1. 执行摘要

结论：DeepSeek Harness（DSH）是 DeepSeek 于 2026 年 8 月 13 日开源的 Agent 执行框架（MIT 协议、TypeScript、开发者预览 v0.1.x），以 「一切皆插件」重构 Agent 运行时，开源一个月即成为 GitHub 史上增速最快的仓库（约 22.8 万 Star）。它标志着 DeepSeek 从「只卖模型」转向「模型 + 执行基础设施」双线布局，目标是在 Agent 时代卡位模型与工具之间的「调度层」。当前阶段适合研究与试验，不建议直接上生产——官方明确警告未来将出现破坏兼容性的变更。

📌 核心判断：DSH 的价值不在「又多一个编程助手」，而在「把 Agent 运行时的每个零件拆成可替换插件 + 全程可追踪」，这是对 Claude Code/Codex 闭源黑盒模式的公开解构。其短期风险集中在三点：开发者预览期的接口不稳定、默认权限示例偏激进（danger-full-access）、间接提示注入等安全边界仍需部署层自行加固。

依据（3—5 个关键事实）：

1. 1. 开源约 1.5 小时破 2.4 万 Star，刷新 GitHub 史上最快涨星纪录（对比：Grok-1 约 1.2 天、DeepSeek R1 约 5.7 天）；截至 2026-09-18 约 22.8 万 Star。
2. 2. 官方公告显示 V4 Pro 0813 + Harness 极简模式在 Code Agent 基准上大幅提升，其中 DeepSWE 由 12.8 升至 62.7、DSBench-Hard 由 31.1 升至 67.2；但官方未做「同一模型、仅换 Harness」的消融实验。
3. 3. 腾讯朱雀实验室以 A.I.G 对 DSH 完成 14,560 次间接提示注入实测（arXiv:2608.16393），识别出隐藏 Unicode（文件模式 25.5% 完全成功）、fake completion（文本模式 17.0%）、技能通道（16.0%）等风险点，并给出代码级加固位置。
4. 4. 生态快速成型：默认部署 159 个插件、支持 40+ 模型提供商、GitHub 上 dsh-plugin 标签仓库超 700 个；v0.1.5 起与 DeepSeek V4.1 Flash 模型训练深度绑定。

约束：处于开发者预览（Developer Preview）阶段，官方警告破坏性变更；默认 Python 极简示例采用 danger-full-access，Windows 原生支持受限（需 WSL2/容器）；本地生成的遥测 UUID 随每次请求上报；极简模式依赖模型训练时的提示词与工具格式，更换工具清单可能掉分。

行动：开发者可立即用 npx @deepseek-ai/dsh web在隔离目录/容器中试用；企业应等待插件 API 稳定并重点验证权限、审批与审计策略后再评估生产接入；研究者可复现官方极简模式评测并推动「同模型跨 Harness」横向对比；持续跟踪 v0.1.6 及后续版本的兼容性承诺与安全加固进展。

2. 项目速览：开源的 Agent 执行基础设施

2.1 一句话定位

DeepSeek Harness（命令行名 dsh）是由 DeepSeek AI 开发的开源 agent harness（智能体框架）。社区用一个公式概括它的设计范式：Agent = Model（大脑）+ Harness（手脚）——模型负责推理与决策，Harness 负责把决策变成真实环境中的行动：读写文件、执行命令、调用工具、组织多步任务、管理上下文与权限。

它既不是新模型，也不是单纯的 API 客户端，而是一套用于构建、运行与扩展智能体的 SDK 与应用框架。默认连接 DeepSeek 模型，也可方便地接入其他提供商；通过 Web UI、全屏终端、Headless 命令或自动化协议（ACP / JSON-RPC）与用户交互。

2.2 关键事实速览

来源：DeepSeek Harness 官方 GitHub README、deepseek.com/harness 官方页、36氪/机器之心报道｜期间：2026-08 至 2026-09｜口径：官方与媒体报道口径

3. 发布与传播：破纪录的开源曲线

3.1 涨星速度刷新 GitHub 历史纪录

2026 年 8 月 13 日晚间，DeepSeek 连续发布 V4 Pro 正式版、API 调价预告与 Harness v0.1 开发者预览。仓库描述只有一句话「Everything is a Plugin」，没有发布会，README 甚至明确警告「未来将出现破坏兼容性的变更」，但热度曲线说明了一切。

