測者甚至點出，連代理迴圈本身這個多數框架視為承重牆的部分，在這裡也是一個可以被換掉的插件。有開發者的評語很傳神：與其說它是一個產品，不如說是一個底盤，你拿到的是一組經過調校的插件預設組合，而不是一輛不能拆的車。另一位在自建代理框架的開發者則把它類比為「代理界的 React」，甚至直接把 dsh 的整份文件夾放進自己的儲存庫，讓代理每次加功能時都能參考它的設計。
The design of DeepSeek Harness (dsh) is amazing, it's basically React for harnesses. I'm building a harness and I just put the entire docs/ folder of dsh into my repo so agents can learn from it every time they add a feature
— kabir (@KabirGoel) August 31, 2026
一般使用者不需要碰替換點，官方給了四種預設模式，本質上是同一副骨架上的四組插件包。Standard 是完整功能的寫程式代理，包含檔案編輯、shell、網頁搜尋、規劃與子代理派工；PTC 模式讓模型一次寫出一支 TypeScript 程式來批次呼叫工具，省掉一來一往的回合；Minimal 主要保留持久 shell 與圖片讀取，常用於基準測試；Creator 則是給執行時期檢視與開發插件用的。PTC 與 Minimal 需在 General 設定開啟 Show coding view 才會出現在新任務選單。
Creator 模式也讓「用對話生成插件」變得可行：官方頁面上的示範，是要求代理寫一個番茄鐘插件，代理自己載入插件開發技能、檢查供應器、寫出套件檔與前端程式、呼叫安裝工具，全程 5 分鐘 24 秒，結束時插件已經出現在介面上。對要盯著代理做事的人，框架提供軌跡檢視，把每一步的工具呼叫、耗時與回傳攤開來檢查，排錯時不用猜代理到底做了什麼。
對接既有工具鏈的相容性也在快速補齊：Model Context Protocol 在 2026 年 9 月升級到官方 SDK v2，可透過 MCP client 接上 stdio 或 Streamable HTTP 伺服器；伺服器安裝與驗證仍需另外處理，也支援AGENTS.md 這類代理共通說明檔，網頁介面上則有 Open in 動作能把檔案一鍵丟進 VS Code 之類的編輯器或終端機，與開發者既有工作流的縫隙正在收窄。
安裝教學與 API key 設定
安裝分成兩條路，差別只在要不要裝 Node.js。桌面版路線完全圖形化：到官方下載頁抓對應平台的安裝包，裝好打開就是。命令列路線給 macOS、Windows 與 Linux 共用，步驟如下。
- 先安裝 Node.js，執行
node --version確認終端機可用。桌面版內建執行環境，不需要為了開啟 App 另外安裝 Node.js。 - 執行 npm install -g @deepseek-ai/dsh@latest 安裝全域命令，或直接用 npx @deepseek-ai/dsh web 免安裝啟動 Web UI。
- 到 DeepSeek 開放平台的 API 金鑰頁面申請一把 key，並確認帳號有可用餘額。
- 在 Harness 介面的 Settings → Models 按 Edit，填入 API key 後按 Apply；金鑰會以只寫方式存進 $DSH_HOME/.credentials.yaml，設定保留憑證參照，不需要重啟。
- 開新工作階段，依任務性質挑沙箱層級：Read Only 適合先閱讀資料、Workspace Write 允許工作區內的寫入、Full access 會擴大系統存取範圍。先用練習資料夾送出簡單任務，核對回應與工具結果。
幾個實務坑先記下來。首次透過 npx 執行可能需要下載套件，先查看終端機的下載或錯誤訊息。出現 401 時，先檢查 API key 是否完整、是否多了空白；402 才是餘額不足。400 且錯誤訊息提到 developer 角色或 max_completion_tokens，通常要檢查供應端協定與請求相容設定。429 先查請求速率、模型並行數或 Search/Fetch QPS；503 是供應端過載，應依錯誤訊息降速或稍後重試。官方錯誤碼說明列有各類狀況的處理方式。
DeepSeek 也不是唯一選項：設定裡內建 Anthropic、OpenAI、Kimi、GLM、OpenAI Codex 等供應器欄位，也可以自填 base URL 接支援 OpenAI Chat Completions、OpenAI Responses 或 Anthropic Messages 協定的端點，想用單一金鑰聚合多家模型的人，接 OpenRouter 這類路由服務同樣行得通，社群已經把這條路走通並寫成教學。
走命令列做自動化的人再記一招：dsh 支援 profile 概念，用 dsh 加 profile 名稱啟動不同插件組合，headless profile 會開一個乾淨的工作階段、跑完指定任務、印出答案就退出，不開任何埠，適合放進腳本或 CI；每個 profile 有自己的 bundle 與 patch，但 home-level patch 與憑證仍可能共享，實驗前先備份相關設定。
