DeepSeek Harness实测：安装配置+ComfyUI插件驱动AI创作全流程

前言：国产Agent终于能打了

在AI编程与Agent工具长期被Claude Code、Codex等海外产品主导的当下，DeepSeek Harness的出现让国内开发者眼前一亮。B站UP主欧阳经过一周的深度体验后给出了三字评价："行到爆"。简单来说，它已经具备了成为国内"国民级"AI Agent工具的潜质。

AI Agent（智能体）是指能够自主感知环境、制定计划并执行任务的AI系统，区别于传统的单轮问答模型。在编程领域，Agent工具能够理解代码库上下文、调用终端命令、读写文件并进行多步推理。Claude Code由Anthropic推出，Codex由OpenAI推出，二者均基于各自的大语言模型构建，具备代码生成、调试和重构能力。这类工具的核心技术架构包括工具调用（Tool Use/Function Calling）、上下文窗口管理以及ReAct（Reasoning + Acting）推理框架，使模型能够在思考与行动之间交替迭代，最终完成复杂任务。

本文将基于其实测经验，系统梳理DeepSeek Harness的入门配置方法，并重点解析一个能够驱动ComfyUI工作流的自研插件——这或许代表了国产AI工具链走向成熟的一个缩影。

DeepSeek Harness入门：从安装到模型配置

三种安装方式，桌面版最亲民

DeepSeek Harness官方提供了两种主流安装方式：一是通过NPX命令（需预装Node.js），二是通过Git源码本地编译启动。这两种方式对新手并不友好。

NPX是Node.js生态中的包执行器（Package Runner），随npm 5.2+版本自动安装，它允许开发者无需全局安装即可直接运行npm包中的命令行工具。Node.js则是基于Chrome V8引擎的JavaScript运行时环境，使JavaScript能够在服务器端运行。许多现代AI工具选择Node.js作为运行时，是因为其事件驱动的非阻塞I/O模型非常适合处理大量并发的API请求和流式输出。通过Git源码编译则需要开发者具备版本控制工具Git的使用经验，以及对依赖管理和构建流程的基本理解。

更推荐的做法是使用社区提供的桌面版（DSH Desktop）。这个开源方案有官方上游团队成员参与，可以视为变相的官方桌面客户端。它已兼容Windows和Mac系统，目前最新版本为2.02，下载安装文件后一键运行即可，无需任何命令行操作。

API Key配置与第三方模型接入

首次运行需要在DeepSeek开放平台创建API Key并填入。API Key是一种身份认证令牌，用于标识调用者身份并进行用量计费。开发者在DeepSeek开放平台注册后，系统会生成唯一的密钥字符串，每次API请求都需携带该密钥。启动后的界面极其简洁，UP主形象地将其类比为"DeepSeek版的Codex"——旁边只有一个聊天栏，但实际功能要比Codex更丰富，同样支持插件生态。

在模型配置上，除了直连DeepSeek官方，还可以接入第三方中转API。第三方中转API（如文中提到的端脑云）本质上是API网关代理服务，它们批量采购模型供应商的调用额度，再以更低的单价分销给终端用户，这种模式类似于云计算中的RI（预留实例）转售。UP主实测使用的是端脑云（CEP）的端点，通过"添加自定义提供方"填入Base URL和Key，即可检索并勾选所需模型（如Flash、智谱GLM等）。其Base URL是中转服务的API端点地址，替换官方的默认地址后，请求会先经过中转服务器再转发至模型提供方，从而实现价格优惠和多模型聚合。第三方渠道的优势在于价格通常比官方更低，且模型选择更丰富。

三种工作模式的差异

Harness提供了三种运行模式，理解它们的区别对高效使用至关重要：

• 标准模式：具备全部Harness功能，包括命令行、Agent调度、子Agent、Skills加载等，是日常办公的首选。
• PTC模式：支持工具的连续链式调用，适合批量脚本操作，在已有完整Skills办公流程时效率更高。
• 创造模式：可查看并修改所有插件，用于构建自己的插件、改写Harness框架。