开源约一个半小时，Star 突破 2.4 万，刷新 GitHub 史上最快涨星纪录；作为参照，原纪录保持者 xAI 的 Grok-1 用了约 1.2 天破 2 万星，DeepSeek 自家 R1 用了 5.7 天。首日登顶 Hacker News（主贴约 747 分、314 条评论），并出现「这次它看起来相当原创」的高赞评论。此后热度持续：8 月 19 日约 15 万 Star，9 月 10 日约 21.7 万 Star / 2.58 万 Fork，9 月 18 日约 22.8 万 Star，进入 GitHub 全站最受关注仓库前列。

这个纪录背后有一个容易被忽略的细节：仓库带有超过 1.2 万次 commit、230 多个 workspace 成员。从 6 月 10 日第一条提交到 8 月 13 日公开，64 天里完成 12,293 次提交，附带 683 篇设计笔记，连被否决的 11 条方案都摊在仓库里——这不是一次「从零开源」，而是把 DeepSeek 内部打磨已久、跑过 V4 Flash 高性能测试的 Agent 运行时整体搬到公开仓库。

图 1 说明了三点：其一，涨星曲线在开源 1.5 小时处即出现拐点（红点），此后一周内达到约 15 万；其二，第 4 周突破 20 万后增速放缓（约 22.8 万），进入平台期；其三，需要指出各数据点为媒体报道与排行榜的约值，不同来源在「首日 Star」口径上略有出入（36氪报道首日破 3 万，掘金报道 8 月 14 日晚接近 8 万），本报告采用「约值」表述并标注来源，不影响「史上最快涨星」这一结论。

3.2 版本演进（2026-08 至 2026-09）

来源：36氪（RC.8 报道）、TechNode / AIBase（v0.1.5）、官方 Release 与社区更新汇总｜期间：2026-08-13 至 2026-09-17｜口径：按发布先后排序

版本节奏在开源后明显加快（一周三更），更新主线有四条：多模态与文件体验、子代理收编与协作、工具链性能、品牌与生态治理。

4. 架构设计：Everything is a Plugin

4.1 Agent = Model + Harness

「Harness」直译是挽具。在 Agent 语境里，它指模型外面那套把推理变成行动的工程系统：模型判断「应该修改这个文件」，Harness 负责读取仓库、拼装上下文、暴露工具、执行命令、处理权限、收集测试结果并把失败信息送回模型，再决定继续、重试还是停下。同一个模型放进不同的 Coding Agent，跑分和体验可能差很多——模型权重没变，工具定义、检索方式、上下文压缩、错误重试和停止条件变了，完成任务的概率就会变。

4.2 Cordis 微内核与理论论文

DSH 构建在 Cordis 插件内核之上。Cordis 是一套 TypeScript 编写的插件化元框架，配套论文《A Programming Paradigm for Spatiotemporal Composability》（北京大学与 DeepSeek 联合署名，arXiv:2608.25512，92 页）给出形式化基础：时间可组合性指组件被移除时其副作用可被完整回滚；空间可组合性指组件间依赖可声明并响应式管理。DeepSeek 没有从零造轮子——Cordis 2022 年即存在，DSH 将源码 vendor 进仓库并改动 18 处，运行中的 Harness 本质上是一个 Cordis Context，由内核负责插件的挂载卸载、依赖路由与类型化事件分发。

这一选择的含义是：大多数 Agent 框架的「可扩展」是在外围加工具、接 MCP，而模型、循环、上下文管理等核心件动不了；DSH 走的是另一个极端——整套系统从头到尾都能被替换，连驱动模型一轮轮干活的主循环、连浏览器界面，都是可以卸载重装的插件。

4.3 能力接缝：接口、实现与消费者

插件系统最值得细看的设计是「能力接缝」（seam）：每个能力被拆成三个角色——接口定义（Service Definition）、实现（Provider）、消费者（Consumer）。以 Bash 工具为例：模型看到的「执行一条命令」是接口；命令在本地 Shell、远程容器还是云端沙箱里执行是实现层；工具管线是消费者。三层齐备意味着可以把本地 Shell 换成远程沙箱，而模型侧的工具定义一行都不用改；Bash、PTY、LSP 会随着文件系统和子进程两个 Provider 的替换整体迁移。

组合方式上，DSH 用 bundle（发行单元，在 package.json 的 dsh.bundle 字段声明）与 profile（命名组合）两层机制拼装形态，加载顺序为 bundle 补丁 → profile 补丁 → 机器级补丁 → 命令行 overlay，后层按行覆盖。官方提供三个 bundle：dsh-base（模型适配、工具、持久化、沙箱、审批、凭证等基础件）、dsh-web-app（浏览器应用）、dsh-headless（无界面一次性 runner）。

