模型是慢变量， 马具是快变量 ——多数人的成长预算，押在了慢的那一头。
—— Yunlord
千呼万唤始出来，DeepSeek 同时放了两个大招！先是 DeepSeek V4 Pro 正式版上线，紧接着 万众瞩目的 DeepSeek Harness 开源 。
有多火？GitHub 仓库上线一周，冲到 18 万多 Star 。什么概念——多数开源项目攒一辈子都到不了的数，它七天就冲完了。那个周末，我圈子里见面第一句话都是：你看了吗？
而且 DeepSeek 官方宣布 8 月 17 日起 API 涨价 ，涨好几倍。消息传开的这个周末，群里两拨人吵了起来：一拨忙着赶在涨价前充值，另一拨骂骂咧咧说要跑路。
于是我尝试干了一件更有意思的事：给 DeepSeek Harness， 换了一颗 GLM 的脑子 。
马具是 DeepSeek 的，模型是智谱的。两家的东西拼在一台机器上，干了一整天的活。顺便说一个我从这套拼装里想明白的道理，它和 “怎么在 AI 时代安排自己的成长” 有关。
这篇文章我会从安装开始，手把手带你体验DeepSeek Harness + GLM 的核心玩法 。
小白可懂，建议收藏～
01 先把「Harness」这个词说清楚
不绕弯子，先把概念钉准。
“Harness” 本意是马具 ——把马的力量接到犁和车上、又不让马脱缰的那套装置。放到 AI 上，模型就是那匹马，Harness 就是那套马具：它负责把模型接到文件系统、终端、网页上，记录它做了什么、限制它能做什么，出错时决定是重试还是把问题扔回给人。
行话写作： Agent = Model + Harness 。模型负责想，马具负责把“想”变成“干”。
现在的编程 Agent，Codex、Claude Code，基本是 “精装房” ：内核一体化封装，体验打磨得很细，代价是封闭，社区没有插手的空间。DeepSeek Harness（下面简称 DSH）走的是反方向——“毛坯房”，五个字的设计主张： 一切皆插件 。它的野心比这些工具更大，不只是一个编程 Agent，而是一套可配置、可重组的 Agent 运行环境。
模型是插件，工具是插件，存储是插件，安全策略是插件——连“把消息发给模型、拿到结果、执行、再发回去”这个 核心循环本身，都是插件 。
注意第一句：模型是插件。
这是 整篇文章的题眼 ，也是我这次实测要做的事——既然模型只是个可插拔的零件，那马具是 DeepSeek 的、马是别家的，凭什么不行？
看到这里，你已经超过了 50% 的同学。接下来只需要一分钟就能用起来。
02 上手：比我想象的还简单
安装是 一条命令 的事。但在执行这行命令之前，首先要确保你的电脑已经安装了 Node.js 环境，没有的话去 Node 官网下载安装包，傻瓜式安装就行。
然后在终端里执行：
npx @deepseek-ai/dsh web稍等一会儿，你会看到终端输出了一个网址，打开它就能进入到 DeepSeek Harness 的 Web 界面 。
第一次使用时，需要填入 DeepSeek 的 API Key。
我没这么做。我在设置里把模型供应商 切到智谱的开放平台 ，端点换成 GLM 的地址，Key 用 GLM 的。 前后五分钟 ，没有报错，没有“不支持的供应商”弹窗。 马具认下了这匹新马 。
坦白讲，做这件事之前我是存疑的。“一切皆插件”谁都会说，但模型插件化是不是真做到了“换个供应商跟换个皮肤一样”的程度， 效果怎么样，只有亲手拔插一次才知道 。
结论：真做到了。这里有个更值得说的点： 凭什么马具和马必须出一个厂 ？汽车零件早就可以跨厂拼装，轮胎是米其林的、发动机是自家的，没人觉得违和。AI 工具走到“可以拼装”这一步，比任何跑分都更能说明这个行业的成熟度。