DeepSeek Harness 圖解操作：從第一個工作區開始
打開 Harness 後，先決定讓它操作哪個資料夾，再選模型與權限，最後送出任務。以下畫面以 2026 年 10 月 21 日的 0.2.1-rc.2 為準：先開啟 macOS 桌面版確認首頁，後續檔案分析與排程範例，使用同版本的本機 Web UI 操作。桌面與 Web 各自使用自己的 profile，工作區、對話與設定不應視為同一份；畫面上的欄位名稱也可能略有差異。
步驟 1：選工作區，先放一份練習資料
首頁的 Choose workspace 用來選本次工作的目錄，左側 Add workspace 用來加入另一個資料夾。若已出現 Default workspace，可先在裡面建立練習用的 harness-tutorial-demo 子目錄。工作區負責指出檔案位置，New Session 則是在這個工作區開一段新對話；同一個資料夾可以有數段不同任務的對話。
第一次練習時，放入一兩份可公開的範例檔即可。不要直接把整個個人目錄當工作區。若使用 Web UI 選資料夾，看到的是執行 Harness 的 Host 可存取的路徑；在遠端主機執行時，並不是瀏覽器這台電腦的硬碟。
步驟 2：選模式與模型，分清楚各自負責什麼
輸入框上方的 Standard mode 是代理模式，控制這次任務具備哪些工具；右下角的模型選單才是生成答案的模型。一般讀檔、分析與寫報告可先用 Standard。Creator 用於建立或調整插件，不需要為了處理 CSV 切過去。
本機模型選單可見 DeepSeek-V4.1-Flash，旁邊有 1017 版本標記，也有 V4 Pro。先選 Flash 執行這類小型資料任務即可；需要比較模型時，可開另一個 New Session、給相同檔案與相同問題，再比較結果。Effort 控制推理強度，並不直接代表答案一定正確，也不能代替計算驗證。
步驟 3：選存取權限，再送出訊息
輸入框底部的 Access mode 與模型選單分開。點開後可看到 Read Only、Workspace Write 與 Full access。先只想了解檔案內容，選 Read Only；本次要產生報告，因此使用 Workspace Write。Full access 會擴大系統存取範圍，這份教學不需要切換。
權限設定與提示詞要一起看。官方沙箱政策文件說明這些模式控制檔案修改，網路與程序權限不在這組設定範圍內；Workspace Write 也不能當作「只能讀工作區」的保證。任務內仍應寫清楚可讀哪些檔案、產出放哪裡、原始資料能不能改。遇到核准提示，先讀實際指令與目標路徑，再決定是否允許；若要求超出原本任務，就拒絕並補充限制。
Models 與 General 設定：登入、API key 和編碼檢視
查看目前使用的帳號與模型
從側邊欄底端的帳號選單進入 Settings，打開 Models。已登入 DeepSeek 帳號時，可以使用帳號提供的模型；API key 是另一種連線方式，無須為了使用已登入的帳號模型再重填 key。先確認輸入框目前選的是哪個 provider 的模型，排錯時才不會改錯位置。
若要設定 API key，在對應卡片按 Edit，輸入 key 後按 Apply。儲存後不會把完整金鑰回顯，欄位空白不等於憑證遺失。新增或更新 key 後，開一個簡單任務驗證回應；若遇到錯誤，依錯誤碼處理，無須刪除整個憑證檔。
接其他供應商時，使用 Models 的 Add model provider。選內建供應商可沿用其模型目錄；選 Custom model API 則要填 Provider ID、Base URL、API protocol 與模型清單。協定須符合端點實際支援的 OpenAI Chat Completions、OpenAI Responses 或 Anthropic Messages；只有 key 與 URL，並不足以判定是哪一種。內建供應商填完後按 Apply；自訂端點則按 Create provider。具體欄位可對照官方模型設定指南。
自訂端點可依以下順序設定：
- 選 Custom model API，填 Provider ID 與 Display name。Provider ID 使用小寫英文字母開頭的識別名稱，例如
demo-provider，不要在這裡放金鑰。 - 填供應商提供的 Base URL，選它實際支援的 API protocol。三個選項是 OpenAI Chat Completions、OpenAI Responses、Anthropic Messages。
- 在 API key 欄輸入該供應商憑證。若端點提供模型清單，可用 Fetch available models；否則按 Add model，填精確的 Model ID 與顯示名稱。
- 展開 Model options，依供應商規格填 Context window、Max output tokens。只有模型真的支援時才勾 Image 或設定 Reasoning levels；勾選不會替模型增加能力。
- 按 Create provider 儲存，再開新任務選該模型，以一個簡單問題驗證連線。若失敗，對照端點、協定、模型 ID 與錯誤碼逐項排查。
Show coding view 讓執行過程更容易檢查
