DeepSeek Harness桌面端教程：四大模式与插件实战

DeepSeek Harness 终于推出了官方桌面端，对于习惯在本地环境折腾 AI Agent 的玩家来说，这无疑是个值得上手的新玩具。这期内容基于 B 站 UP 主的速通教程，把安装、页面逻辑、四大模式差异以及最核心的插件能力一次讲清楚，最后还会带你亲手做一个生图插件。

安装与工作区设置

桌面端的获取方式很直接，去 DeepSeek^广告 Harness 官网选择对应系统的安装包，双击安装即可。首次打开后第一件事是添加工作区——选择一个已有文件夹或新建文件夹，Harness 后续的读写操作都会限定在这个目录内。这一步很关键，它决定了 Agent 能触碰的文件边界。

权限与模型选择

页面左侧的加号菜单里预置了添加文件、压缩对话、更改权限等快捷功能。权限分为三档：只读模式仅允许查看工作区；工作区修改模式增加了新增、删除、修改文件的能力；完全权限则放开到整台电脑的所有文件，风险随之上升，建议按需开启。

模型方面，UP 主推荐 DeepSeek V4e Flash，理由是它当前最强、自带视觉能力且响应速度快。对于需要看图或处理多模态任务的场景，视觉能力是硬指标。

四大标准模式怎么选

Harness 提供了四种模式，定位差异明显：

标准模式是默认选项，具备通用的 Agent 能力——读写文件、执行命令、搜索等一应俱全，日常干活直接用这个。

PTC 模式能力与标准模式一致，区别在于不让模型逐个调用工具，而是写一段代码批量调用。处理大量文件、需要汇总结果时，这种批处理思路更省事。

极简模式只保留一个终端，系统提示词压缩到一句话，专门用来测试模型底子有多强，或者与其他模式做对比。普通用户基本用不上。

创造模式在标准模式工具基础上，额外开放了查询 Harness 内部 API 和编写插件的能力。想给 Harness 加功能、改界面，甚至自己捏一个新模式，都得靠它。

关于 PTC 模式中的「代码批量调用工具」：PTC 全称为 Programmatic Tool Calling，其核心思路是让模型不再以「一次一轮」的方式逐个发起工具调用，而是直接生成一段脚本，在脚本内部按顺序或并发地调用多个工具，最后由脚本统一汇总返回结果。传统逐次调用每一轮都要把中间结果回灌给模型，token 消耗和延迟都会累积；批处理则把中间态留在代码里，只把最终汇总交回模型。这也是它在处理成百上千个文件、需要统一统计或格式转换时更省事的原因。

关于「系统提示词压缩到一句话」的极简模式：系统提示词（system prompt）是每次对话开始时注入给模型的全局指令，通常包含角色设定、可用工具说明、行为约束等，往往长达数千 token。极简模式把它压缩到一句话，等于剥掉了所有引导与「脚手架」，模型只能凭自身预训练能力完成任务。因此它更像一个基准测试工具——用来衡量模型在几乎没有提示工程帮助时的真实水平，也方便与其他模式做消融对比，日常使用价值有限。

插件架构：Harness 最出圈的设计

Harness 这次最受关注的是它的插件架构——模型、工具、技能等所有 Agent 能力都由插件组合而成，可以自由替换和重组。这意味着你可以通过增删插件来定制一个最适合自己的 Agent，而不是被固定功能绑死。

官方自带的插件管理功能体验一般，UP 主的做法是先装社区插件市场 DSH Market。在添加插件处输入 DSH Market 并安装，启用后回到首页点左下角设置，就能看到插件市场入口。

以查看 token 用量为例：在用量与计费分类下安装 DSH Context，刷新页面后左上角就会出现插件入口，支持按时间筛选，也能看到每个对话的具体消耗量。

关于「一切皆插件」的架构含义：传统 Agent 框架通常把核心循环（读指令、选工具、执行、回填结果）写死在主程序里，扩展只能通过有限的钩子或工具注册接口进行。Harness 的做法是把模型接入、工具实现、技能（skill）、甚至界面元素都抽象为统一契约下的插件，运行时由框架动态装配。好处是同一套 Agent 循环可以被完全重构——换模型只是换一个 provider 插件，加能力只是挂一个工具插件，改交互只是替换 UI 插件；代价则是插件之间的依赖关系与版本兼容需要额外管理，这也是社区插件市场 DSH Market 存在的意义：它承担了分发、检索与版本管理的职责，弥补官方插件管理功能偏弱的问题。

动手做一个生图插件

插件市场没有想要的功能时，可以自己造。UP 主演示了一个接入豆包生图 API 的插件流程：把模式切到创造模式，发送一段描述需求的提示词，Harness 会自动生成插件。完成后在设置页会出现豆包生图插件，填入 API Token 即可。

API Token 的获取在火山方舟平台完成：进入大模型页面找到豆包图像创造模型，点击 API 接入，创建 Token 后一键开通模型，再把 Token 填回 Harness 保存。至此，Harness 就具备了生图能力。

整个流程下来，Harness 的插件化思路比预想中更彻底——它不是简单加几个扩展点，而是把 Agent 的每一层能力都拆成可替换的积木。对于想深度定制工作流的用户，这可能是目前最灵活的选择之一。

关于 API Token 与「一键开通模型」：火山方舟是字节跳动旗下的大模型服务平台，豆包系列模型通过它对外提供推理服务。平台采用 API Key（Token）鉴权：用户在控制台创建密钥后，将其填入调用方（这里是 Harness 插件），服务端据此识别身份、计量用量并计费。需要注意的是，创建密钥与开通具体模型是两个独立步骤——只有先在平台上为该模型完成开通（即接受服务条款并启用），密钥调用才不会返回未授权错误。这也是教程中强调「创建 Token 后一键开通模型」的原因；此外密钥应视为密码妥善保管，泄露后需立即在平台侧吊销重建。