4.4 四种预设运行模式

来源：deepseek.com/harness 官方页、deepseekharness.dev、官方 Python SDK 文档｜口径：官方文档描述

4.5 工程规模与仓库结构

仓库代码分布在 packages/、apps/、examples/、python/、native/、vendor/、website/ 等区域，230+ workspace 成员。文件系统、终端、子进程、PTY、语言服务器、网页访问、技能、子智能体、工作流、计划模式、会话持久化、设置、凭据、遥测，几乎每一项能力都有自己的包。核心包包括：core（session / system-prompt / tools / agent / agent-loop）、typert（类型图生成与加载）、llm（LLM 服务定义与 DeepSeek 提供商）、shell / subprocess / fs / lsp / web（各能力层）、skill（技能注册表）、subagent / workflow（子代理与工作流）、hooks（Claude Code / Codex hook 桥接）、self-modification（Agent 自我挂载插件）、guard（循环卫生与工具超时）、interaction（审批/权限）、sdk（JSON-RPC 协议与客户端）、acp（自动化 Agent Client Protocol 服务）。

如果普通的 Agent 项目像一台装好的电脑，DSH 更像一块尺寸惊人的洞洞板：模型、工具、界面、存储、安全策略和上下文管理都可以插上去，也都可以拔下来。它提供了一套默认组装方案，但 DeepSeek 真正想创造的并非某个固定形态的「DeepSeek 编程助手」，而是一种组装智能体的方式。

4.6 架构分层示意

图 2 为自绘架构示意（非官方图）：自上而下为 UI 插件层 → Cordis 微内核 → 能力插件层；左右两侧分别为声明式配置组合层（bundle / profile / YAML）与 append-only 可观测输出（Trajectory 事件流）。图中高亮框表示 Agent 主循环同样作为插件存在。连线表示数据流与依赖方向，其中虚线表示配置注入与可观测回流。

5. 核心能力

5.1 Trajectory：全程可追踪

模型看到的一切都会被写入 append-only（仅追加）会话日志：系统提示词、推理轨迹（Think）、工具调用与结果、子代理调度、每一次上下文注入。Trajectory 视图可按来源分色查看这些记录，并支持恢复（resume）、分叉（fork）、搜索与回放（replay）——全部操作基于同一事件流。官方将其定位为「每次运行都可追踪」：黑盒 Agent 的决策逻辑被摊开成可审计的时间线，这对调试、审计与 RL 反馈对齐都有直接价值。

5.2 KV Cache 深度优化

DSH 与 DeepSeek-V3/R1 的原生 Prefix Caching 机制深度对齐：通过严格固定提示词前缀顺序、固定系统级工具契约定义、对增量会话历史分块，消除冗余的上下文重算。官方口径为 99.93% 前缀缓存命中率、节省 80%+ Token 成本。对长会话、多轮代码工程重构场景，这是实打实的成本优势；但该数字为官方宣传口径，独立第三方复测尚不多见。

5.3 工具契约与沙箱安全

DSH 用无歧义的 TypeScript 工具契约束缚模型行为，配合高精度的多 chunk diff 代码替换算法实现无损精确编辑；执行侧提供 Docker 容器隔离沙箱（另有 E2B POC 与基于 Landlock 的本地原生沙箱实验），严格约束路径访问边界与执行权限。工具调用链上还暴露 pre-execute / post-execute 监听、审批（approval）、ToolGuard 等策略钩子，供部署方在工具执行前拦截风险调用。

5.4 多模型支持与 SDK

模型适配器为独立插件，开箱支持 40+ 提供商（DeepSeek、Anthropic、OpenAI、Amazon Bedrock、Google Vertex、Azure OpenAI、Ollama 等）。Python SDK（deepseek-harness-sdk，Python 3.10+）提供 JSON-RPC Agent 示例，可将同一套 Agent 运行时嵌入脚本或内部系统；官方还提供 ACP（Agent Client Protocol）服务端，面向自动化工具链。

6. 评测表现与基准

6.1 官方基准：V4 Pro 0813 + 极简模式全面跃升

DeepSeek 在 V4 Pro 正式版公告中专门加了一条脚注：公开基准里的 Code Agent 任务，使用 DeepSeek Harness 极简模式测试（模型配置为 max 推理档位、top_p=0.95、temperature=1.0）；换用其他框架，结果可能不同。官方公布的 V4 Pro Preview 与 V4 Pro 0813 对比提升如下。

