DeepSeek Harness (DSH) ： DeepSeek AI 开源的「一切皆插件」Agent 运行框架
AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。
主要介绍
DeepSeek Harness（简称 dsh）是 DeepSeek AI 于 2026 年 8 月开源的 Agent 运行框架，核心主张是「Everything is a Plugin（一切皆插件）」。它并非又一个封装 LLM 调用的高层库，而是一套把模型适配器、工具注册表、会话日志、Agent 循环本身都作为可插拔插件来组织的运行基座。整个产品由插件树在启动时按有序层（profile + bundle）组合而成，没有任何需要打补丁的特权核心：扩展功能只需在旁挂载一个插件，插件卸载时其注册以可逆 effect 自动回滚。这使得 DSH 既能作为带 Web UI 的交互式 Agent 运行，也能作为无服务器的 headless 一次性运行器。当前处于 developer preview（0.1.0-rc.7，2026-08-17 发布），API 仍在快速迭代、可能有破坏性变更。
功能特点
-
插件树组合（profile + bundle 分层），扩展 dsh 只需挂载一个插件，无需打补丁核心代码
-
完整可插拔的 Agent 基础设施：模型适配器、工具注册表、会话日志、Agent 循环本身均作为插件
-
append-only 会话事件日志（SessionEvent log），天然支持 fork、resume、回放与遥测
-
reversible effects（可逆副作用）：插件卸载时注册自动回滚，热插拔安全
-
capability seams（三角色：Service Definition / Provider / Consumer），一次 provider 替换即可改变全产品行为
-
Web UI 与 headless 两种运行形态，前者提供可视化交互、后者提供无服务器一次性执行
-
typed events + 共享 context 模型，跨插件组合通过事件解耦、运行时安全
-
「model-visible means logged」不变量：所有模型可见输入都从 SessionEvent log 派生，可重建性受运行时不变量约束
优缺点
-
优点1：架构哲学清晰，「一切皆插件」+可逆 effect 让扩展点与热插拔天然安全
-
优点2：会话日志即模型上下文唯一真相，天然支持 fork / resume / 回放 / 遥测等高阶能力
-
优点3：capability seam 把能力解耦为定义 / 提供 / 消费三角色，单 provider 替换即可影响全产品
-
优点4：底层基于 Cordis 元框架，理论扎实（论文级范式）并已在 Koishi 生态经过多年实战
-
优点5：MIT 许可证友好，CLI 极简（一条 npx 命令即可启动），上手成本低
-
缺点1：当前处于 developer preview（0.1.0-rc.7），官方明确表示会有破坏性变更，生产环境需谨慎使用
-
缺点2：公开 star / fork 数与社区规模数据缺乏，第三方评估信息不足
-
缺点3：与 LangGraph、AutoGen 等成熟 Agent 框架相比，配套工具市场、第三方插件、迁移路径生态尚薄
-
缺点4：架构复杂度较高，对只想「快速搭一个 Agent」的开发者存在认知门槛
如何使用
-
首先确保本机已安装 Node.js 运行环境
-
通过
npx @deepseek-ai/dsh web一键启动 Web UI，默认监听 http://127.0.0.1:3080 -
从源码部署：git clone https://github.com/deepseek-ai/deepseek-harness.git → pnpm install → pnpm run build → pnpm dsh web
-
编写自己的插件：在仓库内新建 package，按 Cordis 插件规范暴露 service / event / effect，在 profile 的 bundle 列表中按需挂载
-
通过
dsh --profile web --dump-config查看实际启动的插件树与配置（任何行都可被 patch 替换） -
通过分层 patch（cordis.patch.yml / home patch / –patch 覆盖）按 id 替换任一注册或插入新行，无需改核心代码
-
插件仓库打
dsh-plugintopic 提升可发现性；遇到问题可去 GitHub Discussions 或 Discord 社区反馈
框架技术原理
-
基于 Cordis 元框架——插件向共享 context 贡献 service、typed event、reversible effect
-
一个运行实例 = 启动时由有序层组合的插件树（profile + bundle 顺序、patch 覆盖叠加）
-
核心事件域：Session 事件（durable，写入日志）、Agent 事件（live，agent/*）、Capability 事件（fs/*、tools/*、telemetry/*）
-
Turn 流：step = 一次模型请求 + 其调用的工具；turn = 零或多个 step，由 turn/* 与 step/* 事件驱动
-
