DeepSeek Harness 上手实测：官方开源 Agent 框架，V4.1 Flash 能看懂图片了

DeepSeek 官方开源的 Agent 框架 DeepSeek Harness（命令行叫 dsh）今天发布了 v0.1.5-rc.1，核心变化就一条：新的 DeepSeek V4.1 Flash 模型能直接看懂图片，而且已经是新会话的默认模型。

老张今天上午看到 Release 就装上了，随手把之前生成的一张抖音封面图丢进对话框，问了句「认识么」。

它不仅读出了图里的主标题、副标题、橙色促销标签，连配图显示器屏幕里的 PyTorch 代码都一行一行念了出来——import torch、loss.backward()、optimizer.step()，最后还顺嘴报出了文件名和 1080×1440 的尺寸。

先放张速览表：

项目	信息
项目名	DeepSeek Harness（dsh）
出品方	DeepSeek AI 官方
定位	开源 Agent 框架，「一切皆插件」
开源协议	MIT
GitHub Star	21.7 万+（仓库创建不到一个月）
最新版本	v0.1.5-rc.1（2026-09-10 发布）
安装命令	`npx @deepseek-ai/dsh web`
当前阶段	开发者预览，官方明说会有破坏性变更

它解决什么问题

现在用 Claude Code、Codex 这类工具，本质上是「模型 + 一个壳」。壳负责管会话、调工具、读写文件、跑子代理，模型只负责思考。

这个壳，就是 harness。

以前 harness 都是模型能力之外的「民间手艺」，各家自己攒。现在 DeepSeek 官方下场，自己写了一个，而且整个架构建立在「一切皆插件」上，由 Cordis 驱动，还配了篇论文讲设计思路（A Programming Paradigm for Spatiotemporal Composability）。

模型公司亲自下场做 harness，等于官方亲自示范：我的模型能力，应该这样用。

这件事本身就比某个功能更新值得关注。

v0.1.5-rc.1 更新了什么

这个版本今天（9 月 10 日）凌晨刚发，是 0.1.5 系列首个候选版。老张挑几条和普通用户关系最大的：

DeepSeek-V41-Flash 适配器上线，支持文本、图片输入，新会话默认就用它；
Web 端支持上传任意类型文件，文件和图片混排在同一预览区，后台上传有进度、能取消；
右侧 Sidebar 大改：多标签、分栏、全屏，Markdown、代码、HTML、PDF、图片都能直接预览；
子代理支持消息排队、编辑、单条 Steer，可继续对话；
动态修改系统提示词不破坏 KV Cache（模型需声明支持，V4.1 Flash 就支持）；
所有出站请求遵循 HTTP_PROXY / HTTPS_PROXY 等代理环境变量，国内网络环境友好；
内置斜杠命令说明支持中文，随界面语言即时切换。

还有一条容易被翻过去的：可选子代理插件的内置运行时升级到了 Codex 0.153.4 和 Claude Code 2.1.263。也就是说，这个壳可以把 Codex 和 Claude Code 当子代理跑。格局很大。

实测：V4.1 Flash 看图能力

老张的测试方法很粗糙：装好之后，直接把一张之前给抖音做的竖版封面图拖进对话框，问「认识么」。

图里东西不少：主标题、副标题、一个橙色降价标签，配图是一个桌面场景，显示器屏幕里还有一段代码。

结果如下：

它逐项拆了出来——主标题、副标题、橙色标签的文案全对；屏幕里的代码认出是 PyTorch 训练循环风格；最后连图片文件名里的日期和「douyin-cover」、1080×1440 的竖版尺寸都报出来了。

一次工具调用，没有废话。

图片理解进了默认模型，意味着这个壳从「只能读代码文本」变成「能看截图、看设计稿、看报错界面」。对运维来说最实用的场景：直接截一张 Grafana 监控图或者报错弹窗丢给它问。

安装：真就一行命令

前置条件只有一个：装好 Node.js。然后：

npx @deepseek-ai/dsh web

默认在 http://127.0.0.1:3080 起 Web UI，本机会自动用默认浏览器打开页面。想只起服务不弹浏览器，加 --no-open。

想从源码跑也行：

git clone https://github.com/deepseek-ai/deepseek-harness.git
cd deepseek-harness
pnpm install
pnpm run build
pnpm dsh web

老张走的是 npx 路线，从执行命令到浏览器里看到对话界面，中间没有遇到任何要排障的环节。对一个还在预览阶段的项目，这个顺的程度有点反常。

老张评价

亮点说完了，泼两盆冷水。

第一，开发者预览阶段，官方原话是「未来将出现破坏兼容性的变更」。插件 API 这个版本就改了好几处，写插件的要有心理准备。生产环境别上。

第二，它毕竟是个壳，模型能力要配 API。壳免费开源，模型调用照常计费。

但方向是对的。官方做 harness 有个天然优势：KV Cache 友好这类能力，需要模型和壳两头配合，第三方壳永远慢半拍。这次「动态系统提示词不破坏 KV Cache」就是例子。

适合谁，不适合谁

适合：

想第一时间体验 V4.1 Flash 图片理解能力的人；
关注 Agent 工具链、想研究官方 harness 设计的开发者；
受够了某些工具图片支持磨磨蹭蹭的用户。

不适合：

要找稳定生产工具的团队（等正式版）；
不想碰命令行的纯小白（虽然只要一行命令）。

🎯 老张建议

想体验的今天就装，npx @deepseek-ai/dsh web 一行命令，试完图片识别再决定留不留；
重点关注「图片理解 + 默认模型」这个组合，监控截图、报错界面直接丢给它，是运维场景最容易立刻见效的用法；
插件开发者先别重仓，预览期 API 变动频繁，等 0.1.5 正式版再动手不迟。

💬 互动话题

你用过 Claude Code 或 Codex 吗，会考虑换成 DeepSeek 官方这个壳试试吗？
图片理解进默认模型后，你第一个想丢给它看的图是什么？报错截图还是监控大盘？
模型厂商亲自下场做 harness，你觉得对第三方 Agent 工具是利好还是利空？

🔗 关注老张

公众号：老张聊运维小程序：观简国学个人博客：https://www.shanwaiyun.top/