唯一要单独提醒的：API Key 等于钱包的钥匙，建好就进设置，别贴进任何聊天框，别出现在任何截图里。
到这里，DeepSeek Harness + GLM 就安装成功了，是不是很简单？
看到这里，你已经超过了 60% 的同学，接下来我带大家实战体验一下它的能力。
03 实战：我让它干了三件事
进入 Web 界面后，选择一个你想让 AI 操作的项目文件夹，就可以正式开始干活了。
可以在对话框中选择模型、以及模型的推理等级，还能设置 Agent 对文件系统和终端的 操作权限 ，按需调整就好。
默认使用的是「标准模式」，它具备了一个 AI 编程工具应有的全部能力，大多数情况下用这个就够了，后面我会详细介绍各种模式的区别。
你看，是不是跟 Codex 这种 AI 编程工具很像？没错，你就把它当成 国产版的 Codex 来用就好了，AI 编程、自动化办公等任务，都能搞定。下面我们跑几个任务试试看。
任务一：让它当一天我的内容运营
第一件事离编程最远。我把这个公众号的文章目录整个丢给它，让它做一份 内容体检 ：栏目分布、开头类型、风格一致性。
它 逐篇读完了 markdown 原稿 ，交回来一张表：哪个栏目占了多少、哪种开头用过几次、哪些表达习惯在重复。最让我意外的是它主动指出：连续三篇都是技术实战，建议换栏目——这个判断，和我自己维护的选题台账里那条“防同构”警告， 一字不差对上了 。
这个任务没什么技术含量，但它说明了一件重要的事：DSH 不是“编程工具”，它是 “只要有文件就能干活的同事” 。至于这个同事的脑子是 DeepSeek 训的还是智谱训的，在“读文件、做表格”这个层面，体感差别不大——真正的差别在更重的活上。
任务二：写一个我真正会用的小工具
第二件事，我把公众号档案里的写作铁律——禁用表述清单、开头轮换规则——口述给它，让它写成一个 标题自检脚本 ：丢进去几个候选标题，自动对照规则打分，标出问题词。
中途有个细节值得单独讲。它要读我的档案文件， 读到一半停下来 ，先问我：允许读取这个目录吗？我批准，它才继续。
这不是 bug。DSH 有一条很硬的设计原则叫 “失败关闭” ：系统无法确认安全，就拒绝执行，而不是悄悄继续。需要扩大权限的操作，必须说明原因、等人批准。写在纸面上是工程原则，落到体感，就是 它真的停下来问你 。
十几分钟后脚本交付，能跑， 规则一条不漏 。以后每篇的候选标题，先过它这一道。
任务三：一个完整的全栈小应用
第三件上强度：让它做一个 文章数据复盘看板 ——读公众号后台导出的 CSV，把每篇文章的阅读、分享、新增关注做成可筛选、可切换主题的可视化页面。
整个过程半小时上下，其中 大头是它自己在自检 ：跑一遍，发现布局问题，改，再跑。我就坐在旁边看它的“轨迹”面板——它读了哪个文件、执行了什么命令、为什么停下来，每一步都记在那里， 全程可回放 。
对一个被各种“黑箱 AI”教育过的人来说，这种透明感几乎是奢侈的。你可以不知道它怎么想，但 你永远知道它干了什么 。
顺便说一处毛坯房的毛坯感：任务里让它画过一张图，输出的是 Mermaid 文本，不渲染成图，要自己拿去渲染工具贴一下。这种 “核心能打、边角不管” 的地方，满仓库都是——它不遮掩，我也不回避。
看到这里，你已经超过了 70% 的同学。重头戏在后面。
04 四种模式，一段话讲透
DeepSeek Harness（DSH）提供了四种运行模式，官方文档对此有详细阐述，但其核心要义可以概括为一句话：不同模式决定了当前会话加载了哪些工具插件。
标准模式
全家桶，文件、终端、搜索、子 Agent 全开。日常用它。
极简模式
只留 Bash 和文件编辑两件工具。官方拿它跑基准测试，测的是模型裸奔的能力，日常基本用不上。
PTC 模式
程序化工具调用。步骤多但逻辑清晰的批量活，让模型把多步操作写成一段 TypeScript，一次跑完，效率高得多。