部分关键事件是 waterfall 语义（agent/pre-step、agent/request、llm/stream、三个 tools/* 事件），监听者必须 next() 委托
-
agent/turn-stopping 是 serial 语义，没有 next()，用于结束一个 turn
-
「model-visible means logged」：任何模型可见输入都从 SessionEvent log 派生，并受运行时不变量约束
-
capability seam 由三角色组成：Service Definition（接口）、Service Provider（实现）、Consumer（消费者，如 model-facing tool），一角色不成 seam
创新点
-
把「一切皆插件」与可逆 effect 组合成 Agent 框架的运行基座，扩展不依赖特权核心
-
首次以「model-visible means logged」为运行时不变量，会话日志即模型上下文的唯一真相
-
capability seam 抽象把能力解耦为定义 / 提供 / 消费三角色，让一次 provider 替换就能改写全产品行为
-
把插件组合的「时间维度」显式建模（reversible effects），传统 IoC 容器没有这个能力
-
与 Cordis 论文级范式配套——可组合性被形式化定义在「时空可组合性」论文中
评估标准
-
扩展点覆盖度：能挂载的插件类别数（模型适配器、工具、会话、UI、telemetry 等）是否齐全
-
插件组合正确性：多 bundle / 多 patch 叠加时行为是否符合 profile 顺序定义
-
session 回放保真度：从 SessionEvent log 重建模型上下文的能力是否完整（无丢失）
-
seam 替换一致性：换掉单个 provider（如 sandbox、subprocess）后整体产品行为是否一致改变
-
启动与可发现性：通过 dsh –dump-config 暴露的插件树是否清晰、文档是否齐全
-
社区与生态：star / fork / 第三方插件数量、Issues 响应、Discord / Discussions 活跃度
应用领域
-
需要高度可定制 / 可审计 Agent 循环的产品底座
-
企业内部可插拔 AI 助手（可按需挂载安全 / 审计 / 业务插件）
-
需要会话 fork / resume / 回放的 Agent 平台（如长程任务、复盘、培训）
-
Agent 循环研究与二次开发（可作为新算法、seam 替换实验的底座）
-
需要按 provider 灵活切换运行环境（如沙箱、远程子代理、端侧模型）的混合部署
项目地址
DeepSeek Harness（dsh）由 DeepSeek AI 团队开源，仓库托管在 GitHub，最新主线版本为 0.1.0-rc.7（2026-08-17 发布），采用 MIT 许可证，目前处于 developer preview，官方明确表示后续可能存在破坏性变更。仓库内提供 docs 目录（架构 / 入门 / 子系统）与 website 目录，并已加入 Discord 社区与 GitHub Discussions 供反馈。
底座依赖 Cordis 元框架（同开源，MIT），其设计哲学发表于论文《A Programming Paradigm for Spatiotemporal Composability》，仓库 cordiverse/paper 公开。
插件作者可在插件仓库打 dsh-plugin topic 提升可发现性。
-
项目官网：https://github.com/deepseek-ai/deepseek-harness
同类型工具比较
|
对比维度
|
DeepSeek Harness
|
LangChain
|
LangGraph
|
AutoGen
|
CrewAI
|
|---|---|---|---|---|---|
|
核心定位
|
一切皆插件的 Agent 运行框架
|
LLM 应用编排库
|
有状态 Agent 图编排
|
多 Agent 对话框架
|
角色化多 Agent 框架
|
|
扩展机制
|
Cordis 插件树 + reversible effects + capability seams
|
LCEL / 组件组合
|
图 / 状态机
|
Agent / GroupChat
|
Crew / Agent / Task
|
|
状态管理
|
append-only SessionEvent log（运行时即模型上下文）
|
ConversationChain / Memory 模块
|
持久化 state 图
|
上下文 + 会话历史
|
Crew 状态机
|
|
回放 / fork
|
原生支持
|
弱
|
部分支持
|
弱
|
弱
|
|
状态 / 许可证
|
Developer Preview / MIT
|
稳定 / MIT
|
稳定 / MIT
|
活跃 / MIT·Apache
|
活跃 / MIT
|
|
适配场景
|
需可审计、可插拔 Agent 循环
|
快速搭 RAG / Agent 原型
|
复杂多步、需持久化状态
|
多 Agent 协作研究
|
团队式 Agent 工作流
|
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
AI全网资源导航每日收集国内外热点AI/人工智能/工具/模型/框架以及最新的AI学习资料/课程等，在这个全新的AI时代，助力每一个人，赋能每一个具体业务场景，与所有人一起努力向前！