同版 Web UI 的 General 裡可見 Show coding view。開啟後，可查看 Trajectory、檔案差異與更多代理模式；官方文件把這類偏好稱作 Coding Tools，操作時依自己畫面上的名稱尋找。若你只看到 Standard 與 Creator，先到這裡確認，再回到新任務的模式選單。
General 也可調整 Language、Light／Dark／System 外觀、對話字級與更多字型選項。Work details 決定工具過程的顯示程度，When to Collapse Work Details 決定何時收合；若想逐步學習，可保留較詳細的執行資訊。Edit shortcuts 可查看快捷鍵；Send behavior while busy 決定代理工作中送出的訊息要排入佇列或打斷目前工作，介面提示 Cmd/Ctrl+Enter 可使用另一種行為。Performance & usage 控制用量資訊，Upload Session Log when using the official model API 則牽涉是否上傳工作階段紀錄，應依自己資料的用途選擇。
在 Agent presets 可讀模式說明、查看設定，以及選擇新任務預設。View configuration 打開的是唯讀設定內容，並不是直接改插件的編輯器。更改預設後，用 New Session 檢查，既有對話保留原來的模式。
PTC 適合把多次工具操作編成一段程式，例如先讀幾份檔案、一次算完多個指標，再輸出結果；Minimal 主要保留持久 shell 與圖片讀取。想知道模式究竟帶了哪些工具，先點它的說明或 View configuration。Minimal 的工具少，不代表它不能改檔，也不等於 Read Only；排程任務請使用 Standard、Creator 或 PTC。
Settings → Built-in plugins 可檢視目前部署與各 preset 組成的插件。先搜尋工具名稱、展開項目讀說明，再切換 Standard、PTC 等模式對照；這個檢視與左側 Plugins 的常用設定頁用途不同。
實作一：讀 CSV、計算 CTR，產生 Markdown 與 HTML 報告
這個範例用六列虛構資料，練習「指定資料 → 檢查工具 → 核對結果 → 要求修正」。它不是網站真實流量，也不代表使用 Harness 後能獲得這些成長。先在工作區的 harness-tutorial-demo 裡準備 README.md 與 traffic.csv。README 寫明資料為教學用，CSV 可使用下列內容：
page,month,clicks,impressions
/ai-agent/,2026-09,240,8000
/ai-agent/,2026-10,360,10000
/seo-guide/,2026-09,600,15000
/seo-guide/,2026-10,540,18000
/harness/,2026-09,80,4000
/harness/,2026-10,160,5000步驟 1：先預覽檔案，再把範圍寫進任務
點右上角 Open right sidebar，在 Start 選 Workspace files，展開 harness-tutorial-demo，再點 traffic.csv。先核對檔名、欄位與六列數字。接著在 Standard、Workspace Write 的新對話送出以下要求。把「只讀哪兩檔」與「只能寫哪兩檔」分開寫，代理更容易遵守工作範圍。
請只讀取這個工作區內 harness-tutorial-demo/README.md 與 harness-tutorial-demo/traffic.csv，不要連網，也不要讀其他檔案。
計算每個頁面9月、10月的CTR，以及10月相較9月的點擊與曝光成長率。找出點擊下降、曝光卻增加的頁面，再計算整體點擊、曝光及CTR。CTR差異請用百分點表示。
在同一目錄產出 report.md 與 report.html。報告要列公式、逐頁比較表與可由數據支持的觀察；原始CSV不得修改。若無法從資料確定原因，請直接寫需要補查哪些資料。
步驟 2：看工具實際做了什麼
送出後，對話裡會逐步出現讀檔、計算與寫檔的工具紀錄。本例有讀取兩份資料、使用 Python 計算，再寫出報告並檢查檔案。可展開工具列看輸入與回傳，確認讀的是練習目錄、寫的是指定兩份報告，而不是只看最後一句「完成」。
如果它停在待核准，先讀清楚指令，再處理該次要求；若出現錯誤，保留錯誤文字，直接追問原因。代理回覆中提到檔名，還要再點開檔案核對內容。
步驟 3：用明確數字驗收，避免只看漂亮報告
| 頁面 | 9月 CTR | 10月 CTR | CTR 差異 | 點擊成長 | 曝光成長 |
|---|---|---|---|---|---|
| /ai-agent/ | 3.00% | 3.60% | +0.60 個百分點 | +50.00% | +25.00% |
| /seo-guide/ | 4.00% | 3.00% | −1.00 個百分點 | −10.00% | +20.00% |
| /harness/ | 2.00% | 3.20% | +1.20 個百分點 | +100.00% | +25.00% |
