DeepSeek Agent Harness实测：一切皆插件的AI编程新范式

一款"一切皆插件"的AI代理工具包

在众多AI编程代理工具中，DeepSeek推出的Agent Harness（代理工具包）显得格外特别。据资深软件工程师、拥有20年工程团队领导经验的UP主Ewan评价，这是他"很久以来见过的最有趣的AI工具之一"。

它的核心理念只有一句话：一切都是插件。从底层工具、代理循环，到整个用户界面（UI），几乎所有组件都可以被扩展和自定义。这与Claude Code和OpenAI Codex形成了鲜明对比——后两者虽然强大，但想要深度定制其行为或界面，往往需要额外构建应用程序去对接，原生层面几乎无法实现。

对于每天同时推进5到6个项目、处理50到60个任务的开发者来说，这种可定制性带来的价值是革命性的。

网页化界面：告别终端的多任务困境

安装Agent Harness的过程非常简单，只需复制一条命令粘贴到终端即可启动，服务默认运行在本地端口上，随后在浏览器中打开使用。

有意思的是，它运行在网页浏览器中，而非独立应用或终端里。如果你用过Codex，会对这套界面感到熟悉。Ewan坦言，他此前因为把Codex订阅额度用尽，不得不回到终端使用Claude Code，结果体验相当糟糕。

他的观点很有代表性：尽管做了多年开发、每天使用终端和tmux多路复用器，但在AI代理编程这件事上，终端并不是理想的工作环境。Agent Harness的网页界面支持同时运行多个项目、多个会话，导航切换极为顺畅，很好地解决了多任务并行时的"跟踪瓶颈"。

灵活的权限与运行模式设置

界面中提供了丰富的配置选项：

• 权限设置：可限制代理只能在当前文件夹内操作，也可开放完全访问权限。
• 运行模式：标准模式适合大多数场景；最小模式仅提供Bash和字符串替换编辑器；PTC（程序化工具调用）模式允许代理编写代码来自定义工作流；创作模式则用于交互式构建插件和扩展。

深度可定制：从模型提供者到代理循环

首次登录需要一个DeepSeek的API密钥，但用户可以自由切换模型提供者。工具包支持GitHub Copilot、DeepSeek本身、OpenCode、OpenRouter等多种接入方式，甚至可以配置本地运行的AI模型。

插件配置是整个工具包最精髓的部分。你几乎可以调整代理的所有设置——包括工具、子代理，乃至代理循环本身，还能管理并行工具调用的数量。这些能力在其他工具包中通常无法实现。每个插件都可以独立启用或禁用，用户还能创建自定义的工具包和代理预设，只保留自己需要的工具集。

最令人印象深刻的是自定义UI能力。Ewan仅用约30分钟就搭建了一个自定义看板界面，用于追踪代理工具包中所有正在运行的工作：当前任务运行了多少步、占用多少上下文窗口、有哪些子代理调用、消耗了多少token、有多少代理在运行、多少任务等待处理——一目了然。这种能力在Claude Code或Codex中几乎无法原生实现。

协调器模式：一个代理指挥多个代理

Agent Harness一个非常实用的用法，是将其作为多个编程代理的协调器（Orchestrator）。

通过启用特定模式，用户可以借助工具调用把任务分发给本地运行的Claude Code和Codex。换言之，你既可以用DeepSeek驱动编程，也可以让它调度你的Claude/Codex订阅额度来完成任务。

Ewan现场演示了一个实际案例：他让代理审查一个代码库并找出错误，代理随即创建了四个错误修复任务和一个改进任务，并为每个任务打上正确的标签，附带详细的问题描述、代码位置和修复方法。随后，他使用协调器模式让四个独立会话并行修复这些错误，同时另一个代理会话负责监控四个任务的进度。

值得一提的是一个真实的"坑"：尽管代理拥有创建会话、发送提示的RPC调用能力，它一开始却"并不知道自己有这些工具"，Ewan不得不反复与它沟通并指出其能力所在。这也反映出当前AI代理系统在工具认知上仍存在局限。

此外，工具包还提供了类似LangFuse的轨迹视图（Trace），可以查看代理执行的每一次工具调用、搜索审计历史，对于调试代理运行缓慢的问题非常有帮助。

安全与成本：两个绕不开的现实问题

插件生态的安全隐患

Ewan特别强调了安全性问题。任何从互联网安装的代码都可能被植入恶意代码，而在AI代理插件中尤其危险——因为插件可以访问代理，而代理能访问你的凭证和整台电脑。因此他建议，使用社区第三方插件时务必仔细审查代码来源。

API按量计费 vs 订阅制的经济账

在成本方面，Ewan给出了实测数据：过去两天里，他仅用20%的时间做编程，就花费了约2美元；如果全职使用，两天大约会花掉6到7美元。

他由此得出一个鲜明的观点：基于API密钥的按量计费方式对开发者并不友好。每月账单不确定，容易产生超预期费用；相比之下，订阅制不仅更省钱，还能让开发者清楚掌控每月支出。他认为OpenAI提供的订阅限额最为慷慨，因此在成本考量上会继续使用Codex的订阅方案。

至于本地运行模型的方案，Ewan也算了一笔账：想让本地AI正常运行，需要投入数千美元购买高性能硬件，而其效果往往还不如云端模型——这在经济上并不划算，相当于"为一个性能更差的模型付更多的钱"。

总结：为"可扩展性"而来的AI编程中枢

综合来看，Agent Harness最打动人的地方，并非某项单一功能，而是它彻底的可扩展性和可定制性。

Ewan提到他正在这套工具包上构建一个名为AgentOS的应用，用于为自己和代理分配、追踪任务，支持子任务分配、云端/虚拟机运行器、代理收件箱沟通等能力。他大部分工作使用DeepSeek V4 Flash模型，评价其"非常快、相对便宜、功能强大"，弥补了Frontier模型（如Codex）运行较慢的不足。

对于每天在多项目、多任务间疲于奔命的开发者而言，Agent Harness提供了一种全新的工作范式：用一个可编程、可视化、可协调多代理的中枢，来管理日益复杂的AI编程工作流。这或许正是它最大的价值所在。