DeepSeek Orb开源：把Harness改成悬浮球，一键接管电脑

从官方Harness到悬浮球：一次面向桌面的魔改

最新的 DeepSeek^广告 V4.1 版本带来了两个关键变化：一是原生动态视觉能力，模型终于能够理解和处理屏幕上的实时图像；二是极快的 token 生成速度，某些场景下可以达到约 300 tokens/秒。这两点结合，直接改变了 AI 操作电脑的可行性——当生成速度足够快时，让模型接管鼠标键盘去点击按钮、复制粘贴，反而比人类手动操作更迅速。

基于这个判断，这位 B站 UP主 把官方最新开源的 DeepSeek Harness 做了魔改，做成了一款名为 DeepSeek Orb（悬浮球） 的 agent 产品。视频开头展示的几个案例——让模型用画笔手绘自己的头像、直接把在线测试丢给它去做、甚至让它玩小游戏——都是在 DeepSeek Orb 上跑出来的。

DeepSeek Harness 是 DeepSeek 官方开源的 agent 框架，提供了一套标准化的工具调用（tool use）接口，让模型能够通过结构化方式调用外部能力——例如截图、执行代码、操作文件系统等。Harness 的设计思路是把「模型推理」和「工具执行」解耦：模型输出结构化的动作指令，Harness 负责实际执行并将结果反馈给模型，形成一个观察-决策-行动的循环。对开发者而言，Harness 相当于一个可扩展的脚手架，只需在其基础上接入新的工具或改造交互层，就能快速构建具备实际操作能力的 agent 应用。DeepSeek Orb 正是沿用了这套核心循环，在其上叠加了悬浮球 UI 层和双轨调度逻辑。

主窗口 + 悬浮球：两套界面各司其职

DeepSeek Orb 在结构上分为两部分：主窗口和悬浮球窗口。

主窗口本质上就是 DeepSeek Harness 本体，功能与官方版本完全一致，因为它用的就是官方的实现。真正的新东西在悬浮球窗口——它是 Harness 的一个「操作电脑」模式，与用户共看同一个屏幕、共用同一套鼠标键盘。

作者演示了一个典型链路：唤起悬浮球后直接下达自然语言指令，让它去京东搜索指定手机、截取商品信息的屏幕、再通过微信发送给联系人确认。整个过程模型自己完成了搜索、截图、跨应用发送等一系列操作，用户只需用一句话描述需求。

双轨 agent 架构：前台不被长任务卡住

DeepSeek Orb 最值得关注的设计，是它的双轨 agent 架构，分为悬浮球 agent 和后台 agent。

这个设计解决了一个实际痛点：如果一个复杂任务需要长时间占用鼠标键盘，用户在此期间就无法做别的事。为此，当悬浮球接收到需要长链路执行的复杂任务时——比如写代码、做 PPT、做产品调研——悬浮球 agent 会把任务转交给一个运行在后台的标准模式 agent 去执行。

这样一来，前台 agent 不会被长任务占用，用户既能看到后台任务进度，还能随时向悬浮球下达新指令。作者提到后台 agent 一般搭配智谱 GLM-4.5 Flash 之类的模型来跑。

实测：一边写小游戏，一边开电视剧

演示中，作者让后台 agent 制作一个类似「羊了个羊」的简单网页小游戏，任务在主窗口里以后台形式执行。在等待期间，他又通过悬浮球给出新指令，让前台去腾讯视频打开某部电视剧的第一集——两条任务并行不冲突。

后台任务执行完毕后，悬浮球会立即收到后台 agent 的完成通知并打开成果，小游戏可以直接上手玩，功能验证通过。这种「后台干活、前台待命」的协同方式，是双轨架构价值的直接体现。

智谱 GLM-4.5 Flash 是智谱 AI 推出的轻量级大语言模型，主打低延迟和低成本，适合在 agent 任务中承担「执行层」角色——即在明确任务目标后进行大量重复性推理与工具调用，而不需要复杂的多轮对话或创意生成能力。在双轨架构中，后台 agent 往往面对的是已被分解清楚的子任务序列，对模型的要求更多是稳定、快速、经济，这正是 Flash 系列模型的优势区间。相比之下，悬浮球前台 agent 负责理解用户的模糊自然语言指令并做任务拆解，对语义理解能力要求更高，因此更适合搭配能力更强的旗舰模型。两者分工配合，在效果和成本之间取得平衡。

开源与获取方式

该项目名为 DeepSeek Harness Orb，已经在 GitHub 开源，支持 Windows 和 Mac 两种操作系统。用户可以在 GitHub 上直接下载软件安装包，也可以从视频简介中获取。

从产品思路看，DeepSeek Orb 是一次典型的「模型能力升级驱动交互形态创新」案例：正是 V4.1 的原生视觉与高吞吐速度，使得 GUI 层面的自动化操作从「勉强能用」变成了「快过人手」。而悬浮球加双轨架构的组合，则给出了一个更贴近日常使用习惯的桌面 agent 形态参考。

需要注意的是，让 AI 接管鼠标键盘并跨应用操作（尤其涉及购物、发送消息等）存在一定的权限与安全边界问题，实际使用时对敏感操作仍建议保留人工确认环节。