CTR 的公式是 clicks ÷ impressions × 100%；成長率是（10月數值 − 9月數值）÷ 9月數值 × 100%。整體9月點擊920、曝光27,000，10月點擊1,060、曝光33,000；點擊成長 15.22%，CTR 從 3.41% 下降到 3.21%，約減少0.20個百分點。整體 CTR 要用總點擊除以總曝光，不能把三個頁面的 CTR 直接平均。
可以確定的是 /seo-guide/ 點擊減少、曝光增加。只有這六列資料，不能認定原因一定是標題寫得不好；還需要查詢字詞、平均排名、裝置與地區等資料。這也是 AI 報告最需要人工判斷的部分：計算正確，解釋仍可能超出資料。
步驟 4：要求第二輪更正，再讀 Review 差異
本例初稿把 /harness/ 說成唯一「點擊成長高於曝光成長」的頁面，但 /ai-agent/ 也符合；也把 CTR 下降過度連結到標題問題。遇到這種情況，不需要整份重做，直接指出哪一句不成立、應如何限縮，再要求同步修改兩種格式。
請修正 report.md 與 report.html：
1. /ai-agent/ 與 /harness/ 的點擊成長都高於曝光成長，不要寫成只有 /harness/。
2. /seo-guide/ 的CTR下降只是現象，這份CSV不能證明標題是原因。請改列需要補查的資料。
3. 保留已核對的數字、公式與原始CSV；修改後再次檢查兩份報告是否一致。第二輪完成後，點回覆下方的 Edited 2 files 或其中一個檔名，右側會開啟 Review · turn 2，顯示該輪檔案差異，核對 report.md 與 report.html 是否都移除錯誤說法，再重新讀報告。本例已完成這輪修正；這比要求模型「再仔細一點」更容易驗收。
Markdown 報告可直接在右側檔案預覽閱讀；HTML 若沒有顯示內容，可使用檔案的 Open with，交給本機瀏覽器開啟。本例 Web UI 的側欄 HTML 預覽出現空白，因此讀者遇到相同情形時，應先確認檔案存在與內容，而不是把空白預覽當成沒有產出。
步驟 5：從 Trajectory 查回每次工具的輸入與輸出
切到 Trajectory，依 turn 與 step 查看這次對話。點開讀檔或計算紀錄，可看 Summary、Payload、Result、Schema、Timing 等分頁；Payload 是傳入參數，Result 是工具回傳，模型請求紀錄另可查看用量；點開寫檔紀錄，核對目標路徑。遇到結果不符時，先判斷是資料讀錯、公式錯，還是最後解讀錯，下一輪就能要求改對位置。
Trajectory 的工具紀錄與 Review 的檔案差異用途不同：前者看執行過程，後者看檔案改了哪些內容。看到一個工具成功，不代表整段任務或所有產出都已完成；驗收仍以最後回應、實際檔案與報告內容為準。
輸入框的 /、@ 與工作階段管理怎麼用
用 @ 指定資料，用 / 找技能或指令
在輸入框打 @，從建議清單挑檔案或工作階段。做資料分析時，可挑 traffic.csv，再補上「只分析這個檔案」的任務；要承接另一段對話的研究，可挑對應 session，並交代要沿用哪項結果。引用只幫你指出資料來源，仍應寫出希望它完成的動作。
輸入 / 可查看當前可用的指令與技能。先讀候選項說明再選，不要直接照抄其他 AI 工具的 slash command。可用內容會隨模式與插件改變；例如需要整理很長的對話上下文時，可查看 /compact 是否在清單中，並在任務空閒時使用。
本機清單可見 File、Goal、Plan、Feedback、Compact 與 Permission。File 用來指定檔案；Goal 用來設定或查看長時間任務目標；Plan 用來進入或離開規劃模式。較複雜的工作可先選 Plan，再要求「先列步驟、預計修改的檔案與驗收方式」，確認方案後才進入實作。Permission 可查看或切換目前權限，Compact 用於整理較舊的對話上下文；Feedback 是回報入口，送出前先確認內容。
替對話命名、分支與封存
把游標移到左側對話名稱旁，打開更多選單，可管理對話。分析範例可改名為「CSV流量分析練習」，方便用 Search sessions 找回。想從相同上下文試另一個分析方向，可用 Fork 建立分支；完成後用 Archive 收起。封存可再找回，並不是刪除磁碟上的報告。
左側選單還可 Pin session 置頂、Copy Session ID 複製識別碼。對話標題列的 More actions 則有 Download session log 與 Feedback。需要回報錯誤時可下載紀錄，但分享前先檢查裡面是否包含檔案內容、路徑或其他私人資料。
把「資料夾」與「對話」分開管理很實用：原始 CSV 只有一份，探索排名問題與整理月報則用兩段 session。若同時讓兩段對話改同一份報告，仍可能互相覆寫，應指定不同檔名或等上一段完成再接手。
Plugins：搜尋、子代理、工具迴圈與 Shell 的實際用途
左側 Plugins 的 Built-in plugin settings 可見 Subagent、Web search、Agent loop 與 Shell；Experimental 可見 Agent Teams、Voice input、Auto Authorization Review、Developer Tools 等功能。先打開卡片看說明與條件，再決定是否啟用。這些項目不是全部都已開啟，也不需要為了完成 CSV 範例逐一打開。