Harness插件生态：真正的杀手锏

插件市场安装方法

桌面版初始并未内置插件市场，需要手动安装。方法是访问社区的awesome-DSH-plugin项目，复制其安装命令行，在Harness的工作区对话中发送即可自动完成安装。安装后重启应用，设置页面就会出现"插件市场"选项。

值得一提的是使用体验：由于底层跑的是DeepSeek Flash模型，每秒token输出可达100多，效率远超需要解决网络问题的Codex或Claude Code。Token是大语言模型处理文本的基本计量单位，中文场景下约1.5-2个汉字对应一个Token。UP主强调"一行一行很舒服，它会告诉你在做什么"，且缓存命中率高达91%，大幅降低了实际成本。所谓缓存命中率指的是KV Cache（键值缓存）的复用率——当连续对话中前缀内容与上一轮相同时，模型可以直接复用已计算的注意力矩阵，无需重新计算。DeepSeek的缓存命中Token价格仅为未命中价格的十分之一，因此高缓存命中率意味着实际费用大幅下降，这也解释了为什么Agent工具的多轮对话场景特别适合DeepSeek的计费模型。

丰富的UI增强插件推荐

插件市场内容极为丰富且每日更新，涵盖UI增强、用量统计、主题外观等多个维度。UP主推荐安装类似Codex右侧扩展窗口的插件，可以直观查看文件夹内容、预览文件结构和代码。此外还有集成任务看板、桌宠、终端、浏览器等功能的WebUI插件供选择。

安装过程中若遇到脚本被拦截，只需点击"放行脚本"即可继续。安装完成后，界面会新增检测更新、文件夹面板、终端等按钮，整体布局趋近于VS Code的开发体验。这也印证了插件的本质：每个插件都是Harness产品的一部分，通过不同插件的组合，用户可以打造属于自己的差异化工具界面。

核心亮点：ComfyUI驱动插件深度解析

让Agent接管AIGC工作流

本次分享的重头戏，是UP主花两天时间开发的开源ComfyUI插件。其核心价值在于：让DeepSeek Harness的Agent能够识别、管理并驱动ComfyUI的完整工作流，实现AI创作的自动化编排。

ComfyUI是一款基于节点（Node）的开源图形化AI图像/视频生成工具，采用有向无环图（DAG）的工作流架构。用户通过拖拽和连接不同功能节点（如模型加载、提示词编码、采样器、VAE解码等）来构建完整的生成流水线。相比Stable Diffusion WebUI的表单式界面，ComfyUI的节点化设计提供了极高的灵活性，用户可以精确控制生成过程中的每一个环节。其底层支持Stable Diffusion、SDXL、Flux、HunyuanVideo等多种模型架构，已成为AIGC社区中最受欢迎的创作工具之一。

该插件通过Web版接入（需从桌面版切换），配置本机或服务器的ComfyUI地址（默认8188端口）、Key以及网络回环地址。若使用桌面版ComfyUI，还需设置listen启动参数以确保内网可被监听到。

从图工作流到API工作流的自动转换

插件面板包含三个核心流程。第一步是工作流的识别与提取：ComfyUI的图工作流（graph workflow）无法直接用于API请求，必须转换为API工作流。传统做法需要手动"导出API"，而该插件能自动识别图工作流并提取转换。

从技术层面看，图工作流是面向人类用户的可视化表示，包含节点的位置坐标、分组信息、UI布局等元数据，以JSON格式存储。而API工作流则是面向程序调用的精简格式，剥离了所有视觉层信息，只保留节点类型、输入参数和连接关系，可以直接通过HTTP POST请求发送给ComfyUI的/prompt端点执行。两者的数据结构差异显著：图工作流中节点以数组形式存储且包含坐标属性，API工作流则以节点ID为键的字典结构组织，每个节点仅包含class_type和inputs字段。这种转换是实现程序化调用ComfyUI的必要步骤。

这里有个关键经验：最适合转换的是单一执行流程，即只有一个从加载模型到图像/视频保存的完整链路。对于多流程组合的复杂工作流，插件支持"分量剔取"，可选择整体剔取、分流剔取或提取节点数最多的主流程。