创造模式
继承标准全套，还允许 Agent 检查自己的插件、在内存里试装新插件、甚至现场写一个新插件——相当于一辆车在高速上给自己换发动机，所以默认不打开，装完的插件要人工审批。
我这一天基本待在标准模式里。切换不频繁，但 知道换挡在哪，和只会踩油门，是两种驾驶 。
能看到这里的，已经超过了 75% 的同学。下面这段，是这篇里我最想写的部分。
05 插件：生态比我以为的快
上线不到一天 7 万 star ，这是公开数据。更猛的是社区插件仓库，一天之内收录了 300 多个 。
在 DeepSeek Harness 官网中，点击「社区插件」，就可以看到所有 社区开发的插件 了。
地址：https://github.com/topics/dsh-plugin。
其实就是 GitHub 上打了dsh-plugin这个主题标签的项目。
装法是 自然语言 ：“帮我安装插件 xxx”，装完重启一下就生效；卸载也是一句话的事。
插件质量良莠不齐，但有几个方向值得单独说。
一类是纯粹好玩的。 dsh-deepcel ，把整个界面做成 Excel 表格的样子——老板路过你屏幕，看到的只是你在认真对账；dsh-tianshu-tui，把 Web 界面换成 TUI 终端风格，一秒回到 DOS 年代；还有个 dsh-ads ，给界面加上 2005 年中文网站风格的侧栏广告、信息流和角落弹窗——“您的手机已中奖”，行为艺术。摸鱼属性拉满，但换个角度看，连界面都能随便换， 这套系统的可玩度可见一斑 。还有deepseek-harness-desktop，专门为 DeepSeek Harness (DSH) 插件生态打造的现代化桌面端解决方案。万物皆「插件」，桌面本身也是「插件」。
另一类是真补短板的。比如 DSH-better-sidebar，优化侧边栏的交互逻辑，顺手把官方没来得及打磨的体验补了；dsh-at-file，让你像在主流编辑器里那样，用 @ 符号快速引用文件； modlens 是我最看好的一个 ——第一个视觉插件，把图片解析成 结构化 JSON （OCR 文本、页面布局、语义内容），补上了纯文本模型看不了图的硬伤。以前要验证一张页面截图，我得专门搭 Playwright 脚本，现在一个插件的事。社区用一个插件， 把官方不知道排到什么时候的能力，提前补上了 。
还有一类皮肤类的，比如 鲸鱼娘主题 ，纯换装，不影响功能——喜欢就装，不喜欢一句话卸掉。
这就是“一切皆插件”的复利： 官方做底座，社区补长尾 ，短板的修复速度，不再取决于一家公司的排期表。
但用别人写的，还只是“用”。真正让我觉得这套东西有点意思的，是“造”。
看到这里，你已经超过了 80% 的同学。接下来这段，网上大部分教程还没写到——自己造插件。
06 插件开发：让 Agent 给自己造马具
官方有篇基础插件教程，在仓库的docs/user/develop/basic/index.zh.md。
看完发现，Harness 的插件机制没那么玄乎， 核心就两样东西 ：一个 TypeScript 插件 + 一份 cordis.yml。
一个最基础的插件，本质是一个 TypeScript 模块：导出插件名 name ，再实现一个 apply(ctx) 。Harness 加载插件时把上下文 ctx 传进来，你通过 ctx 注册能力——工具、事件、定时器、甚至其他服务。插件要依赖 Harness 已有的 tools 、 llm ，用 inject 声明一下，框架会等依赖齐了再加载你。卸载时这些资源会被自动清掉；网络连接这类特殊资源，用 ctx.effect() 自己定义清理逻辑。一套完整的 生命周期管理 ，不算简陋。