Web search：做有來源的研究前，先確認搜尋供應來源
進 Plugins → Web search。Use the new Web Search API 控制是否使用 DeepSeek Search 與 Fetch API；打開後會看到 Results per search，可設定1到50筆，預設10筆。未開啟時，搜尋與抓取使用的路線不同，不能只憑版本號判定新 API 已生效。修改欄位後要按 Save 才會保存。
研究任務可以這樣寫：「查 DeepSeek Harness 最新版本，只使用官方 GitHub Releases 與官方文件。列出版本、日期、三項與我有關的變更，每項附原始連結；查不到就不要推測。」回覆後點開來源，確認版本日期與主張吻合。這與前面的離線 CSV 任務不同，提示詞必須明確允許上網。
Subagent：把可獨立完成的工作分出去
Subagent 設定裡的 Maximum recursion depth 控制分工能再往下幾層；Subagent parallelism limit 控制同一主代理下的存活子代理總量。Model selection 可限制子代理可選的模型路線。提高數字並不保證較快，也會增加同時用量，先保留預設值即可。
適合派工的要求例如：「請把這個小專案分成文件閱讀與測試檢查兩項，各自只讀檔，最後由你整合；不要讓兩個代理同時改同一檔案。」若要用 Claude Code 或 Codex 後端，還需啟用對應 subagent bundle 並具備它們的原生驗證條件。看得到卡片，不代表已安裝、已登入或已能成功派工。
Agent loop 與 Shell：調整限制，先看單位
Agent loop → Parallel tool calls 控制同一步可同時執行的工具數，與子代理數量是兩件事。例如多個獨立讀檔可能並行，但先讀 CSV 再計算結果有先後依賴，不能靠提高並行數省略這個順序。
Shell 的 Command timeout 單位是毫秒，控制命令可跑多久；Output cap per stream 單位是 bytes，超出範圍的輸出會轉存到暫存檔。長時間測試遭逾時時，先看是否真的還在工作，再決定要不要延長；不要把超時與沒進度混為一談。變更後按 Save，想回到預設可用 Reset to default。
新增插件、Creator、MCP 與實驗功能
Add plugin 與 Creator 走不同流程
按 Add plugin 是安裝已存在的插件，可依介面指南提供 npm 套件或來源位置。先讀來源、版本與相容性，安裝完成後還要確認啟用狀態；有些操作會要求重新啟動。不要為了試功能就安裝來源不明的套件。
按 Add plugin 右側箭頭，選 Let the agent create a plugin，會進入 Creator 任務草稿。可以先輸入：「先提出一個只顯示25分鐘倒數的番茄鐘插件方案，不連網、不改其他插件；列出會新增的檔案與權限，等我確認再實作。」先檢查方案，再決定是否讓它寫檔與安裝。
若需要瀏覽社群插件市場，官方 rc2 指南的路徑是 Plugins → Experimental plugins 旁 More → Custom plugin markets。啟用後才會出現 Discover；再透過 Add index source 加入你信任的 HTTPS 索引來源。官方沒有預填市場來源，所以空白清單不代表故障。安裝前核對套件、Git 來源及版本，不能把索引中自填的作者資訊當成官方背書。自訂插件市場指南列有來源格式與限制。
若要加入 MCP，依官方 MCP client 文件設定 stdio command 或 Streamable HTTP URL。MCP server 的安裝、驗證與資料庫準備由該服務負責，Harness 不會只靠填一個名字就自動完成。連線後先找 mcp__伺服器名稱__工具，再用一份測試資料實際讀取；需要寫入時，另確認目標與結果。
Voice input：錄音轉成草稿，再自己送出
要用語音輸入，先在 Experimental 打開 Voice input。如果模型資源尚未準備，沿 Go to setup 進設定，查看空間、記憶體與下載來源，再選 Download and prepare。準備完成、狀態可用後，輸入框才適合開始錄音。
選好 Input device 與辨識語言，按麥克風，允許當次需要的麥克風權限，講完按 Stop。轉寫文字會放進草稿，先校正人名、數字與路徑，再按 Send；Cancel 或 Escape 可放棄錄音。這個功能依官方語音輸入指南將錄音轉成草稿，沒有自動送出、常駐喚醒或語音回答。
Agent Teams 與 Auto Authorization Review 也應先閱讀卡片說明。團隊分工要有可獨立完成的任務；自動審查則牽涉由誰判斷核准，不能把它當作沙箱或人工核對的保證替代。日常資料分析先用一般子代理與逐次核准，確認需求後再評估實驗功能。
實作二：建立一次性排程，確認它真的寫出檔案
排程最適合從一次性小任務練起。官方排程指南列出一次性、每日、每週與固定間隔等規則。在 Standard 對話裡寫下名稱、時間、時區、輸出位置與精確內容。下面的要求只在練習目錄寫一個文字檔，不需要寄信或連外：
