DeepSeek Harness实测：一切皆插件的AI开发框架能否挑战Claude Code

8月13日，DeepSeek悄然发布了一个名为「DeepSeek Harness」的开发者预览版。与市面上主流的AI编程工具不同，这款框架采取了极为激进的设计哲学——一切皆插件（Everything is a Plugin）。从UI侧边栏、工具调用能力，到系统提示词，几乎所有功能都可以被激活或停用，甚至可以通过对话动态生成新功能。

本文基于YouTube频道NeuralNine的实测视频，梳理这款工具的核心设计理念与实际体验，探讨它是否真的可能撼动Claude Code的地位。

DeepSeek Harness的两大核心特性：插件化与全程可追溯

DeepSeek Harness底层基于一个名为Cordis的框架，并附带了一篇偏数学化的理论论文。论文的核心思想是「动作可逆」——他们构建了一套形式化的演算体系，让每个操作都存在对应的逆操作（revert action），从而实现无副作用的动态组合能力。这包括时间可组合性（可随时添加或移除功能而不产生副作用）与空间可组合性（声明式地响应管理组件间依赖）。

对开发者而言，更值得关注的是两个实用层面的亮点：

• 一切皆插件：UI元素、工具能力、系统提示词全部模块化，颗粒度极细。
• 每次运行都可追溯：每一条消息、每一次工具调用、每一个加载的技能，全部可以详细分析。

第二点尤其值得玩味——它与Anthropic「隐藏思考过程」的策略完全相反。DeepSeek选择把一切都摊在阳光下，追求100%的透明度。

Cordis框架脱胎于JavaScript生态中同名的服务容器库（原用于聊天机器人框架Koishi），其设计哲学受函数式编程影响颇深。「动作可逆」的形式化演算借鉴了范畴论中的概念——每个插件的加载与卸载被建模为互逆的态射（morphism），理论上保证系统状态在任意插件组合下都能干净回滚。时间可组合性意味着插件可在运行时热插拔，无需重启整个应用；空间可组合性则通过依赖声明机制自动处理插件间的加载顺序与生命周期，类似于依赖注入容器（DI Container）的思想，但将其扩展到了AI Agent的工具层与UI层。这种架构在企业级软件中并不罕见，但将其系统性地应用于AI编程助手框架，目前仍属前沿探索。

安装配置与多Provider模型支持

实测中，作者选择从源码运行。整个流程相当直接：克隆仓库后使用PNPM安装并构建，随后通过pnpm dsh web命令启动Web界面。

首次运行时，工具会要求填入DeepSeek API密钥（可从platform.deepseek.com获取）。但一个重要优势是——你并不必须使用DeepSeek官方API。在设置中的模型选项里，可以自由接入第三方Provider。作者演示了两种方式：

• 通过OpenCode Go接入GLM等模型；
• 连接本地运行的Ollama服务（作者在搭载GB10的Dell Pro Max设备上跑着GPT开源120B、Gemma等模型）。

这意味着无论是云端API还是本地部署的模型，都能无缝接入。唯一的限制是目前无法直接连接ChatGPT订阅账号。这种开放的Provider生态，对于希望控制成本或使用私有模型的团队来说非常友好。

PNPM（Performant NPM）是Node.js生态中一种高效的包管理器，相比npm/yarn通过硬链接机制共享依赖，显著节省磁盘空间并加快安装速度，在monorepo项目中尤为流行。Ollama是一个允许用户在本地设备上运行开源大语言模型的工具，支持Llama、Mistral、Gemma等主流开源模型，通过统一的REST API对外暴露，使本地模型可像云端API一样被调用。作者提到的「GB10」指英伟达Grace Blackwell超级芯片，集成了ARM CPU与Blackwell GPU，专为边缘AI推理设计，能在消费级设备上流畅运行百亿参数级别的模型。这种本地推理能力结合Harness的开放Provider接口，使得完全离线、数据不出本地的AI编程工作流在技术层面成为现实。