插件支持三种写法： 函数、对象、或继承 Service 的类 。日常写工具插件，函数形式就够；以后要给别的插件提供公共服务，再上 Service。
整个链路一句话说完：写插件，通过 ctx 注册能力，在 cordis.yml 里声明，Harness 加载配置， 能力进入 Agent 。
理论看完，重点来了：这一段， 我自己没怎么动手 。
先说我想造什么。任务二里那个标题自检脚本，本质是个“一次性脚本”——跑完就完了，下次要用得自己想起来。这次我想造的是 “常驻能力” ：装进马具里，每个会话都能用。我的痛点也很具体：这个公众号每天最花心力的环节是选题——全网热点那么多，哪些值得我写，得一条条看、一条条过脑子。于是我想要一个 topic-radar 插件：让 Agent 自己去扫各平台热榜，对照我公众号档案里的调性， 把值得写的挑出来 。
手头两份资料：Harness 的插件开发文档、一份热榜聚合接口的说明。两份一起丢给 Harness（脑子依然是 GLM 的），提示词朴素到不好意思贴出来：
PROMPT
index.zh.md 是如何开发一个 DeepSeek Harness 组件的说明，hotlist-api.md 是热榜接口说明，请帮我创建一个 topic-radar 插件。
然后它自己把两份文档读了一遍， 拆出一份任务清单 ，开始写代码。交付时这个插件带着两个工具：一个负责拉取各平台热榜，一个负责把热榜条目对照本地档案打分筛选。代码写完还没结束，它自己跑了一遍 冒烟测试 ，确认插件能正常加载、能调用，最后还附了份使用说明。
读文档、拆任务、写代码、做测试， 全是它干的 。你要做的，只剩把它真正加载进来。
这一步有个官方教程没明说、但 大概率会踩的坑 。教程默认你从源码启动，加载插件的命令写的是 pnpm dsh web --patch 。但如果你像我一样是 npx @deepseek-ai/dsh web 跑起来的，本地根本没有 dsh 这个命令，一敲就报 Command "dsh" not found ——我第一反应是插件写错了，其实不是，是启动方式对不上。继续用 npx 就好：
npx -y @deepseek-ai/dsh web --patch ./topic-radar/cordis.yml重启，插件列表里出现 topic-radar。装上了。但装上不算数，接下来才是真正有意思的部分： 它能不能被“自己”用起来 。
我分两关测的。
第一关，验基础，直接下指令：
PROMPT
用 fetch_hotlist 拉一下当前各平台热榜前 20，返回标题和热度。
它自己判断该调 fetch_hotlist 工具，拿到结果，规规矩矩交回来。这一步验证的是最关键的一件事：自己写的插件， 真的进了 Agent 的工具调用链 ——它不是一段孤立的脚本，而是模型会自己决定什么时候用的能力。
第二关，验链路，难度加一档：
PROMPT
拉取当前热榜，对照我公众号档案里的栏目和边界，挑出 3 个值得写的选题，说明每个适合哪个栏目、为什么值得写、标题可以怎么拟。
这条指令背后是 一条完整的任务链 ：理解问题，调用工具拉热榜，读取我的档案，对照栏目和边界逐条筛选，再拟出选题和标题，用中文输出。它全程自己走完了。
结果比我预期的还有意思。我的档案里明明白白写着一条边界：“不追 AI 热点快讯”。所以这个雷达交回来的不是“最热的十条”，而是 热度和调性的交集 ——纯快讯被它筛掉了，留下的是“这个热点背后有一个值得深挖的问题”的那种。热点不是用来追的，是用来筛的。到这一步我才反应过来：这个能力，市面上任何现成工具都给不了——因为“我的调性”这份语料， 全世界只有我这里有一份 。
「热点不是用来追的，是用来筛的。」