請建立一次性排程，名稱「Harness教學一次性檢查」。90秒後，在本工作區的 harness-tutorial-demo/automation-check.txt 寫入「一次性排程已執行」。只做這件事，不要連網、不修改其他檔案。時間以 Asia/Taipei 解讀。
送出後，確認對話出現 schedule_create 的成功結果，再到左側 Automation tasks，找同名任務。只有模型說「我會提醒你」不算建立；任務清單與工具回傳才是要檢查的地方。
到 Rules 核對時間，到 Records 查送達
點任務進 Rules，確認名稱、instruction 與 Once，再看下一次執行時間。介面會按裝置時區呈現時間，這次教學的裝置是 Asia/Taipei。若要修改仍啟用中的任務，改好後按 Save changes；沒有儲存前只是草稿。
到時間前，讓執行 Harness 的 Host 保持運行。之後開 Records，確認提醒有送進原對話，再回 linked session 檢查代理後續執行，最後點開 automation-check.txt。Records 證明的是提醒已寫入對話，不等於模型已成功寫檔；檔案內容與工具結果仍要讀回確認。
這次一次性測試的 Records 已留下送達紀錄，任務隨後轉為 Inactive，練習目錄也實際產生 automation-check.txt，內容是「一次性排程已執行」。讀者可切 All 或 Inactive 找回已送達的任務。退出 App（Quit）或停止 Host 後，排程不會持續執行；桌面版關閉主視窗可能只是隱藏，Host 仍在執行。下次真正啟動 Host 時，會補處理過期的一次性提醒，或週期任務最近一次錯過的時點，不會把每次漏跑都補完。重要工作仍應檢查既有輸出，再決定是否補跑。
改成每週任務時，把時區與產出一併寫清楚
每週五17:00，時區 Asia/Taipei，整理這個工作區本週的工作筆記，輸出 weekly-summary.md。先列出採用的資料來源，缺資料就說明，不要連外傳送。建立後請回報排程名稱、頻率、時區與下一次執行時間。建立週期任務後，Rules 應顯示 Weekly、Friday 與指定時區；如果仍是 Once，就要修正規則。只想停止未來執行時，先查看目前版本提供的管理動作：官方 rc2 文件說明沒有 Pause，Delete task 會連同排程的送達紀錄刪除，但不會刪原對話或撤回已排入的訊息。不要用重複建立新任務的方式修時間。
真正適合留下來的排程，應有可檢查的產出，例如固定檔名的週報、明確的資料範圍與缺資料時的處理方式。先讓一次性測試從建立、送達到檔案讀回走完，再建立每週任務，後續才知道要去哪裡追查失敗。
軟體免費，付費的是模型：費用結構拆解
DeepSeek Harness 本體是 MIT 授權的自由軟體，下載、安裝、自架、商用都不用付錢給 DeepSeek。要付的是背後的模型推論費，而這裡的計費結構值得看仔細。DeepSeek API 目前主打兩個模型：deepseek-flash（目前由 DeepSeek-V4.1-Flash-1017 提供服務）與 deepseek-v4-pro，都採尖離峰差別計價，離峰時段一律半價。尖峰時段為週一至週五 UTC 01:00–04:00 與 06:00–10:00，排除中國國定假日；換算台灣時間是上午 09:00–12:00 與下午 14:00–18:00。其餘時段、週末及中國國定假日皆為離峰。以下價格於 2026 年 10 月 21 日核對官方 Models & Pricing，單位是美元。
| 模型（每百萬 token） | 輸入，快取命中 | 輸入，快取未命中 | 輸出 |
|---|---|---|---|
| deepseek-flash 離峰 | 0.003 | 0.15 | 0.60 |
| deepseek-flash 尖峰 | 0.006 | 0.30 | 1.20 |
| deepseek-v4-pro 離峰 | 0.022 | 0.66 | 1.98 |
| deepseek-v4-pro 尖峰 | 0.044 | 1.32 | 3.96 |
拿一個實際比例抓感覺：第三方開發者在 2026 年 9 月的深度評測裡，使用 DeepInfra 端點的 V4-Flash 跑一個真實任務，把語音筆記工具串成 Obsidian 管線，6 分鐘 23 秒、39 個步驟、44 次工具呼叫，首輪模型費約 0.03 美元。這是不同供應端與當時模型的單次樣本，不能套用上方 DeepSeek 官方 API 價格，也不能推成所有任務的成本，但數量級具有參考性：代理會多輪呼叫模型，歷史上下文、工具回傳與快取命中率都會影響帳單。
這份價格表裡，Flash 快取命中輸入的單價是未命中的五十分之一；實際命中率仍要查看自己的用量。選模型時可先用 flash 跑日常文書、整理與批次任務，再依任務回合、上下文與工具用量查看帳單。以離峰輸出價計算，v4-pro 是 flash 的 3.3 倍；評估複雜任務時，可用相同輸入比較正確率、耗時與總費用，再決定是否換模型。
計費方式是儲值餘額制，由儲值或贈送餘額扣抵，兩者都有時優先使用贈送餘額；這份 API 價格表依用量計費。