全程可追溯：AI Agent透明度的极致体现

作者用一个「创建简单Flask待办应用」的任务，展示了工具的追溯能力。任务执行后，进入**Trajectory（轨迹）**视图，可以以图形化的方式分析每一个步骤。

在这里，你能逐层查看：

• 系统提示词的完整内容；
• 用户提示词与加载的上下文；
• 助手的思考过程（可看预览、原始文本）；
• 每一次工具调用的具体载荷（payload）、执行目录与返回结果；
• 详细的统计数据：耗时、轮次、调用时间点、持续时长。

更进一步，整个会话日志还能导出为zip压缩包，其中包含一个session.jsonl文件，记录了完整的执行细节。这种彻底的透明度，对于调试Agent行为、理解模型决策链路极具价值，也是目前多数闭源工具难以提供的。

插件系统深度体验：从停用侧边栏到动态生成功能

插件化是DeepSeek Harness最令人印象深刻的部分。在设置的插件列表中，你会发现界面上的每一个元素都是插件——颗粒度细到连UI侧边栏本身都可以被停用。

目前在预览版中，启停插件需要手动编辑配置文件（位于.dsh/profiles/web/下的cordis.patch.yaml）。例如，只需添加几行YAML声明将ui-sidebar标记为disabled: true，重载后侧边栏便会消失。

作者也坦言，作为开发者预览版，这种操作方式还比较「粗糙」，未来版本预计会提供一键启停的可视化按钮。

Creator模式：用对话动态创造插件

真正的杀手锏在于Creator模式。DeepSeek Harness提供了标准、代码、极简、创造者四种Agent预设，其中Creator模式专门用于动态添加插件。

作者做了两个演示：

1. 猫咪浮动动画：一句「在屏幕底部添加一只从左到右往返移动的猫」，工具便自动加载Cordis插件开发技能，生成并请求确认。批准后，一只猫便在界面底部游走，还能随时启停。
2. 计算器悬浮窗：同样通过对话，在右下角生成了一个GUI计算器工具。

虽然这些示例的完成度还有瑕疵（比如按钮布局），但核心理念已经清晰展现：用户可以在使用过程中实时「说」出想要的功能，并将其持久化保存。这为未来构建一个完整的插件生态系统埋下了伏笔。

Creator模式的底层机制是让AI模型在对话中直接调用Cordis插件开发SDK生成符合框架规范的插件代码，并通过沙箱机制请求用户确认后注入运行时。这一模式与「元编程」（Metaprogramming）概念高度相关——程序在运行时生成并执行新的程序逻辑。与GitHub Copilot、Cursor等工具「生成代码后需手动集成」的范式不同，Harness将生成与部署合并为一个对话步骤，生成的插件还能持久化存储，重启后依然有效。这种「提示即部署」（Prompt-to-Deploy）的模式在工具链层面是一次重要的范式跃迁，其挑战在于如何保证动态生成代码的安全性与可维护性——这也是该预览版尚未完全解决的问题。

DeepSeek Harness vs Claude Code：竞争力评估

回到最初的问题。客观来看，DeepSeek Harness目前仍是一个尚不成熟的开发者预览版，交互体验与稳定性都有待打磨，短期内难以直接威胁Claude Code的市场地位。

但它所代表的设计方向确实令人振奋：

• 极致的模块化：一切皆插件，可自由组装拆卸；
• 完全的透明度：与闭源工具隐藏思维链的做法形成鲜明对比；
• 开放的模型生态：兼容云端API与本地部署，不绑定单一厂商；
• 对话式功能扩展：Creator模式让「提示即开发」成为可能。

如果DeepSeek能持续迭代、完善用户体验并培育出活跃的插件生态，这套框架有潜力成为AI编程工具领域一个重要的差异化竞争者。对于关注AI开发工具演进的从业者而言，这绝对是一个值得放入观察清单的项目。