参数化控制：Agent自主调参的精髓

转换为API工作流后，插件会自动提取采样步数、随机种子、时长、分辨率等基础参数，并要求用户为工作流填写描述和标签（如"文生视频""图生视频"），让大模型能够判断该调用哪个流程。

UP主对这一设计的理解颇具洞见："这就是Coze、n8n唯一缺少的——对工作流参数的变通性。"传统方案下让模型每次输出完整工作流会消耗大量Token，而该插件只需复制模板并覆盖提取出的参数即可。你想让Agent控制哪些参数，就提取哪些参数，既灵活又节省成本。

破解DeepSeek无视觉能力的巧思

DeepSeek目前不具备视觉模型，无法接收和理解图像。针对这一痛点，插件设计了"加载区"方案：可读取仓库中的图像、视频、音频资产，Agent通过文件名将图片传给图生流程。UP主坦言这是"比较不智能"的临时方案，未来计划接入独立的视觉模型进行图像反推翻译，以获得更精准的效果。

同步与异步：智能调度的执行机制

插件的Skills中定义了两种执行方式：同步会阻塞对话直到生成完成，异步则不阻塞，任务提交后Agent可继续处理其他请求，生成完毕后主动通知用户。

从技术角度看，同步（Synchronous）执行采用阻塞式调用模式：Agent发出生成请求后会持续等待ComfyUI返回结果，期间无法处理其他任务，这类似于打电话时必须等对方说完才能继续。异步（Asynchronous）执行则采用非阻塞模式：Agent提交任务后立即释放控制权，通过WebSocket长连接或轮询机制监听任务状态，任务完成时触发回调通知。在AIGC场景中，一个视频生成任务可能耗时数分钟甚至数十分钟，异步模式使Agent能够同时管理多个并行任务，极大提升了工作效率。这与操作系统中的进程调度和Web开发中的异步I/O是同一设计思想。

这一机制为后续的智能编排奠定了基础——Agent可以并行调度多个视频生成任务，24小时不间断产出内容。

生成结果会通过"回显"功能直接在对话窗口中展示，支持图像预览和视频播放。需注意回显发生在工具调用阶段，而非最终生成后。

Skills机制与使用费用分析

三层Skills兼容体系

Harness的Skills机制兼容Agent、Codex的规范，分为三个层级：项目级（项目根目录的.agent/.skill）、用户级（C盘用户根目录的全局Skills）以及插件内置的skills.js。

Skills机制本质上是一种分层的系统提示词（System Prompt）注入方案，灵感来源于Anthropic Claude的CLAUDE.md和OpenAI Codex的AGENTS.md规范。它允许开发者将特定领域的指令、约束和操作规范以文件形式持久化存储，Agent在启动时自动加载这些规则到上下文窗口中。三层优先级设计（插件内置→用户级→项目级）遵循了软件工程中经典的配置覆盖模式：越靠近具体项目的配置优先级越高。这种机制使得Agent的行为可以被精确定制，而无需每次对话都重复说明规则。

插件的工作流程逻辑正是写成内置Skills与插件绑定，实现了功能的模块化封装。

费用成本：便宜但仍有优化空间

UP主坦诚地分享了费用数据：开发这个插件的对话跑了100多轮、2000多步，消耗了500-600M的Token，成本约300元左右，超过了Claude Code一个月170元的订阅费用。

最大的遗憾在于DeepSeek没有推出订阅套餐，只能按API用量计费。工作时段使用费用较高，若在凌晨或深夜使用可以便宜约三分之一。UP主呼吁DeepSeek推出订阅制，让用户使用更加自如。

结语：国产AI工具链的成熟信号

经过一周的深度使用，UP主的核心判断是：国内模型与应用产品正在快速追赶海外水平。DeepSeek Harness凭借高速的token输出、丰富的插件生态和亲民的桌面版，配合可自研的ComfyUI驱动插件，已经能够胜任从代码开发到AIGC内容自动化生成的复杂场景。

虽然在视觉能力、订阅计费等方面仍有提升空间，但这套国产Agent工具链所展现出的开放性、可扩展性和实用性，无疑是一个值得期待的信号。对于希望搭建自主可控AI创作流水线的开发者而言，DeepSeek Harness值得一试。