企业官网建设流程全解析

2026 年 8 月 29 日，DeepSeek 开源了 DeepSeek Harness（dsh），3 天内 GitHub Stars 飙升至 119.8K。本文从架构到实战，深度拆解这个"一切皆插件"的 AI 编程 Agent Harness。

关键词：DeepSeek Harness、dsh、AI Agent、可插拔架构、DeepSeek-V3、DeepSeek-R1、开源、插件系统

一、3 天 119.8K Stars——一个现象级开源事件

2026 年 8 月 29 日，DeepSeek 在 GitHub 上开源了一个新项目——DeepSeek Harness（dsh）。3 天后，Stars 数突破119.8K，登顶 GitHub Trending，成为 2026 年下半年增长速度最快的 AI 开源项目之一。

增长数据（据 GitHub API 2026-09-01 实测）：

爆火的三重驱动力

第一重：DeepSeek 品牌效应。DeepSeek 在 2025-2026 年已成为中国最受关注的开源大模型厂商，从 V3 的 671B MoE 开源模型到 R1 的推理增强突破，积累了极高的品牌信任度。

第二重：DeepSeek-V3/R1 模型热点。R1 发布时"671B 开源模型推理能力对标 OpenAI o1"的消息震动社区。dsh 作为官方 Agent Harness 天然继承了这一热度。

第三重：可插拔架构的差异化价值。2026 年 Agent 框架市场拥挤——OpenClaw 全能、Claude Code 闭源、Codex CLI 简单——但缺少"可构建的 Agent 框架"。dsh 的"一切皆插件"填补了这个空白。

MIT 许可证的战略意义

MIT 许可证——最宽松的开源协议，与 DeepSeek 一贯策略一脉相承。企业可无顾虑集成，极大降低采用门槛。

二、dsh 是什么——一张图看清定位

官方定义

"AI 编程 Agent Harness"——不是产品，不是工具，而是骨架。核心理念："一切皆插件"（Everything is a Plugin）。

与竞品的差异化定位

四种运行模式

三、四层可插拔架构——"一切皆插件"的工程实现

Model Adapter 层——模型无关的基石

通过BaseModelAdapter抽象类定义统一接口，所有模型通过继承接入。内置 DeepSeek-V3、DeepSeek-R1、OpenAI 兼容、Anthropic、Ollama 五个适配器。切换模型只需修改配置文件中的model.adapter和model.name。

Tools 层——插件系统的核心

内置工具：文件系统（read/write/edit）、Shell 执行、网络请求、代码解释器。自定义插件继承BaseTool类，实现execute()方法即可。自动发现机制：扫描tools/plugins/目录，无需手动注册。

Session Log 层——可审计的会话管理

全量记录输入/输出/工具调用/中间思考，支持可回放模式和审计追踪。默认文件存储，可扩展为数据库后端。

Agent Loop 层——智能体循环的编排

Thought-Action-Observation 循环：思考 → 选择工具 → 执行 → 观察 → 继续。上下文管理支持滑动窗口和摘要压缩。停止条件：任务完成、最大迭代、用户中断。

四、DeepSeek 大模型家族——dsh 的"原生"大脑

DeepSeek-V3：671B MoE 的开源巨兽

数据来源：arXiv 2412.19437[2]（2024-12-27 发布）

技术亮点：MoE + Multi-head Latent Attention（MLA）组合，FP8 混合精度训练。

DeepSeek-R1：推理增强的 CoT 大师

数据来源：arXiv 2501.12948[3]（2025-01-20 发布）

核心创新：GRPO 分组相对策略优化，CoT 推理 + 长思维链 + 自我反思纠错。

模型切换实战

# 日常编码 → DeepSeek-V3 model: adapter: deepseek-v3 name: deepseek-chat api_key: ${DEEPSEEK_API_KEY} # 复杂推理 → DeepSeek-R1 # model: # adapter: deepseek-r1 # name: deepseek-reasoner # 第三方 → OpenAI 兼容 # model: # adapter: openai # name: gpt-4o # api_key: ${OPENAI_API_KEY} # 本地 → Ollama # model: # adapter: ollama # name: llama3-70b # base_url: http://localhost:11434

五、实战——从安装到自定义插件开发

安装与配置

pip install deepseek-harness dsh --version

配置文件~/.dsh/config.yaml：

model: adapter: deepseek-v3 name: deepseek-chat api_key: ${DEEPSEEK_API_KEY} tools: enabled: [filesystem, shell, web, code_interpreter] custom_plugins_path: ./tools/plugins session: backend: file replay_enabled: true

自定义 Tools 插件开发（Python）

创建一个"代码质量检查"工具：

# tools/plugins/code_quality.py import ast from typing import Any from dsh.tools.base import BaseTool class CodeQualityChecker(BaseTool): name: str = "code_quality" description: str = "检查 Python 代码质量，检测常见问题" def execute(self, code: str, **kwargs: Any) -> dict: issues = [] # 语法检查 try: tree = ast.parse(code) except SyntaxError as e: return { "passed": False, "issues": [{"type": "syntax_error", "line": e.lineno, "message": str(e)}], "summary": "代码存在语法错误" } # 导入检查 for node in ast.walk(tree): if isinstance(node, ast.Import): for alias in node.names: issues.append({ "type": "import_check", "line": node.lineno, "message": f"导入模块: {alias.name}" }) return { "passed": len(issues) == 0, "issues": issues, "summary": f"检查完成，发现 {len(issues)} 个问题" }

插件保存到tools/plugins/目录后，dsh 自动发现并加载——无需注册。

六、生态位置与未来展望

在 AI 开源项目系列中的位置

挑战与反思

• 社区插件生态尚待发展：项目刚 4 天，社区插件基本为零

• 缺乏大规模生产环境验证：项目太新，实际部署案例有限

• 插件安全性：自定义工具执行权限管控是 Agent 框架的通用难题

• 文档完善度：新项目常见短板，需要时间积累

七、总结

dsh 在 2026 年拥挤的 Agent 框架市场中找到了自己的生态位：可构建的 Agent 骨架。它的"一切皆插件"设计哲学为 Agent 框架开发提供了可参考的架构范式。

对开发者：Agent 框架选择不再只有"OpenClaw 全能"或"Claude Code 闭源"两个选项。对 DeepSeek 生态：dsh 补上了从 V3 基础模型到 R1 推理增强的 Agent 框架拼图，形成完整的"模型 + 框架"生态闭环。

3 天 119.8K Stars 是开始，不是结束。

参考资料

1. DeepSeek Harness GitHub 仓库（一级）2026-08-29

2. DeepSeek-V3 论文 arXiv 2412.19437（一级）2024-12-27

3. DeepSeek-R1 论文 arXiv 2501.12948（一级）2025-01-20

4. DeepSeek 官方 API 文档（一级）2026

5. DeepSeek 官方发布公告（一级）2026-08-29

6. OpenClaw 官方仓库（一级）2026

7. Claude Code 官方文档（一级）2026

8. OpenAI Codex CLI（一级）2026

9. Star History 趋势图（二级）2026-09-01

10. GitHub API deepseek-ai/deepseek-harness 元数据（一级）2026-09-01 实测