DeepSeek 官方发布类 OpenClaw 工具:开源 Agent 框架 DeepSeek Harness

原始链接在: DeepSeek 官方发布类 OpenClaw 工具:开源 Agent 框架 DeepSeek Harness - 小众软件

DeepSeek Harness 是由 DeepSeek 官方刚刚发布的开源 agent harness(智能体框架),可以简单的理解为,这是 DeepSeek 的类 OpenClaw 工具。@Appinn


DeepSeek Harness 是什么?

DeepSeek Harness,简称 dsh,是 DeepSeek 官方开源的一套智能体框架。

简单来说,它能让大语言模型不只回答问题,还能调用工具、操作文件、执行命令,并通过多个步骤完成任务。

如果把 DeepSeek 模型比作智能体的“大脑”,那么 DeepSeek Harness 就像它的“身体和工作台”:负责把模型、工具、任务流程和用户界面连接起来。

如何使用 DeepSeek Harness?

DeepSeek Harness 目前处于开发者预览阶段,仓库托管于 GitHub。

需要先在电脑中安装 Node.js,然后在终端中运行:

npx @deepseek-ai/dsh web

启动成功后,在浏览器中打开:

http://127.0.0.1:3080

即可进入 DeepSeek Harness 的网页界面:

我这里还在安装,一会补图。

根据页面说明,打开网页之后,就可以配置模型了。

什么是 Agent Harness?

最著名的 Agent Harness 就是 OpenClaw。

大语言模型本身主要负责理解和生成内容。要让模型真正完成一项工作,还需要一套外围系统为它提供:

  • 可以使用的工具;
  • 文件和运行环境;
  • 对话与任务上下文;
  • 工具调用和结果回传;
  • 权限与运行状态管理;
  • 可供用户操作的界面。

负责组织这些能力的系统,通常被称为 Agent Harness,可以通俗地理解为“智能体运行框架”。

所以,DeepSeek Harness 并不是一个新的大语言模型,而是一套让模型能够使用工具、执行任务的基础设施。

DeepSeek Harness 可以做什么?

借助不同的模型和插件,它可以被扩展出多种能力,例如:

  • 读取、修改和生成文件;
  • 调用命令行工具;
  • 搜索和整理信息;
  • 编写、运行及调试代码;
  • 连接外部服务;
  • 保存任务上下文;
  • 通过网页界面与用户交互。

具体能做什么,取决于安装了哪些插件,以及给智能体开放了哪些权限。

“一切皆插件”

DeepSeek Harness 的一个核心特点是采用“一切皆插件”的架构。

模型接入、工具调用、任务能力和界面功能等,都可以通过插件提供。开发者可以根据需要安装、替换或移除插件,而不必把所有功能都写进框架本身。

  • 可以按需安装功能;
  • 更容易接入不同模型和工具;
  • 单个插件可以独立开发和更新;
  • 不同插件能够组合成不同用途的智能体。

与 OpenClaw 对比

对于普通用户,可以把 DeepSeek Harness 粗略理解为一种 OpenClaw 类工具:两者都属于让大语言模型调用工具并执行任务的智能体系统。

不过,二者的技术架构和功能不完全相同,DeepSeek Harness 更突出的特点,是以“一切皆插件”为设计核心,并使用 Cordis 管理插件的组合、依赖和生命周期。

一句话比喻

如果把 DeepSeek 模型比作大脑,那么 DeepSeek Harness 就为它提供了躯干、双手和双脚,让模型能够调用工具、操作文件、执行命令并完成任务。


原文:https://www.appinn.com/deepseek-harness/

尝试了一下,macOS可以正常从源码运行

还是感觉说类openclaw挺怪的…应该是类似codex, claude code, grok build, zcode, kimi code这些大模型公司为自己模型量身打造的agent工具

代码开发的话,有cli?要么windows下的desktop也挺好用。mac os明天我也装一个看看。

上午在开发机装了下。不过现在各种agent太多了,粗略用也体会不出来不同 agent 的特长与效果。有没有朋友们讲讲,大家分别用什么 agent 做什么样的工作?

我平时阅读代码,从代码梳理设计文档,或从文档生成原型代码,用 vscode copilot。日常工作跟踪,和公司内其他mcp交互,设置定时任务,用 hermes-agent

1 个赞

我都用pi了,简单轻量

如果你喜欢 Pi,可能 https://antigma.ai/ 这个你也会喜欢。Rust 编写,轻量级无外部依赖、无模型约束

直接npx不行,报错。用git吧
而且我看github上反馈说安全性不太好,暂时还是放测试环境/虚拟机里吧。

看了一下 readme,二进制分发并不开源,看起来优势是用 DeepSeek API 的效果和官方的 Harness 一个水平,用 rust 写,和 pi 的轻量化的理解类似,这个二进制自己打包了自己魔改的 grep 和 git。不好说这种思路对不对。

看到有人发文,dsv4p后训练的时候过拟合了,只能用dsh的极简模式才能激发最大程度的智能

github上有人做了tui