搜尋與抓取另計：DeepSeek Search 與 Fetch API 各按成功請求數計費，每千次 0.75 美元。經 Harness 等代理工具使用 DeepSeek API 的伺服器端搜尋與抓取呼叫，目前暫不收費，將於台灣時間 2026 年 11 月 1 日零時開始計費；直接呼叫 Search/Fetch API 應依其現行規則估算。只有 HTTP 200 且產生結果才計費，空搜尋結果、失敗與逾時不計費。規則見官方 Search & Fetch 說明。關於 V4.1-Flash-1017 這顆預設模型的來龍去脈，站上的DeepSeek V4.1-Flash-1017 完整解析有更深的介紹。
和 Claude Code、Codex 是敵人還是同事
很多人看到 DeepSeek 出代理框架，直覺問題是「這要打誰？」最有意思的答案是：它同時是對手與雇主。框架的子代理供應器裡，有兩個分別叫 subagent-claude-code 與 subagent-codex，直接把 Anthropic 的Claude Code與 OpenAI 的Codex當成可派工的員工接進來，目前可按需安裝這兩個 Profile Bundle；10 月 9 日的 v0.2.1-alpha.2 又在 Official 插件目錄加入對應入口，要用時再安裝。
有一個值得誠實交代的細節：官方產品頁的行銷文案只寫「Subagents」這個泛稱，競品框架整合是儲存庫文件層級的功能，不是官方主打的賣點，但實作本身很有誠意：Claude Code 插件與Codex 插件都帶著版本固定的原生執行負載，不依賴從 PATH 找到的現成命令；前者透過官方 Agent SDK，後者啟動 Codex 原生後端。原生設定與驗證狀態仍由各自產品管理，Harness 可設定模型、子程序環境與非互動權限模式。
也就是說，你可以用 DeepSeek 的便宜模型當主腦，把吃重的程式碼子任務派給 Claude Code，再把另一類任務派給 Codex，各供應商的驗證、授權與費用條件仍分別適用，父工作階段會保留外部任務身分與最終結果；子代理的完整推理、工具活動與檔案差異不會一併匯入父對話。2026 年 10 月 3 日的版本甚至加了實驗性的 Claude Code Mods 相容層，想驗證外掛市集的 API 能不能直接搬到 dsh 上跑。
純比較的話，第三方教學媒體的觀察是：Claude Code 支援專案指令、技能、掛鉤、MCP、子代理與 Agent SDK，功能齊全，但內建的代理迴圈是固定的；DeepSeek Harness 則讓你連迴圈、模型介面卡與儲存層都能透過設定替換，客製化上限明顯更高，代價是得自己面對開發者預覽的不穩定。至於搜尋熱度同樣很高的 opencode、pi、hermes、OpenClaw 等同類開源框架，2026 下半年這個賽道已經擠滿選手，定位各有側重：有的走終端機優先的輕量路線，有的主打編輯器整合或特定的模型生態，選擇時真正該比較的是你依賴的工作流有沒有被框架的插件市場覆蓋。DeepSeek Harness 的差異化最清楚的一點，是背後同時有模型廠的支援與把競品框架納為子代理的開放度。官方在10 月 17 日的新模型公告裡，也建議升級到 Harness v0.2.1-rc.1 以上以獲得最佳體驗，使用新版模型前應確認 Harness 的相容版本。
子代理之外，官方插件面板上還掛著一排明確標注實驗狀態的進階功能：代理團隊讓多個代理分工合作、自動核准審查試著把人工確認的負擔降下來、排程任務可以指定時區重複執行（官方示範就是每週五下午五點彙整專案筆記）,語音輸入與終端機也都在清單上。實驗功能的標示與可用性要依目前版本確認；放進日常工作流前，先用練習資料驗證所需的功能。排程只有在 Harness 的 Host 運行時才會觸發，退出 App 或停止 Host 後不會像雲端服務持續執行。從這份清單也能看出框架的企圖不只是寫程式：文件、試算表、排程、語音，擺明了要當一般知識工作者的日常助手，寫程式只是最成熟的切入點。
🚀 DeepSeek-V4.1-Flash-1017 is here! Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API. 🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy,…
— DeepSeek (@deepseek_ai) October 17, 2026
想補充觀看介紹，可看 NeuralNine 的第三方影片《DeepSeek Harness: The End of Claude Code?》。影片的工具比較與評價屬於頻道觀點，功能與設定仍以本篇對應版本及官方文件為準。
現階段的限制與該不該導入
第一，它仍是開發者預覽：兩個月 31 個預發布版、零個穩定版，README 白紙黑字警告相容性會破壞，升級後的設定與自動化腳本可能需要調整，官方也沒有公布 v1.0 或 API 凍結的時間表。第二，官方安全公告說明整個框架未經安全稽核，沙箱與人工核准機制不保證隔離，9 月的版本紀錄包含 Windows 沙箱刪除操作超出授權目錄的修復，而 Web 介面裡的使用者終端機是以系統使用者權限執行、在代理沙箱之外。把敏感資料餵給它之前，這幾行字值得抄進評估表；企業環境要導入，先在隔離的測試機與非機敏資料上跑，是最基本的底線。第三，速度與成本要分開看：任務等待時間取決於推理、工具與網路，帳單則取決於輸入輸出、快取及搜尋用量，應以自己的任務結果判斷。