图 3 说明：官方组合在全部 8 项 Code Agent 基准上都有明显提升，其中 DeepSWE（+49.9）、DSBench-Hard（+36.1）、Cybergym（+30.6）提升最大，呈现「难度越高、提升越显著」的特征。需要同时读到的限制是：对比中的模型也从 Preview 升级到了 V4 Pro 0813，官方没有做「同一模型、只更换 Harness」的消融实验，因此现有数据能证明的是「V4 Pro 0813 + Harness 极简模式」这套组合很强，不能单独证明 Harness 贡献了多少分。

6.2 评测口径与局限

好消息是极简模式现已公开，外部复现有了入口：它只给模型持久化 Bash 与 str_replace_editor 两个工具，不启用上下文压缩，默认记录未压缩 JSONL 会话日志；仓库 BENCHMARK.md 要求独立任务使用不同工作区和会话 ID。接下来真正值得看的，不是官方组合能否再刷高分，而是社区能否用相同模型、相同任务，对 DSH、Claude Code、Codex 和其他开源 Harness 做公平的横向实验。

6.3 第三方对照实验

有开发者做了严格的对照实验：用自己的一套工程维护评测题目，在同一台机器、同一个模型、同一个推理档位下只切换 Harness 模式，结果标准模式 91 分、PTC 模式 92 分、极简模式 99 分（该组数据为单方测试报道口径，来源见文末）。这也印证了一个特点：极简模式复用的是模型训练时的那套 RL prompt 与工具 schema——仓库里有名为「sends the exact RL prompt and schemas」的测试文件佐证。换言之，极简模式对训练时格式的依赖是其高分来源之一，临时更换模型没怎么见过的工具清单，效果可能回落。

7. 安全评估：间接提示注入的实测

7.1 测评设计

2026 年 8 月，腾讯朱雀实验室基于自研 AI-Infra-Guard（A.I.G）对 DSH 做了真实运行时安全评估，形成论文《Evaluating DeepSeek Harness with A.I.G: A Security Assessment of Indirect Prompt Injection》（arXiv:2608.16393）。实验在 DSH 真实 TypeScript 运行时上执行：14,560 次受控运行，覆盖 16 个间接内容通道、文本/文件两种载体模式、35 个载荷目标、1 个未修改基线 + 12 种攻击方法；模型后端为 deepseek-v4-flash（本地代理）；注册 6 个源工具（网页、文档、邮件、知识、技能、聊天消息）与 8 个被追踪的模拟 sink 工具（只记录调用不产生真实副作用）。每条轨迹由确定性 RuleJudge（JR）与语义化 LLMJudge（JL）双判定器评估。

7.2 总体结果

来源：arXiv:2608.16393（腾讯朱雀实验室，2026-08-18）｜期间：2026-08 实验｜口径：14,560 次受控运行；sink 均为模拟工具，记录的是「尝试的动作」而非真实副作用

两个额外读数值得注意：全部运行中 68.4% 以显式拒绝收场；另有 21.6% 属于「污染内容已送达模型但未达成攻击目标」（taint-delivered-only），这些轨迹是需要人工复核的候选。文件模式（6.2%）的完全成功率略高于文本模式（5.1%），sink 调用次数 387 对 254——载体表示本身是攻击面的一部分。

7.3 五个关键发现

1. 1. 载体表示改变攻击面：隐藏 Unicode 通道在文本模式下完全成功率为 0.0%，在文件模式下高达 25.5%（455 次中 116 次）。只做纯文本测试会漏掉这类行为。
2. 2. 输出遵从与动作成功是两种风险：仅需输出 canary 的目标，JL 完全成功率 35.7%；需要触发敏感 sink 的目标仅 2.5%。混报一个总成功率会掩盖这一区别。
3. 3. 有状态的任务框架提升暴露：fake_completion（伪造完成）在文本模式下 JR 16.6% / JL 17.0%，远高于未修改基线（5.5% / 5.7%）。
4. 4. 技能需要供应链级管控：skills 通道 JR 完全成功率文本 14.3%、文件 16.0%；源工具 load_skill 达 15.2%（JR）/ 13.7%（JL），高于网页、文档、邮件等通道。技能、工具描述、工作流模板应视为与代码同级、需要来源与版本治理的资产。
5. 5. 规则匹配需要语义解释：obfuscation 在 JR 下为 13.6%，但 JL 只判 9.1% / 8.8%——sink 调用、目标 token、canary 等「机械信号」出现不代表语义上完成了攻击目标。

