DeepSeek Harness零基础上手 三种安装法一次讲清

学不过来，刚刚学会怎么用好 Codex，现在又来了个 DeepSeek Harness。

过去几天，我们已经介绍过它的插件、各种新玩法和新上线的多模态，但还有一个最基础的问题没有解决：DeepSeek Harness 到底该怎么装，又该怎么用？

这次我们从安装、第一次对话、装 Skill、玩插件一路到卸载，带大家从零跑通 DeepSeek Harness。

用 WorkBuddy 安装 DeepSeek Harness

DSH 在某种程度上有点像龙虾，没有完整的点击即安装的应用程序，只有放在代码库里需要通过命令行安装的软件包。

DeepSeek 官方提供了两种方式，一种是从源码安装，获取完整项目源码，并按照仓库说明完成安装。

git clone https://github.com/deepseek-ai/deepseek-harness

对于熟悉 Git 和命令行的用户来说，这套流程并不复杂，但后面还要继续执行 pnpm install、构建项目等一系列操作。如果只是想先体验一下 DeepSeek Harness 的普通用户来说，多少还是有些劝退。

所以更简单的方法，是直接通过 Node.js 快速启动。安装 Node.js 后，只需要输入：

npx @deepseek-ai/dsh web

我们这一批从「龙虾时代」走过来的 AI 原生玩家，电脑上一般都已经安装了 Node.js。在命令行输入 node -v、npm -v 检查一下是否安装好，如果都没有，直接从官网 https://nodejs.org/en/download 下载安装即可。

正常来说，输入快速体验的命令后，我们在浏览器中打开 http://127.0.0.1:3080 该本地地址，就能启动顺利启动 DeepSeek Harness。

如果还是启动失败，不妨试试社区开发的第三方应用。不少开发者已经基于开源的 DeepSeek Harness 仓库，独立开发了相关的应用，可以像安装微信一样，一键安装到本地电脑上。

其中收藏比较多的是由 Anywhere Lab 开发的桌面端，目前在 GitHub 上已经有 14000 个 Star，算是目前关注度最高的第三方客户端之一。

正常安装完成后，其界面和官方的 WebUI 基本是保持一致，不同的地方在于它新增了一个插件市场的入口，我们可以直接在插件市场里找到有意思的插件并安装。

更终极的方法，如果你不想用第三方应用，也不想自己捣鼓终端，交给 WorkBuddy 或者 Codex。

早在我们内测时，安装方法就需要从自己的 GitHub 仓库里面部署，对小白来说是完全不懂。我们就直接把项目链接发给 Codex，Codex 会自动读取项目文档，帮我们在命令行处理那些操作。

同样的 DeepSeek Harness，我们也可以直接把 GitHub 的仓库链接丢给 Codex，https://github.com/deepseek-ai/deepseek-harness，选择 Codex 访问权限为全部访问，等待它慢慢操作，就能直接帮我们打开安装好的 DeepSeek Harness。

用 WorkBuddy 也可以，就选「日常办公」，工作空间可以任意指定一个本地的文件夹，或者干脆不用指定。模型和思考强度不用太纠结，安装任务本身并不复杂；如果中途涉及较多环境排错，再切高推理等级。

然后直接发送「帮我把这个 https://github.com/deepseek-ai/deepseek-harness 项目部署到本地，让我可以通过 http://127.0.0.1:3080 访问该服务。」

很快，Workbuddy 就帮我们安装好了最新版本的 DeepSeek Harness，后续有更新，还可以继续和它对话，让它帮忙更新。

以前安装一个开源项目，第一步是学会敲命令；现在第一步可以是把 GitHub 链接丢给另一个 Agent。

DeepSeek Harness 自己还没有做到点击即用，但 Codex、WorkBuddy 这类本地电脑 Agent，已经把它最劝退普通用户的命令行门槛直接抹掉了，而后续更多的繁琐操作，都可以甩手交给 DeepSeek Harness 处理。

第一次对话，怎么用多模态

和所有的 Agent 一样，工作区可以让我们指定某个文件夹，在该项目内就能直接开启对话。

举个例子，点击对话框，选择本地电脑上任意一个文件夹，可以是新创建的，也可以是包含了具体项目文件的；选择之后，我们就能给 DeepSeek Harness 下需求。

一般来说，模型可以选择 DeepSeek-V4-Pro，推理等级选择 Max，虽然贵一点，但是也能减少我们和 AI 拉扯的时间。

DeepSeek Harness 也会在理解我们需求之后，将项目分成多个有进度可跟踪的任务，以及使用目标模式来控制任务不偏离原需求。

中途遇到需要我们做决策的部分，或者需要授权的审批，DeepSeek Harness 都会弹出通知让我们选择。

和一般的网页版生成不同，DeepSeek Harness 会持续调用工具来完善最终的交付，就像这个《牛来》的游戏，DeepSeek Harness 生成的网页，还是有一定的可玩性的。

甚至还识别到了「半导体老祖」、「跳过小溪」、「父子相认」这些名场面。

而简单的问答或是安装 Skills 现在都可以交给他，例如我们从网上找了一个 PPT 的 Skill，ppt-master，然后直接在对话框发送「帮我安装一下这个 Skill https://github.com/hugohe3/ppt-master/blob/main/skills/ppt-master/SKILL.md」