適合現在導入的族群有三種：想把代理框架整個掌控在自己手裡、深度客製迴圈與工具鏈的開發者；想控制模型成本、跑大量代理式批次任務、能接受腳本跟著版本一起維護的自動化團隊；以及正在評估自建代理基礎設施、需要一個架構參考實作的技術決策者，Kabir 那種「把整份文件搬回家」的用法就是後者的典型。相反地，如果你要的是裝了就穩定跑三年的生產環境，或者團隊裡沒有人願意讀 changelog，現階段把它放在實驗專案區比較務實。給一個明確的觀察時程：11 月 1 日搜尋計費啟動前後，檢查一次帳單與用量面板，確認搜尋用量與成本是否符合預期；再盯下一個改版週期是否出現第一個正式穩定版與 API 凍結承諾，再根據版本相容性、備份與錯誤復原的驗證結果，決定是否搬入關鍵流程。
常見問題
DeepSeek Harness 免費嗎？
軟體本身完全免費，MIT 授權允許自由使用、修改與商用。付費的是模型推論：接 DeepSeek API 按 token 計費，flash 模型離峰未快取輸入每百萬 0.15 美元，快取命中輸入每百萬 0.003 美元，也可以接其他供應商或自架模型，帳單取決於你選的推論端。Harness 本身不收訂閱費；接本機自架模型可免雲端模型 API 費，但仍有硬體、電力與維護成本。
API key 設定後一直顯示無效，怎麼排查？
先依錯誤碼區分：401 是憑證驗證失敗，檢查 key 是否完整、有無多餘空白；402 是餘額不足。400 若提到 developer 或 max_completion_tokens，檢查協定與相容設定；429 檢查請求速率、模型並行數或搜尋 QPS；503 則稍後重試。在 Settings → Models 更新 key 即可，不必刪整份憑證檔，以免影響其他供應商。
DeepSeek Harness 會取代 Claude Code 嗎？
至少短期內更像互補而不是取代。兩者生態位置不同：Harness 可透過插件組合迴圈、模型與工具，適合需要自訂執行架構的人；Claude Code 則可作為另一個原生代理後端。更實際的用法是把 Claude Code 當成 Harness 裡的子代理，用便宜模型做主腦、把重活派給它，兩邊的優勢同時拿到。真正會逼你二選一的，是授權成本與客製深度的取捨。
不會寫程式的一般使用者能用嗎？
可以，走桌面版路線。macOS 與 Windows 都有官方安裝包，可使用 DeepSeek 帳號登入，或設定支援供應商的 API key 後開始用，整理檔案、分析試算表、排程任務這些官方主打情境都不需要命令列。門檻在於觀念而不是操作：你得理解核准提示與沙箱權限的意義，知道哪些動作應停止或拒絕核准。但要有心理準備，預覽版的介面偶爾會遇到需要重啟的狀況。
只能用 DeepSeek 的模型嗎？可以接 Claude 或 GPT 嗎？
不是只能。設定裡內建 Anthropic、OpenAI、Kimi、GLM 等供應器欄位，自訂供應商則支援 OpenAI Chat Completions、OpenAI Responses 與 Anthropic Messages 三種協定，填寫正確的 base URL、API 協定、金鑰與模型 ID。接 OpenRouter 這類聚合路由也行，一把金鑰就能切換多家模型。要注意部分供應端對請求格式有相容性差異，初次串接遇到 400 錯誤時，優先檢查設定檔裡的相容區塊，多半是請求格式欄位需要調整。
資料會被上傳嗎？隱私和安全疑慮有哪些？
框架跑在你自己的機器上，沒有官方雲端版，檔案與工作階段記錄存在本機；但模型推論發生在 API 端，送給模型的內容就是離開了你的電腦。官方安全公告明言未經安全稽核、沙箱不保證隔離，Web 介面的終端機還以系統使用者權限執行。處理機敏資料前，先限制執行環境與可存取資料，確認模型與搜尋供應商會收到哪些內容。Read Only 或 Workspace Write 主要限制檔案修改，不能保證網路隔離或資料不外傳；需要寫入時再核對每次指令與目標。
Linux 有得用嗎？
有，但走 npm 路線，官方沒有出 Linux 桌面安裝包。裝好 Node.js 後 npm install -g @deepseek-ai/dsh@latest,用 dsh web 起本機網頁介面，或用 dsh 加各種 profile 參數做自動化。遠端主機上跑也沒問題，Web UI 支援不自動開瀏覽器的參數，搭配 SSH 通道就能把介面留在本機瀏覽器操作，雲端主機跑代理任務的用法也一樣成立，只是要注意防火牆只開本機回環位址就好。
11 月 1 日搜尋開始收費，該注意什麼？
Search 與 Fetch 各按成功請求數計費，每千次 0.75 美元。經 Harness 等代理工具使用 DeepSeek API 的伺服器端工具呼叫，自台灣時間 2026 年 11 月 1 日零時開始計費。先查看搜尋與抓取各自的用量，並在 Plugins → Web search 確認供應來源。1,000 次成功 Search 的 0.75 美元，相當於 Flash 離峰未快取輸入 500 萬 tokens 的費用；Fetch 另外計算。
討論與提問