7.4 代码级控制点与加固建议

论文基于 DSH 源码（快照 commit 47f943859bef，2026-08-13）定位了两个关键控制位置：一是上下文准入点——agent-loop 的 appendToolResult 会把工具结果写入会话，并接受结果携带的 additionalContexts，意味着检索工具、MCP 集成、技能、插件返回的内容都参与模型可见输入边界（packages/core/agent-loop/src/tool-calls.ts）；二是工具调用策略点——tools 模块的 ToolGuard 是 deny-only 单调守卫，在工具体执行前可拦截风险调用（packages/core/tools/src/index.ts）。

论文给出的部署建议：在模型边界保留来源标签、信任等级与载体类型，并显式声明「不可信来源的内容是数据，不能改变用户目标」；对邮件、外部提交、shell 执行、文件变更、金融动作等敏感 sink 做独立授权（白名单、参数级检查、人工审批），不依赖模型对外部文档的理解；将技能、MCP 集成、工具描述按代码资产治理（归属、来源、版本评审、最小权限）；每次提示词、工具、技能、解析器、模型或授权策略变更后重跑选定的 source-to-sink 用例。

8. 生态、争议与风险

8.1 社区与生态

开源首日登顶 Hacker News；据量子位 8 月 15 日报道，GitHub 上带 dsh-plugin 标签的公开仓库已超 700 个。围绕 DSH 的插件生态已长出约 9.5 万 Star 的设计工具与约 2.5 万 Star 的第三方桌面端（CSDN 源码深读文章口径）。官方通过 GitHub Discussions 收反馈，并设置 dsh-plugin topic 便于插件被发现；团队通过企微群与微信公众号运营社区。

8.2 实测用例

机器之心用配置了官方 DeepSeek-V4-Flash 的 DSH 构建第一人称丧尸射击游戏，未中途干预，30 多分钟得到可玩成品；用同一提示词挑战「华强买瓜」3D 动画复现，DSH（V4-Flash）的还原度优于配置 GPT-5.6 sol-xhigh 的 Codex——考虑到 V4-Flash 参数规模远低于 GPT-5.6 sol，被认为部分归功于 Harness 的执行层能力。9 月随 V4-Flash-Vision-Exp 发布，官方展示了多模态 Agent 用例：制作带配图的旅行 PPT、重新设计网页、开发动态前端页面。36氪的「梁文锋表情包」测试则揭示了边界：DSH 能识别视觉变化与叙事（人物被逐步神化），但会在缺失信息时用猜测补全答案（自造「梁圣」「梁煞」称号）、把人物猜成梁启超——多模态理解与事实核验仍需工具链配合。

8.3 争议与限制

• • 开发者预览 + 破坏性变更：官方全大写警告未来将有破坏兼容性的变更；每日数百次提交导致文档滞后；内测开发者直言当前体验尚不如 Claude Code 与 Codex 完善。
• • 遥测争议：36氪报道，运行后会生成本机 UUID 随每次请求发送，遥测开关并不影响它。
• • 平台支持：官方 Python 极简组合依赖持久化 POSIX PTY，Windows 原生 Agent 暂不支持，稳妥做法是 WSL2、Linux 虚拟机或容器。
• • 升级成本：RC.8 引入 SQLite 数据结构不兼容变更，本地存量数据升级前需先规划。
• • 训练格式依赖：极简模式使用模型训练时的 RL prompt 与工具 schema，换用模型不熟悉的工具清单可能掉分（对应第三方 91/92/99 对照实验）。
• • 生态碎片化风险：「一切皆插件」是双刃剑，大量开发者自由定制后，插件间兼容性迟早出问题。
• • 安全边界：间接提示注入并非零风险（见安全评估章节），默认示例权限为 danger-full-access，需要部署层配置审批与守卫。

9. 战略意义与展望

9.1 卡位 Agent 时代的调度层

模型可以换，执行任务的 Agent 可以换，但组织模型、调度 Agent、管理任务和工具的那层工作环境，一旦用顺手就很难搬。DeepSeek 盯上的正是这个位置：RC.8 把 Claude Code 与 Codex 收编为可即装即用的 Profile Bundle 子代理——竞对的产品变成自己的零件——等于官方盖章了这种「收编」。有评论将其类比安卓的打法：自己不造手机，但让所有厂商跑在自己的系统上。推演下来，DeepSeek 的算盘是「卖水人」逻辑：默认路由仍是自家 API（8 月 17 日起分时计价），模型层的竞争就不会下牌桌。