到这里，“一切皆插件”对我不再是架构图上的一个口号，它是一个很直接的动作：缺什么能力，就装什么能力。今天接的是热榜，明天可以是 arXiv、GitHub、企业知识库、公司内部的数据库——能力不写死在 Agent 里，要用，就 往马具上插 。
而整件事最让我在意的，其实是这一句：不仅 Agent 可以用插件干活， Agent 甚至能开始给自己造插件 。我提供的只是两份文档和一个愿望，读文档、拆任务、写代码、跑测试的都是它。 造马具这件事，模型当得了 。
07 账本，和比账本重要的判断
看到这里，你已经超过了 85% 的同学——离终点只剩最后一段，也是我最想跟你聊的一段。
先说钱。博主程序员鱼皮用官方全家桶（V4 Pro 配 DSH）实测了四个大任务——分析仓库画架构图、做知识网站、写 3D 游戏、上全栈应用——总共花了 不到 5 块钱 ，关键在 缓存命中率 99% ：重复的上下文走缓存，价格低一个数量级。
我这边的账单走的是 GLM，花销同样不大。两边的价格我不逐项列了， 列了明天就过期 ——对，说的就是涨价。
8 月 17 日这次涨价，群里哀鸿遍野。但坐在我这套拼装工位前，我对涨价的感受很奇特：几乎无感。DeepSeek 的模型涨价，可我这次插的是 GLM；哪天 GLM 也涨价、降智、甚至关门，我明天就换下一家—— 马具一行配置都不用改 。
这才是“模型是插件”的完整含义。它不只是省钱的问题， 是抗周期的问题 ：把宝押在单一模型上的人，每次行业波动都是一次豪赌；把模型当零件的人，波动只是换个零件的理由。
账本说完，说这一天结束时，我坐在椅子上想的事。
一整天，马具一次都没换过， 产出却三次跳变 ：换一批文件，是一个内容分析师；给一份规则，是一个工具开发者；上一个 CSV，就成了全栈工程师。变的从来不是模型——模型从头到尾是那个模型，和我自己一样，聪明程度这种东西，短期不会有任何变化。
变的只是马具。
你看， 模型是慢变量 ：训练以年计，升级一次全球等一次，这次还要涨价。 马具是快变量 ：装一个插件三十秒，换一个模式一秒钟，换个供应商五分钟。
这和我们自己的成长，是同一个结构。
我们习惯把成长预算的大头，花在练“模型”上——更聪明、更专业、更努力。这些都是 以年计的慢变量 。而马具——你用的工具、跑的流程、待的环境、养的习惯——是 可以今天下午就换掉的快变量 。
同一个下午，背五十个单词，或者把一条重复了半年的流程自动化。哪个对产出的改变更大，多数人心里都算得清。只是我们从小被教育： 只有前者叫努力，后者像偷懒 。
「模型决定上限， 马具决定产出 。而大多数人卡住的地方，根本不在上限。」
DSH 本身就是这个判断的证据：它没有训练任何新模型，只是 把马具做到极致可配置 ，就让“这一代模型到底能不能打”这个问题的答案，被拼装它的人改写了一遍——我手里这套，甚至没花 DeepSeek 一分钱。
尾声：一件小事
能看到这里的，只有 10% 的同学——恭喜你，超过了 90%。作为坚持到最后的你，我想留一件这周就能做的小事：
这周可以做一件小事：数一数你工作流里 重复过十次以上的动作 ——每周固定要整理的表、每次都要手动走的流程、反复复制粘贴的那段东西。挑最痛的一个，给它 换件新马具 。
不用追求一步到位的自动化，先让它 从五分钟变成一分钟 。省下来的时间，你想练模型也行，想发会儿呆也行。
如果你也上手了 DSH，欢迎试试“拼装”：换个模型供应商、装个奇怪的插件、把模式切到没试过的挡位——然后后台把你的拼装方案发我，我会挑有意思的写进下一篇。 下一个时代的手艺人，大概都是自己拼工位的人 。
我是 Yunlord，一个 AI 时代的探索者，在数字洪流中，修得一颗自在心。希望与你一路同行。
如果你觉得今天这篇有收获，欢迎点赞、转发、收藏三连，我们下篇见。
：脂质代谢关键毒性分子，云克隆 ELISA 试剂盒助力脂质组与炎症损伤科研检测)