安装完成之后，直接说用这个 Skill 帮我做一份语文课 PPT，内容是朱自清的《荷塘月色》。

DeepSeek Harness 会遵照 PPT Master Skill 的要求，自动打开一个新的浏览器标签页，要我确认设计方案。

最后生成的效果，也确实很不错。

和其他 Agent 不一样的地方，则是 DeepSeek Harness 新增的「轨迹」页面，把调用了哪些工具，助手的回复，上下文注入以及 Token 的使用都清晰的呈现出来了。

以及多种不同的运行模式，处理不同的任务。

基本的使用大概就是这样，如果是从一个已有文件的本地文件夹，我们也可以让 DeepSeek Harness 帮我们完成文件的整理。

刚好 DeepSeek Harness 最近的更新加入了多模态的功能，在 0820 的更新日志里写着「新增功能：增强多模态支持度，DeepSeek 模型适配器支持配置启用原生图片请求，/goal、/plan 等命令可接收图文输入，@ 菜单支持引用文件和会话」

但实际的情况是 Harness 多模态了，当前用的这个 DeepSeek 模型还没有。

当 DeepSeek Harness 遇到整理的文件是图片时，它依然会报错，表示 DeepSeek-V4-Pro 不是一个支持多模态的模型，它无法读取图片内容。

这次更新打通的是 Harness 的输入管线和模型适配层，所以 DSH 已经能把图片送给支持视觉的模型；V4-Pro 本身不接图片，因此默认组合下依然看不了图。

根据更新的仓库代码显示，前一版本的 DeepSeek Harness 多模态支持处于较基础阶段。在多轮对话中，如果发送了多张图片或单张图太大，极易因为图片历史堆积（Token 超限、API 格式不支持）导致模型请求直接崩溃（Crash）。

更新之后的多模态，不仅仅是聊天框，/goal（目标模式）和 /plan（计划模式）这些底层命令也正式打通了图文输入，并且能在 @ 菜单里直接拖入/引用图片文件。

但如果模型本身不支持「看图」，即模型在 DeepSeek 官方适配器中被标记为 [text]，就无法使用 DSH 的多模态能力。代码注释还解释了为什么拒绝：工具结果会进入持久会话历史，如果路由不支持图片，会破坏续聊和分叉。

创作第一个插件

万物皆插件，插件几乎是 DeepSeek Harness 最大的亮点，如果不使用插件，可能会觉得 DSH 也不过如此。

在 DeepSeek Harness 官网，给出的自定义插件案例，就有创作 UI 插件，开发贪吃蛇游戏插件，以及自定义一个代码审查模式。

我们可以直接在对话框输入「给当前界面加入一个鲸鱼的背景。」DSH 的插件能力，就能让我们自定义整个用户界面。

从 DSH 的思考轨迹可以看到，它使用的是 Cordis 内核的能力，即 Cordis 内核只负责插件的加载、卸载和依赖关系，不承载 Agent 的具体能力。

基于 Cordis 内核的服务，模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均可以由插件提供，再通过 Cordis 服务与事件彼此协作。

前段时间，「滑动变祖器」在社交媒体上被网友们疯狂转载。我们也把这个项目链接丢给 DSH，告诉他当我们选择不同的思考深度时，界面的 UI 要根据 Low、High、Max 做出对应的调整。

类似皮肤的插件还可以在专门的皮肤市场找到更多的案例，有深海女仆工坊、回到 2005 的广告门户网站、海洋皮肤、滑动变祖，以及便签等 189 个皮肤插件。

之前我们也分享了 DSH 好玩的插件，也有网友自发整理了各类插件，不过目前主流的玩法还是集中在可视化的 UI、不同任务类型的 Agent 编排、以及处理记忆、连接不同第三方服务的 MCP 等。

如果看到有意思的插件，安装也很简单，除了在终端输入类似的命令 dsh plugin profile web add github:csyangwen/dsh-memory-evolve，我们甚至可以直接跟 DeepSeek Harness 对话就行。

或许有意思的插件，还得自己去对话框一轮一轮测试，记得切换到创造模式，效果或许会更好。

一键卸载

卸载和安装一样，直接告诉 WorkBuddy/Codex 也可以，一句话「帮我卸载电脑上的 DeepSeek Harness。」

如果是通过：npx @deepseek-ai/dsh web 快速体验，DeepSeek Harness 并没有作为一个全局应用安装到电脑里。关闭运行它的终端，或者结束对应的进程，服务也就停止了，不需要再额外执行 npm uninstall。

如果此前是从 GitHub 克隆源码运行，则停止服务后，再删除本地的 deepseek-harness 项目文件夹即可。至于第三方桌面客户端，就和普通应用一样，直接从系统中卸载。

而 DeepSeek Harness 留下的会话、配置和凭据也不准备保留的话，还可以继续删除 ~/.dsh 目录。

到这里，从安装、第一次任务、装 Skill、折腾插件，再到最后卸载，DeepSeek Harness 基本就算跑过一遍了。

DSH 说 15s 之后会重启，它自己还在输出，时间到了就重启完，重启之后成功安装了工作区目录树的插件

回头想想，这套流程里最有意思的变化可能还发生在 DeepSeek Harness 之外：我们可以让 Agent 帮忙安装 Harness，再让 Harness 给自己安装插件。

以后折腾一个新的 AI 工具，需要记住的命令可能会越来越少，需要说清楚的只剩下一件事——我们到底想让 AI 做什么。