9.2 与主流开源框架的对比

来源：deepseekharness.dev 官方对比表（2026-08-29 抓取）｜口径：官方自我定位，非第三方评测，引用时需注意立场

9.3 后续观察点

1. 1. 插件 API 稳定后，升级能否不频繁打断第三方生态。
2. 2. 默认权限与沙箱策略是否足够保守，让普通开发者不看长文档也安全上手。
3. 3. 长会话的上下文压缩、恢复与成本控制是否稳定（KV Cache 99.93% 命中率等待独立复测）。
4. 4. 社区插件能否形成统一的发现、签名、版本与信任机制。
5. 5. 除 DeepSeek V4 外，自定义模型在工具调用与多 Agent 场景下的兼容性。

10. 结论与建议

10.1 结论

DeepSeek Harness 是 2026 年下半年开源社区最受关注的 Agent 基础设施项目之一：它以「一切皆插件 + 全程可追踪」公开解构了 Claude Code / Codex 的核心壁垒，用破纪录的涨星速度证明了社区对「可组装、可审计、可换模型」的 Agent 运行时的强烈需求。官方基准与第三方对照显示，Harness 与自家模型深度协同（极简模式、KV Cache、V4.1 Flash 专项训练）能显著提升 Code Agent 任务表现；同时，腾讯朱雀实验室的实测与社区反馈表明，其安全边界、平台支持、接口稳定性仍处于「施工中」状态。

对 DeepSeek 而言，这一步的战略意义大于产品意义：从模型开源到框架开源，它在 Agent 时代拿到了「调度层」的入场券。对行业而言，Harness 把「Agent 的工程层」从各家闭源黑盒变成了可研究、可复现、可改造的开放对象——这可能是比某个模型版本更长期的影响。

10.2 行动建议

• • 开发者 / 极客：在隔离目录或容器中用 npx @deepseek-ai/dsh web 上手，先跑「总结仓库并识别主要软件包」类低风险任务；注意不要把有重要文件的主目录直接交给默认权限示例。
• • 企业技术决策者：将其列入 PoC 观察清单，重点验证权限/审批/审计插件、模型网关接入与 Trajectory 审计能力；等待插件 API 稳定与默认安全策略收紧后再评估生产接入。
• • 安全团队：参考 A.I.G 论文的 source-to-sink 方法与控制点清单，在自有部署上配置 ToolGuard、敏感 sink 独立授权与技能供应链治理，并在每次配置变更后重跑安全矩阵。
• • 研究人员：推进「同模型、跨 Harness」的公平横向评测；对官方 KV Cache、99.93% 命中率等宣传口径做独立复测；跟踪 Cordis 论文的形式化基础在工程上的兑现程度。

11. 资料来源

1. 1. DeepSeek Harness 官方 GitHub 仓库（含中英文 README）
2. 2. DeepSeek 官方页：Everything is a plugin（开发者预览）
3. 3. DeepSeek Harness 官方站（功能、对比、FAQ）
4. 4. arXiv:2608.16393 腾讯朱雀实验室：Evaluating DeepSeek Harness with A.I.G
5. 5. arXiv:2608.25512：A Programming Paradigm for Spatiotemporal Composability（Cordis 论文）
6. 6. 机器之心（36氪转载）：DeepSeek Harness 震撼开源：一切皆插件
7. 7. 36氪：DeepSeek Harness 一周三更：把 Claude Code 和 Codex 收编成子代理
8. 8. 36氪：DeepSeek 的「官方外挂」，被一张梁文锋的表情包难倒了
9. 9. 腾讯云开发者社区：DeepSeek Harness 是什么？为什么开源后这么火？
10. 10. CSDN：DeepSeek Harness 开源了，但先别叫「正式版」
11. 11. CSDN：一切皆插件的代价——DeepSeek Harness 源码深读
12. 12. 阿里云开发者社区：DeepSeek Harness 极简模式对照实验
13. 13. 稀土掘金：DeepSeek Harness 开源解读
14. 14. TechNode：DeepSeek releases Harness 0.1.5 with V4.1 Flash support
15. 15. GitHundred：Top 100 most starred GitHub repositories（2026-09-18）